Iniciativas de IA para acelerar el desarrollo de organizaciones que quieran asegurar ventajas competitivas

Noticias de IBL | Nueva York

Las iniciativas de inteligencia artificial (IA) continúan acelerándose a medida que más organizaciones adoptan la transformación digital de sus operaciones centrales, firma de investigación dijo Gartner en su último informe,” Ciclo de bombo para la inteligencia artificial, 2021 “, y como se muestra en el gráfico a continuación.

Como resultado, las empresas comerciales seguirán explorando tecnologías emergentes para asegurar ventajas competitivas, como tokens no fungibles (NTF), nube soberana, tejido de datos, IA generativa y redes componibles.

“La innovación tecnológica es un habilitador clave de la diferenciación competitiva y es el catalizador para transformar muchas industrias. Las tecnologías de vanguardia aparecen continuamente, desafiando incluso a las organizaciones más innovadoras a mantenerse al día”, dijo Brian Burke, vicepresidente de investigación. en Gartner.

Hay cuatro tendencias que están impulsando la innovación de la IA a corto plazo, afirmó Gartner.

• IA responsable. “Las partes interesadas exigen una mayor confianza, transparencia, equidad y capacidad de auditoría de las tecnologías de inteligencia artificial”, según Svetlana Sicular, vicepresidenta de investigación de Gartner.

• Datos pequeños y amplios. “Para 2025, el 70% de las organizaciones se verán obligadas a cambiar su enfoque de datos grandes a pequeños y amplios, proporcionando más contexto para el análisis y haciendo que la IA tenga menos hambre de datos”, predice Gartner. </li >

• Operacionalización de plataformas de IA. “Solo la mitad de los proyectos de inteligencia artificial pasan del piloto a la producción, y los que lo hacen tardan un promedio de nueve meses en hacerlo”, dijo Sicular.

• Uso eficiente de recursos. “Dada la complejidad y escala de los datos, modelos y recursos informáticos involucrados en las implementaciones de IA, la innovación de IA requiere que dichos recursos se utilicen con la máxima eficiencia”, explica Gartner.

Por otro lado, O’Reilly anunció un evento virtual gratuito que cubrirá los últimos desarrollos, herramientas, mejores prácticas y problemas críticos para los datos y AI. Tendrá lugar de 10:00 a. M. A 1:30 p. M., Hora del Este, el jueves 14 de octubre.

Los temas de discusión incluirán la creación de prototipos y las canalizaciones para la implementación, DevOps e IA responsable y ética. Además, Tim O’Reilly, fundador y director ejecutivo de O’Reilly, pronunciará el discurso de clausura, “El futuro de los datos y la inteligencia artificial”.

Keynotes

• IA en el cuidado de la salud
  • Orador: Jeremy Howard, investigador fundador, fast.ai
• Cómo mantenerse al día con ML
  • Ponente: Aurélien Géron, autor de Aprendizaje automático práctico con Scikit-Learn, Keras y TensorFlow

Seguimiento de datos

• De prototipo a canalización: evolución de la exploración de datos al procesamiento de datos automatizado
  • Ponente: Sev Leonard, ingeniero de software sénior, Fletch
• Mírame aprender: consultar datos de la manera correcta
  • Ponente: Vinoo Ganesh, director de ingeniería empresarial de Ashler Capital, Citadel
• Mejore la calidad de los datos con un enfoque en la confiabilidad y la observabilidad de los datos
  • Ponente: Barr Moses, cofundador y director ejecutivo, Monte Carlo
• Entrene y haga predicciones con Amazon Redshift ML mediante SQL
  • Ponentes: Chris Fregly, promotor de desarrolladores para IA y aprendizaje automático, Amazon Web Services, y Antje Barth, promotor sénior de desarrolladores para IA y aprendizaje automático, Amazon Web Services

Seguimiento de IA

• Lo que aún falta en el movimiento de IA responsable
  • Ponente: Aileen Nielsen, Fellow en Derecho y Tecnología, ETH Zurich, y autora de Practical Time Series Analysis y Practical Fairness
• MLOps de cero a uno
  • Ponente: Noah Gift, profesor de UC Davis y Northwestern y autor de Practical MLOps: Operationalizing ML Models
• NeuralQA: una biblioteca utilizable para responder preguntas en grandes conjuntos de datos utilizando modelos basados ​​en BERT
  • Ponente: Victor Dibia, ingeniero de investigación en aprendizaje automático, Cloudera Fast Forward Labs
• Desmitificando el aprendizaje automático escalable con el ecosistema Spark
  • Ponente: Adi Polak, ingeniero y desarrollador de software sénior, Microsoft, y autor del próximo libro Machine Learning with Apache Spark

• Sitio de registro para O’Reilly Radar: datos y amp; AI