Este artículo fue publicado originalmente en el VentureBeat y ha sido reproducido con permiso.

Dan Wright acaba de convertirse en CEO de DataRobot, una empresa valorada en más de $ 2.7 mil millones que promete automatizar la construcción, implementación y administración de modelos de IA de una manera que haga que la IA sea accesible para todas las organizaciones.

Tras el lanzamiento de versión 7.0 de la plataforma DataRobot, Wright le dijo a VentureBeat que la industria requiere una nueva era de democratización de la IA que elimine las dependencias de los equipos de ciencia de datos. Explicó que los procesos de operaciones manuales de aprendizaje automático (MLOps) simplemente no pueden seguir el ritmo de las condiciones comerciales cambiantes.

Esta entrevista ha sido editada por brevedad y claridad.

VentureBeat: Ahora que eres el CEO, ¿cuál es la misión principal?

Daniel Wright: Lo que intento impulsar es la democratización de la IA. En el pasado, la IA ha sido una especie de palabra de moda. Ha sido principalmente experimental. Tenías científicos de datos que estaban trabajando en diferentes proyectos de ciencia de datos. Pero muchos de los modelos en los que estaban trabajando nunca llegaron a producirse ni agregaron ningún valor. Lo que estamos haciendo ahora es permitir que nuestra plataforma sea utilizada por personas que no son científicos de datos, así como científicos de datos, para crear conocimientos comerciales y tomar mejores decisiones de forma continua. Ese tipo de oportunidad es ilimitada en este momento, así que estamos realmente enfocados en hacerlo.

VentureBeat: DataRobot acaba de lanzar una actualización de la versión 7.0 para la plataforma. ¿Cuáles son los aspectos más destacados?

Daniel Wright: Tenemos mejoras en cada uno de nuestros productos dentro de la plataforma. Podemos monitorear y administrar todos sus modelos, independientemente de dónde vivan. Pueden estar completamente fuera de DataRobot y aún proporcionar alertas si hay algún tipo de precisión o desviación del modelo. Otra cosa es la detección de anomalías. Una cosa que sucedió en el pasado es que un modelo se descartaba cuando había algún tipo de dato anómalo. Ahora podemos decirles que se trata de una anomalía y preguntarles si deberían ignorarse. De esa manera no se deshace de sus modelos.

La otra cosa que hemos hecho es que hemos creado lo que llamamos nuestro creador de aplicaciones, lo que nos facilita mucho la creación de aplicaciones sobre la plataforma para diferentes casos de uso. Vamos a crear un ecosistema de estas aplicaciones impulsadas por IA. Luego hubo algunas características adicionales en torno a la detección de sesgos y equidad. Nuestra filosofía es que debemos alertarle si hay algún tipo de sesgo o problemas de equidad con respecto a su modelo, y luego permitirle configurar el modelo como lo considere adecuado en función de su propia ética y sus propios valores.

VentureBeat: la mayoría de los modelos de IA requieren mucho esfuerzo manual para construir y mantener. ¿Estamos a punto de ir más allá de eso? ¿Estamos ante la industrialización de la IA?

Wright Creo que eso es perfecto. Hemos visto mucho de lo que yo llamo IA experimental, donde la gente usa soluciones puntuales inconexas y herramientas de código abierto. Ha sido un poco una caja negra. Esos días se acabaron. Ahora se trata de la industrialización de la IA utilizando un sistema de extremo a extremo desde la preparación de datos hasta el monitoreo y la gestión de todos sus modelos en producción. Es inteligencia de decisiones en torno a casos de uso específicos. Creo que realmente vamos a ver que la IA despega y se vuelve real, incluso para las personas que pueden haber fallado en el pasado.

VentureBeat: ¿Cuánta experiencia en ciencia de datos se requerirá en última instancia? ¿Las organizaciones necesitan un científico de datos?

