Hitos y retos para el machine learning y la IA

Cuando se acerca el final del año tenemos tendencia a sumarizar cómo nos ha ido el año actual, en distintos campos o facetas de nuestras vidas, y seguidamente intentar señalar algunos puntos importantes como objetivos para el año siguiente.

En este blog no queremos ser menos, y aprovechamos un interesante artículo publicado en kdnuggets para revisar la opinión de algunos destacados actores sobre los hitos del año actual y los retos para el próximo año.

En concreto, se ha pedido a un conjunto de actores relevantes en este campo cuáles creen que han sido las mayores contribuciones en las áreas de aprendizaje automático (machine learning) e inteligencia artificial de este año y cuáles creen que serán los principales retos a abordar durante el próximo año.

Como resumen de los hitos más importantes durante el año 2017, los expertos consultados señalan cuatro puntos por encima de los demás:

• Los éxitos de AlphaGo
• La moda de aprendizaje profundo (deep learning)
• La conducción autónoma (self-driving cars)
• La influencia de TensorFlow en la tecnología de redes neuronales (neural networks)

En cuanto a los retos para el año 2018, cada uno de los gurús hace sus apuestas y predicciones partiendo de su área de conocimiento y dominio… y aunque no hay unanimidad en esto, tampoco se pueden ver predicciones contradictorias.

A continuación os apuntamos algunas de las tendencias más comentadas:

• Transparencia en las predicciones de los algoritmos de machine learning, que permitan “entender” las decisiones tomadas por los algoritmos y comprobar que están alineadas con las leyes y regulaciones de los distintos países donde se aplican.
• Continuación y consolidación de las estrategias vinculadas al dato y al aprendizaje automático por parte de muchas empresas ajenas a sectores tecnológicos.
• Mejoras en el campo del Meta-learning

Aunque os recomendamos una lectura completa del artículo original y de cada una de las valoraciones y predicciones realizadas por estos gurús del área de machine learning e inteligencia artificial.

Se puede consultar el artículo original, que ha inspirado este, en el siguiente enlace:

https://www.kdnuggets.com/2017/12/machine-learning-ai-main-developments-2017-key-trends-2018.html

Jordi Casas-Roma es doctor en informática por la Universitat Autònoma de Barcelona (UAB, 2014), director del Máster Universitario en Ciencia de Datos (Data Science) y profesor de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya (UOC, 2009), donde es responsable de asignaturas relacionadas con la minería de datos, machine learning y big data. Desde 2010 pertenece al grupo de investigación KISON (K-ryptography and Information Security for Open Networks).