Hitos y retos para el machine learning y la IA

19 diciembre, 2017

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).

(Visited 93 times, 1 visits today)
Autor / Autora
Jordi Casas-Roma
Profesor e investigador del grupo ADaS Lab de los Estudios de Informática, Multimedia y Telecomunicaciones de la UOC. Director del máster universitario de Ciencia de Datos de la UOC. Sus intereses de investigación se basan en la minería de datos, aprendizaje automático, minería de gráficos y privacidad de datos. 
Comentarios
Deja un comentario