palabraiSYS es una fundación para desarrollar proyectos sociales de salud digital

En marisys 27 de mayo inteligencia artificial farmacos 2020zo se presentó el “2021 AI Index Report” de la universidad de Standford, uno de los informes más completos sobre Inteligencia Artificial en la que colaboran un grupo amplio de organizaciones académicas, privadas y sin ánimo de lucro. Tal como mencionan sus creadores, dicho informe pretende ser un índice de la IA: rastrea, coteja, destila y visualiza datos relacionados con la inteligencia artificial para proporcionar datos imparciales, rigurosos y completos para todo aquel que esté interesado de una forma u otra en el campo de la IA. El informe está muy centrado en la situación en Estados Unidos pero se pueden generalizar muchas de sus conclusiones a nivel global.

A continuación describimos algunos puntos más relevantes que se pueden extraer de este informe de más de 170 páginas y que esta accesible de forma abierta en el sitio web de la prestigiosa universidad.

 

China supera a Estados Unidos en citas de revistas de AI. Después de superar a Estados Unidos en el número total de publicaciones en revistas, ahora también lidera en número de citaciones. China tiene una política que favorece las publicaciones en revistas al mostrarse como un indicador de éxito académico. En Estados Unidos la mayor parte de I+D la realizan las corporaciones, incentivando de este modo en menor manera la publicación de artículos. Sin embargo, Estados Unidos tiene más documentos de conferencias sobre la IA.

La mayoría de los graduados de doctorado en IA de EE. UU. provienen del extranjero. El porcentaje de estudiantes internacionales entre los nuevos doctorados en IA de América del Norte aumento en 2019, hasta el 64,3%. El 81,8% de los mismos se quedaron con un trabajo en los Estados Unidos.

La industria va adoptando la IA. En 2019, el 65% de los doctorados en IA que se graduaron en América del Norte ingresaron en la industria, frente al 44,4% en 2010, abandonando la vertiente más académica de la profesión. La inversión corporativa global en IA se disparó a casi 68 mil millones de dólares en 2020, un aumento del 40 por ciento con respecto al año anterior.

Inversión en fármacos. La inversión en IA en el diseño y el descubrimiento de fármacos aumentó significativamente. Se cifra un incremento, en el 2020, de 4.5 veces la inversión en IA del 2019, para el diseño y descubrimiento de fármacos.

El efecto COVID. La inversión privada en 2020 se inclinó hacia sectores que desempeñaron un papel importante en la respuesta mundial al COVID-19. Se observa también un incremento en la investigación en el área del cáncer, así como en el área educativa y de juegos. Estas dos últimas seguramente relacionadas con las consecuencias del confinamiento.

Más rapidez, más calidad. Con la adopción de chips aceleradores diseñados específicamente para el aprendizaje automático se pasó en un caso de necesitar 6.2 minutos en entrenar un sistema concreto de clasificación de imágenes en el 2018, a 47 segundos en el 2020. Esto se convierte en tiempo ahorrado para los investigadores que pueden dedicar a investigar otras opciones.

Abarcándolo todo. Los sistemas de inteligencia artificial ahora pueden componer texto, audio e imágenes llegando a un nivel de calidad que nos hace difícil diferenciar entre lo sintético y no sintético.

Las tecnologías de vigilancia son rápidas, baratas y cada vez más ubicuas. Las tecnologías necesarias para la vigilancia a gran escala están avanzando rápidamente incorporando las técnicas de IA como las de clasificación de imágenes, reconocimiento facial, análisis de video e identificación de voz.

Desafíos en el análisis de videos. Se podría decir que la IA es ya realmente buena en el reconocimiento de imágenes estáticas, enfocándose ahora en la mejora del análisis de videos. En un conjunto de datos de videos, de ActivityNet, se constataron los problemas, tanto en 2019 como en 2020, que tienen estos sistemas en reconocer algunas actividades, como la del tiempo dedicado al consumo de café (actividad fundamental en muchas oficinas).

La IA tiene un desafío de diversidad. En 2019, el 45% de los nuevos doctorados en IA de EE. UU eran blancos (frente a 2,4% de afroamericanos y el 3,2% de hispanos). Y solo un 20% eran mujeres. Una forma de evitar transmitir los prejuicios y discriminaciones en los nuevos sistemas de IA sería que los crearan grupos con gran diversidad de individuos (con diferentes identidades raciales, étnicas, de género, de edades…).

Con el gran progreso en el área de procesamiento del lenguaje natural (PNL) se requieren ahora pruebas de cualificación más complejas para evaluar la IA. En dos versiones de una prueba de comprensión de lectura llamada SQuAD se necesitaron 35 meses para que un modelo superara a un humano en la primera versión, pero solo 10 meses en la segunda versión (que incorporaba preguntas incontestables, que el modelo también tenía que identificar).

La ética en la IA carece de puntos de referencia y consenso. Aunque varios grupos están produciendo una variedad de resultados cualitativos o normativos en el dominio de la ética de la IA – cada vez hay más grupos, artículos y conferencias sobre temas éticos relacionados con la IA, como la toma de decisiones opaca, la discriminación, la intrusión en la privacidad… de estos sistemas- , el campo generalmente carece de puntos de referencia que se puedan utilizar para medir o evaluar su desarrollo. A parte de estos valores cuantificables (cada vez hay más trabajos) no hay por el momento otras métricas establecidas para valorar la ética en el campo de la IA. Una encuesta de McKinsey muestra la falta de conciencia sobre los riesgos que conlleva la utilización de la IA. Riesgos no en el sentido de ciber-seguridad sino en el de las preocupaciones relacionadas con la ética, la privacidad y la equidad.


Referencias

Stanford University, Human-Centered Artificial Intelligence. (2021). Artificial Intelligence Index Report 2021. https://aiindex.stanford.edu/wp-content/uploads/2021/03/2021-AI-Index-Report_Master.pdf

Strickland, E. (2021, 15 abril). 15 Graphs You Need to See to Understand AI in 2021. IEEE Spectrum: Technology, Engineering, and Science News. https://spectrum.ieee.org/tech-talk/artificial-intelligence/machine-learning/the-state-of-ai-in-15-graphs

robot SergiSergi Grau
Máster en ingeniría informatica

Fecha: 20/05/2021 Revisión: 12/07/2021

Añadir comentarios

Comentarios

  • No se han encontrado comentarios

Esta web utiliza cookies propias y de terceros para analizar y mejorar tu experiencia de navegación. Al continuar navegando, entendemos que aceptas su uso. Más información