Wright La idea general con DataRobot es automatizar muchas de las cosas que los científicos de datos habían hecho previamente de forma manual. No es necesario ser un científico de datos muy capacitado para crear valor con la inteligencia artificial para generar conocimientos. Un analista de negocios, ingenieros y ejecutivos pueden hacer que los modelos entren en producción y luego monitorear y administrar todos esos modelos. Es realmente importante que incorpore las mejores prácticas de ciencia de datos en la plataforma y que todo se pueda explicar por completo con confianza y gobernanza. Es democratizar la IA, pero con barreras para asegurarse de que la gente no se meta en problemas.

VentureBeat: ¿Qué impacto tuvo la recesión económica provocada por la pandemia de COVID-19 en la adopción de la IA?

Wright Creo que había un par de formas. Una es porque ha habido tanta volatilidad que un ser humano no puede asimilar todos estos datos cuando están cambiando tan rápidamente. Necesita inteligencia artificial para comprender realmente lo que está sucediendo en el futuro. Si usted es un gran minorista que está tratando de determinar cuántos frascos de mantequilla de maní se necesitan en una tienda en particular, eso es increíblemente complejo cuando interviene en la pandemia y, de repente, las tiendas abren y luego cierran.

La otra cosa que realmente vimos con la pandemia fue que ya se estaban utilizando modelos de IA en producción. La gente se despertó y se dio cuenta de que no tenía idea de lo que estaba pasando con esos modelos. No tenían visibilidad de ellos. Todo lo que sabían es que era muy probable que fueran inexactos porque todos los datos habían cambiado por completo. Hemos visto una adopción realmente amplia de nuestras operaciones de aprendizaje automático (MLOps), que es la parte de nuestra plataforma que le permite monitorear y administrar todos sus diferentes modelos, incluido un modelo creado manualmente con Python o cualquier tipo de código abierto. herramienta. Si hay algún tipo de desviación, puede ejecutar modelos de desafío en segundo plano. Ya no es aceptable decir simplemente que voy a tener un modelo en producción y regresaré en seis meses para ver si todavía es exacto. Debe administrarlo en tiempo real y actualizarlo a medida que cambian los datos.

VentureBeat; ¿MLOps eventualmente se convertirá en un elemento de las operaciones de TI existentes?

Wright Lo que realmente estamos empezando a ver es un sistema de extremo a extremo. No creo que se trate tanto de MLOps en el futuro, creo que se tratará de monitorear todo el ciclo de vida de un modelo y actualizarlo continuamente a medida que cambian los datos. Lo que hace que lo que hacemos sea realmente poderoso es que no solo tenemos MLOps. Tenemos MLOps para todos sus modelos, pero lo más importante es que lo combinamos con el aprendizaje automático automatizado. Constantemente ejecutamos modelos de desafío en segundo plano y actualizamos los modelos a medida que los datos cambian para hacer un aprendizaje continuo. Eso es lo que verás en el futuro. No se trata de trabajar durante seis meses para poner un modelo en producción.

VentureBeat: Parece que MLOps toma prestados conceptos en los que originalmente fueron pioneros los profesionales de DevOps. ¿Cuál va a ser la relación?

Wright Creo que es similar pero más poderoso. La plataforma automatiza muchas de las cosas que antes se hacían manualmente.

VentureBeat: la mayoría de los modelos de IA dependen de la calidad de los datos y, sin embargo, la calidad de los datos en la empresa suele ser sospechosa. ¿Hay alguna forma de abordar ese problema fundamental?

Wright Debe poder automatizar el proceso para etiquetar y limpiar sus datos para aplicar el aprendizaje automático en primer lugar. Adquirimos Paxata en diciembre de 2019, que era una empresa enfocada en la preparación de datos. Ahora lo hemos integrado en nuestra plataforma. La otra cosa que es realmente importante es poder tomar los datos desde donde residan. Una cosa en la que nos hemos centrado realmente es en poder conectarnos a cualquier fuente de datos, ya sea guardada localmente o en cualquier nube. Tenemos una gran asociación con Snowflake, que realizó su primera inversión estratégica en DataRobot. Ese es un gran problema para muchas empresas. Muchas empresas probaron anteriormente la IA, pero nunca pasaron del paso de la preparación de datos. Realmente lo estamos resolviendo automatizando gran parte del proceso relacionado con la preparación de datos.

