La IA per se ha sido considerada durante mucho tiempo como una actividad venenosa académicamente. Por otro lado, hay muchas disciplinas componentes que son altamente lucrativas. Alimentar la demanda de quants en Wall Street ha elevado la ciencia de datos a nuevas alturas. Un área relacionada de expansión es la bioinformática; secuenciación génica, combinatoria y similares.
El reconocimiento de patrones, el aprendizaje automático y el procesamiento del lenguaje natural (PNL) son especialidades en las que la rápida expansión de las bases de códigos de algoritmos (p. Ej., SciPy), el procesamiento computacional, los datos corporativos y de acceso a Internet hacen posibles objetivos imposibles. Por ejemplo, los avances en la potencia de la computadora en los últimos años han trasladado la secuenciación genética de un esfuerzo de $ 2.7B de 10 años a un esfuerzo de $ 2.7k de 10 horas,
Tenga en cuenta los diferentes órdenes de magnitud en el ejemplo anterior. Casi todas las partes componentes de la IA están avanzando a este tipo de tasas, y la tasa de avance se está acelerando exponencialmente. En unos pocos años, la secuenciación genética será una prueba de laboratorio de rutina. PNL caerá en el mismo nivel de facilidad de implementación que publicar un video en Internet. La visión y otros desafíos de reconocimiento de patrones serán igualmente fáciles de implementar. Por ejemplo, la identificación en tiempo real de individuos que se ajustan a un paquete de especificaciones que incluye altura, peso, marcha y otras características ya está disponible y se puede implementar utilizando una aeronave o un satélite. Es costoso, pero usando el ejemplo de secuenciación de genes anterior no necesita mucha imaginación para visualizar una amplia disponibilidad y aplicación en un futuro no muy lejano.
- ¿Quién es el personaje de inteligencia artificial más poderoso en la ficción?
- ¿Por qué las personas estudian inteligencia artificial?
- ¿Qué tan lejos está la inteligencia artificial en comparación con la inteligencia humana?
- ¿Qué piensan los investigadores de inteligencia artificial del argumento de Roger Penrose de que las máquinas no pueden tener conciencia?
- ¿Puede la inteligencia artificial generar conocimiento tácito?
Notablemente ausente de esta observación está la disciplina de la teoría de la Decisión. Aquí también, los grandes avances en la teoría de la probabilidad y el análisis estadístico están haciendo que el software sea más efectivo para identificar buenas alternativas, pero sigue habiendo áreas considerables donde no hemos encontrado soluciones viables y, en algunos casos, incluso las teorías interesantes nos eluden. Creo que este es el corazón de lo que piensa la mayoría de la gente cuando piensa en la IA.
Hasta hace poco, esta brecha se ha enmascarado por las deficiencias en las áreas componentes anteriores. Pero esas barreras se evaporan con cada día que pasa. La capacidad del software para reconocer los elementos representados en una imagen o el significado de una frase pronto superará la capacidad humana. La capacidad de discernir las implicaciones socioeconómicas o morales incrustadas en esas imágenes y frases, y luego elegir un curso de acción apropiado basado en esas implicaciones, está momentáneamente fuera de nuestro alcance.
Un cuento de advertencia; Hace 40 años, muchos pensaban que estábamos en la cúspide de la PNL viable. Recuerdo las discusiones embriagadoras con la gente del MIT Media Lab y cosas similares sobre las increíbles habilidades lingüísticas que las computadoras pronto exhibirán. Una parte fundamental faltante resultó ser la capacidad de hacer referencia a un corpus de suficiente tamaño y complejidad, y la velocidad para procesar esa referencia. Cuatro décadas después, esas limitaciones se están superando. Los cuerpos semánticos están brotando y creciendo en todo el mundo. Han permitido a PNL hacer grandes avances.
Un poco largo, pero tener cierta perspectiva en una decisión de carrera es importante. Si su ganancia económica es su imperativo, concéntrese en una de las áreas componentes de IA mencionadas anteriormente. Si cambiar el mundo es un motivador, concéntrese en algún aspecto de la teoría de la decisión en el que pueda contribuir a un gran avance. En cualquier caso, no pierda de vista el hecho de que su elección será la base de su futuro. Elija un aspecto que disfrute y en el que sea bueno, independientemente del potencial de ingresos a corto plazo.
