El campo del aprendizaje automático y la inteligencia artificial avanza rápidamente. Mucha gente empieza a preguntarse cómo será un mundo con ordenadores inteligentes. Pero, ¿cuál es la proporción entre bombo y platillo y progreso real? ¿Qué tipo de problemas se han resuelto bien con las técnicas actuales de aprendizaje automático, cuáles están a punto de resolverse y cuáles siguen siendo excepcionalmente difíciles?
Arte de las métricas
En la actualidad no existe un buen lugar donde encontrar el estado del arte de las métricas de aprendizaje automático bien especificadas, por no hablar de los muchos problemas de inteligencia artificial que siguen siendo tan difíciles que aún no existen buenos conjuntos de datos y puntos de referencia para seguirles la pista. Así que estamos intentando crear uno. Hoy lanzamos el experimento EFF AI Progress Measurement y animamos a los investigadores de aprendizaje automático a que nos den su opinión y contribuyan a este esfuerzo.
Hemos extraído los datos de varias fuentes: entradas de blog que informan sobre instantáneas de los avances; sitios web que intentan recopilar datos sobre subcampos específicos del aprendizaje automático; y artículos de revisión. En los casos en que estas fuentes no cubrían todos los aspectos, hemos recurrido a la propia literatura de investigación y hemos recopilado datos.
Hemos colocado esta información en un cuaderno Jupyter / IPython, que puedes leer en https://eff.org/ai/metrics. El cuaderno está alojado en Github, donde la comunidad puede contribuir directamente.
Lo que tenemos hasta ahora es un experimento, y nos gustaría saber: ¿Es esta información útil para la comunidad de aprendizaje automático? ¿Qué problemas, conjuntos de datos y resultados importantes nos estamos perdiendo?
El interés de la EFF por el progreso de la IA es principalmente desde una perspectiva política. Queremos saber con qué tipos de IA tenemos que empezar a comprometernos en los frentes legal, político y de seguridad técnica. Más allá de eso, también nos entusiasma ver cuántas cosas están aprendiendo a hacer los ordenadores con el paso del tiempo.
Técnicas de IA
Dado que las herramientas de aprendizaje automático y las técnicas de IA forman parte cada vez más de nuestra vida cotidiana, es fundamental que los periodistas, los responsables políticos y los usuarios de la tecnología conozcan el estado de la cuestión. Cuando se diseñan o utilizan de forma inadecuada, los métodos de aprendizaje automático pueden violar la privacidad, amenazar la seguridad y perpetuar la desigualdad y la injusticia. Las partes interesadas deben ser capaces de anticipar estos riesgos y cuestiones políticas antes de que surjan, en lugar de jugar a ponerse al día con la tecnología. Con este fin, los investigadores, ingenieros y desarrolladores de este campo tienen la responsabilidad de ayudar a que la información sobre su investigación, que puede cambiar vidas, esté ampliamente disponible y sea comprensible.
