RE•WORK White Paper: Los Desafíos, Éxitos, Progreso y Fracasos del Procesamiento en IA

RE-WORK es un líder en eventos de IA y Deep Learning, organizando cumbres y talleres en todo el mundo. Los eventos cubren temas relacionados con Deep Learning, Machine Learning, IA en varios sectores, Visión por Computadora, Vehículos Autónomos, IA Responsable y más. Reúnen a líderes de la industria y la academia.

En el último informe técnico de RE•WORK, titulado ‘Los Desafíos, Éxitos, Progreso y Fracasos del Procesamiento en IA’, participaron contribuyentes como Purdue University, Ryerson University, GSI Technology (GSIT ), COTA Inc., Omdena, y más.

El informe técnico se divide en seis capítulos:

• Capítulo 1: Limitaciones de datos en aplicaciones comunes de la industria y sin fines de lucro

• Capítulo 2: Convergencia de ElasticSearch, ANN y Computación en Memoria

• Capítulo 3: Limitaciones y Ventajas de la Disponibilidad de Datos

• Capítulo 4: Barreras en el Camino de ML y AL

• Capítulo 5: Limitaciones del Procesamiento en IA Empresarial – ¿Es GPT-3 la Solución Definitiva?

• Capítulo 6: Todo en Redes Inalámbricas 6G

El primer capítulo del informe cubre los desafíos de datos más comunes que enfrentan las organizaciones privadas y sin fines de lucro. También detalla las limitaciones comunes relacionadas con la disponibilidad y el costo, la privacidad y la ética, y los datos. Este capítulo se basa en tres estudios de caso específicos para demostrar las limitaciones de los datos en texto, video y datos geográficos, incluyendo ‘Abordar la vulnerabilidad con NLP’, ‘Visión por Computadora para Respuesta a Emergencias’ y ‘Aplicaciones de Visión por Computadora para Conducción Autónoma’.

El Capítulo 1 fue escrito por Rosano de Oliveira Gomez, Ingeniero de Aprendizaje Automático Líder de Omdena; Harini Suresh, investigadora de PhD en MIT; y Erim Afzal, ingeniero de ML en Omdena.

El segundo capítulo se centra en el uso de aproximación de vecino más cercano (ANN) con aceleración de procesamiento en memoria, que proporciona respuestas en tiempo real de las operaciones de búsqueda elástica. Elasticsearch, que originalmente era un motor de búsqueda de texto, ahora puede incluir en las bases de datos documentos como imágenes, arquitectura de red, documentos de texto y recibos de productos. El capítulo también cubre nuevas tecnologías en el mercado como la Unidad de Procesamiento Asociativo (APU).

El Capítulo 2 fue escrito por Mark Wright, director de marketing en GSI Technology.

El tercer capítulo cubre las limitaciones y ventajas de la disponibilidad de datos. Comienza explicando qué es la disponibilidad de datos y qué no es, seguido de sus limitaciones como la compatibilidad de datos, fallas de almacenamiento, fallas de servidor/red, costo y mala calidad de los datos. El capítulo termina presentando soluciones como una tubería de procesamiento de datos de alto rendimiento y la nube híbrida.

El Capítulo 3 fue escrito por Adebunmi Odefunso, ingeniero de software y practicante de ML en Purdue University.

El cuarto capítulo cubre los obstáculos en ML y AL, centrándose en algoritmos y modelos problemáticos como los sistemas de reconocimiento facial, que han demostrado altas tasas de error y sesgo. Explica cómo mitigar el sesgo y aumentar la interpretación y por qué el conjunto de datos debe ser grande y diverso. Se cubren varios otros aspectos de los datos, como la consistencia y precisión de las fuentes de datos.

El Capítulo 4 fue escrito por Shivam Mathura, Director de Estrategia en COTA Inc.

El quinto capítulo utiliza el último modelo de IA GPT-3 para explorar las limitaciones y el potencial de la IA en la empresa. El objetivo del capítulo es reconocer que ‘las limitaciones de hoy son los éxitos de mañana’ y la necesidad de continuar experimentando.

El Capítulo 5 fue escrito por Shaina Raza, candidata a PhD en Ciencias de la Computación en Ryerson University.

El sexto capítulo cubre las redes inalámbricas de comunicación 6G emergentes y cómo requerirán IA, aprendizaje automático y más. Explica cómo estos sistemas permitirán una capacidad y acceso a la red sin precedentes. Algunos de los otros temas del capítulo incluyen: Redes Inalámbricas de Próxima Generación con IA y SDN, Motivación del Desafío de Colaboración de Espectro de DARPA e Implementación de Algoritmos de Radio Inteligentes.

El Capítulo 6 fue escrito por múltiples autores, incluyendo a Kemal Akkaya, Arjuna Madanayake, Udara De Silva, y Sravan Pulipati de la Universidad Internacional de la Florida; Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia, y Tommaso Melodia de la Universidad Northeastern; Soumyajit Mandal y John Shea de la Universidad de la Florida; Aditya Dhananjay de Pi Radio; y Jay Dawani y Vassil Dimitrov de Lemurian Labs.