VentureBeat: la mayoría de los entrenamientos de IA se realizan actualmente en la nube. ¿El entrenamiento de modelos de IA pronto se trasladará hasta las plataformas de computación de borde?

Wright Ya lo estamos viendo y está abriendo nuevas posibilidades. La otra cosa que estamos viendo es que la IA se está utilizando ahora en diferentes tipos de fuentes de datos que nunca antes eran posibles. Ahora tenemos la capacidad de tomar no solo datos de texto, sino también datos de imágenes, datos geoespaciales y muchos otros tipos de datos. Puede combinarlos todos en un modelo y generar predicciones e inteligencia de decisiones. Los humanos tenemos todos estos sentidos diferentes. Ahora, la IA tendrá todos esos sentidos diferentes, y la ventaja es definitivamente una dirección en la que se está moviendo esta tecnología.

VentureBeat: ¿Alguna vez los algoritmos se volverán lo suficientemente inteligentes como para decirnos no la respuesta a una pregunta, sino también las preguntas correctas que debemos hacer?

Wright Lo que vemos es que quieres que la IA se vuelva lo más inteligente posible. Eso requiere que tenga la mayor cantidad de datos posible y que esté mejorando continuamente sus algoritmos. Pero no se tratará solo de inteligencia artificial o inteligencia artificial. Es esta combinación de inteligencia humana con inteligencia de máquina. Eso es lo que creará oportunidades asombrosas en todas las industrias en el futuro. Siempre habrá un humano al tanto. No creo que la IA pueda ser demasiado inteligente siempre que tengas a ese humano al tanto.

VentureBeat: ¿Es posible que algún día los modelos de IA creados con propósitos contradictorios en última instancia se anulen entre sí?

Wright Responderé a esa pregunta de varias formas. Estamos viendo una especie de prisa por adoptar esta tecnología. Mucha gente se ha referido a esto como una cuarta revolución industrial, pero siempre habrá una ventaja de ser el primero en moverse. Con la IA, eso es aún mayor debido al ciclo de retroalimentación que obtiene con los algoritmos que mejoran cada vez más. Los líderes en lo que respecta a la IA serán los grandes ganadores durante la próxima década, y es posible que los perdedores nunca se pongan al día. Existe un gran sentido de urgencia para adoptar la tecnología. Pero es poco probable que la gente lo adopte exactamente al mismo ritmo, pero digamos por el bien de la discusión que lo hacen. Terminarás obteniendo un mercado mucho más eficiente.

VentureBeat: ¿Cuál es su mejor consejo de IA para las organizaciones en este momento?

Wright Muy pocas empresas se preguntan realmente lo que debería ser una pregunta obvia. ¿Qué valor ofrece realmente mi IA? Mucha gente tiene grandes presupuestos y ha gastado decenas de millones de dólares durante años con algunos de los proveedores heredados en el espacio. No obtienen ningún valor, y ni siquiera están buscando para ver si obtienen algún valor. Eso ya no es aceptable. Necesita saber en tiempo real cuál es el valor que obtiene de todos los modelos en producción y dónde hay oportunidades para generar más valor. Esta es una carrera, y quien sea capaz de obtener valor más rápido probablemente gane en el mercado. La otra cosa que ha pasado un poco por debajo del radar es esta idea de confianza. No es suficiente usar herramientas de código abierto o un montón de soluciones inconexas para intentar experimentar con IA. De hecho, necesita un sistema que tenga confianza incorporada en la base misma para que no sea una caja negra.

Coinsmart. Mejor Bitcoin-Börse en Europa
Fuente: https://dataconomy.com/2021/03/datarobot-ceo-calls-new-era-democratization-ai/