Google se ha propuesto acelerar el tiempo que tardan las empresas en crear modelos personalizados de aprendizaje automático con el lanzamiento inminente de su paquete de servicios Cloud AutoML.
Los servicios están diseñados para aprovechar el impulso que el gigante de las búsquedas afirma haber experimentado hasta la fecha con su incursión en el espacio del aprendizaje automático.
Anteriormente, la empresa había presentado una serie de interfaces de programación de aplicaciones (API), denominadas Vision, Speech, NLP, Translation y Dialogflow, que los desarrolladores pueden combinar con modelos de aprendizaje automático preformados para mejorar la funcionalidad de sus aplicaciones empresariales.
Según Fei-Fei Li, científico jefe de Cloud AI en Google, estos modelos de aprendizaje automático preentrenados han limitado la capacidad de algunas empresas para abordar problemas específicos del sector utilizando la inteligencia artificial (IA).
«Hemos facilitado a las empresas la implementación de modelos de aprendizaje automático ofreciéndoles bloques de construcción de IA para texto, voz, lenguaje natural, vídeo y visión a través de nuestras API de aprendizaje automático», declaró en la rueda de prensa de Cloud AutoML.
«Para garantizar que estas soluciones funcionan en diversas situaciones, es necesario preentrenar estos modelos. Las empresas pueden utilizarlos como base para sus soluciones, pero la realidad es que los clientes de los sectores minorista, sanitario y financiero, por ejemplo, tienen que personalizar sus modelos».
«Estos módulos sólo ofrecen soluciones genéricas. No resuelven los problemas específicos de distintos sectores en distintos escenarios», añadió.
En vista de ello, la empresa lanza ahora al mercado un conjunto de herramientas diseñadas para reducir la barrera de conocimientos de los desarrolladores que quieran crear aplicaciones basadas en modelos de aprendizaje automático más complejos y personalizados.
Cloud AutoML Vision es la primera de estas herramientas que Google planea sacar al mercado, y está orientada a acelerar el tiempo que tardan los desarrolladores en crear modelos de aprendizaje automático personalizados para tareas de reconocimiento de imágenes.
La empresa afirma que la configuración ha demostrado cometer menos errores al identificar imágenes de objetos subidas al servicio que las basadas en API de aprendizaje automático más genéricas.
Avanzar en el aprendizaje automático
Este anuncio es el último paso del gigante de las búsquedas para democratizar la IA y las tecnologías de aprendizaje automático, de modo que más empresas puedan aprovechar las ventajas de su uso.
Aunque la empresa ha hecho algunos progresos en este frente, Li dijo que las habilidades que las empresas necesitan para aprovechar realmente la IA y el aprendizaje automático siguen siendo escasas.
«La IA y el aprendizaje automático siguen siendo un campo con grandes barreras de entrada, y requieren conocimientos y recursos poco comunes que pocas empresas pueden permitirse por sí solas», añadió. «Solo un puñado de empresas en el mundo tienen acceso al talento y los presupuestos para apreciar plenamente el avance del aprendizaje automático y la IA».
Aprendizaje profundo
Hoy en día solo hay miles de investigadores de aprendizaje profundo, y tal vez un millón de científicos de datos en todo el mundo. Sin embargo, se calcula que hoy hay 21 millones de desarrolladores, y queremos que la IA sea accesible a todos ellos», añadió.
Conservación en la nube
En una entrada del blog que siguió al anuncio se explicaba cómo algunos clientes de Google, entre ellos la Sociedad Zoológica de Londres (ZSL), ya utilizan Cloud AutoML.
Sophie Maxwell, responsable de tecnología de esta organización benéfica, explica que Cloud AutoML está ayudando a la sociedad a investigar la distribución geográfica de las poblaciones de animales salvajes en todo el mundo y cómo se ven afectadas por factores externos, como el impacto humano.
«ZSL ha desplegado una serie de cámaras trampa en la naturaleza que toman imágenes de los animales que pasan cuando se activan por el calor o el movimiento. Los millones de imágenes captadas por estos dispositivos se analizan manualmente y se anotan con las especies pertinentes, como elefantes, leones y jirafas, lo que supone un proceso laborioso y costoso», explica.
«La Unidad de Tecnología de la Conservación de ZSL ha colaborado estrechamente con el equipo CloudML de Google para ayudar a dar forma al desarrollo de esta interesante tecnología, que ZSL pretende utilizar para automatizar el etiquetado de estas imágenes, reduciendo costes, permitiendo despliegues a mayor escala y obteniendo una comprensión más profunda de cómo conservar eficazmente la vida silvestre del mundo».
