La semana pasada apareció un artículo muy interesante en la revista New Scientist titulado “Las mejores IA de reconocimiento de imágenes se dejan engañar por imágenes ligeramente rotadas.” Léalo completo. Este artículo aborda uno de mis temas favoritos, que es cómo pensar en la IA y las reglas en el contexto de una aplicación empresarial.
Como explica el artículo, simplemente rotando la posición de los objetos comunes en la imagen pudieron confundir al sistema (incluido el de Google) el 97% de las veces. Ahora bien, si estás categorizando perros y gatos, tal vez esto no sea gran cosa. Sin embargo, si está tomando decisiones de préstamo basándose en los datos de un modelo y necesita poder explicar su decisión, esto es un gran problema.
Las decisiones incluirán cada vez más IA dentro de nuestro producto en los próximos lanzamientos. Actualmente estamos probando nuestros primeros casos de uso y compartiré mucho más a medida que avancemos. Estamos muy entusiasmados con el potencial y nuestra capacidad para ayudar a los clientes con aplicaciones útiles que combinan aprendizaje automático y reglas comerciales.
Fundamentalmente, la fortaleza del aprendizaje automático está en identificar relaciones basadas en big data. Lo que destaca este artículo es que incluso con big data, habrá situaciones que su conjunto de datos no ha visto y nunca se habrían incluido en un conjunto de entrenamiento de IA, lo que arrojará resultados falsos. ¿qué hacer?
A continuación se presentan tres puntos a tener en cuenta al intentar integrar el aprendizaje automático con cualquier aplicación empresarial.
- ¿Probabilidad o exactitud? ¿Su aplicación requiere exactitud o una alta probabilidad es suficientemente buena? Las promociones de marketing suelen ser ejercicios de probabilidad, lo que significa que el coste de un “error” al promocionar a un objetivo no cualificado es bajo. Sin embargo, si necesita exactitud, un árbol de decisiones u otro modelo basado en reglas es el camino a seguir.
- Envoltorio de reglas: si tienes un modelo que funciona bastante bien pero quieres poner algunos límites en la salida, poner un “Envoltorio de reglas” alrededor de tu modelo ML tiene mucho sentido. De esta manera, siempre puedes controlar la salida en función de los parámetros que controlas.
