Trabajos de inteligencia artificial en aumento
Stanford lanza su última compilación de estadísticas de IA, que refleja una industria que apenas comienza a dejar su huella en el mundo.
Los trabajos de IA están en alza, al igual que las capacidades de los sistemas de IA. La velocidad de los despliegues también ha aumentado exponencialmente. Ahora es posible entrenar un algoritmo de procesamiento de imágenes en aproximadamente un minuto, algo que tomó horas hace solo un par de años.
Estas son algunas de las métricas clave de la IA rastreadas en la última versión del Índice AI , una actualización anual de datos del Instituto de Inteligencia Artificial Centrada en los Humanos de la Universidad de Stanford publicado en asociación con el Instituto Global McKinsey. El índice rastrea el crecimiento de la IA en una variedad de métricas, desde documentos publicados hasta patentes otorgadas a números de empleo.
Estas son algunas medidas clave extraídas del índice de 290 páginas:
Asistencia a la conferencia de AI: una métrica importante es la asistencia a la conferencia, para empezar. Eso está muy arriba. La asistencia a conferencias AI continúa en el pliegue de manera significativa. En 2019, el más grande, NeurIPS , espera 13,500 asistentes, un 41% más que en 2018 y más de 800% en relación con 2012. Incluso conferencias como AAAI y CVPR están viendo un crecimiento anual de asistencia de alrededor del 30%.
Trabajos de AI: otra métrica clave es la cantidad de trabajos relacionados con AI que se abren. Esto también está en alza, muestra el índice. En cuanto a las publicaciones de Indeed entre 2015 y octubre de 2019, la proporción de empleos de IA en los EE. UU. Aumentó cinco veces desde 2010, con la fracción del total de empleos aumentando del 0.26% del total de empleos publicados al 1.32% en octubre de 2019. Si bien esto todavía es una pequeña fracción del total de trabajos, vale la pena mencionar que estos son solo puestos relacionados con la tecnología que trabajan directamente en el desarrollo de IA, y es probable que la IA mejore o reordena cada vez más trabajos.
Entre los puestos de tecnología de inteligencia artificial, la categoría principal son las ofertas de empleo que mencionan “aprendizaje automático” (58% de los trabajos de inteligencia artificial), seguidas de inteligencia artificial (24%), aprendizaje profundo (9%) y procesamiento del lenguaje natural (8%). El aprendizaje profundo es la categoría de trabajo de más rápido crecimiento, creciendo 12 veces entre 2015 y 2018. La inteligencia artificial creció cinco veces, el aprendizaje automático creció cinco veces, el aprendizaje automático cuatro veces y el procesamiento del lenguaje natural dos veces.
Capacidad de cómputo: la Ley de Moore ha entrado en hiperimpulso, muestra el Índice AI, con un progreso sustancial en el aumento de la capacidad informática requerida para ejecutar AI, muestra el índice. Antes de 2012, los resultados de AI rastrearon de cerca la Ley de Moore, con cómputo duplicado cada dos años. Después de 2012, el cómputo se ha duplicado cada 3.4 meses, un aumento neto alucinante de 300,000x. Por el contrario, el período de duplicación típico de dos años que caracterizó la ley de Moore anteriormente solo produciría un aumento de 7 veces, señalan los autores del índice.
Tiempo de entrenamiento: el tiempo que lleva entrenar algoritmos de IA se ha acelerado drásticamente: ahora puede suceder en casi 1/180 del tiempo que tardó solo dos años en entrenar un gran sistema de clasificación de imágenes en una infraestructura en la nube. Hace dos años, tardó tres horas en entrenar dicho sistema, pero en julio de 2019, ese tiempo se redujo a 88 segundos.
Traducción automática comercial: un indicador de dónde AI comienza a funcionar es la traducción automática, por ejemplo, del inglés al chino. La cantidad de sistemas disponibles comercialmente con modelos pre-entrenados y API públicas ha crecido rápidamente, señala el índice, de ocho en 2017 a más de 24 en 2019. Cada vez más, los sistemas de traducción automática ofrecen una gama completa de opciones de personalización: genéricos pre-entrenados modelos, adaptación automática de dominio para construir modelos y mejores motores con sus propios datos, y soporte de terminología personalizada “.
Visión por computadora: otro punto de referencia es la precisión del reconocimiento de imágenes. El índice rastreó la presentación de informes a través de ImageNet , un conjunto de datos públicos de más de 14 millones de imágenes creadas para abordar el problema de la escasez de datos de capacitación en el campo de la visión por computadora. En los últimos informes, la precisión del reconocimiento de imágenes por parte de los sistemas alcanzó aproximadamente el 85%, frente al 62% en 2013.
Procesamiento del lenguaje natural: los sistemas de IA vuelven cada vez más inteligentes, hasta el punto de que están superando la capacidad de respuesta humana de bajo nivel a través de procesamiento de lenguaje natural. Como resultado, también hay estándares más fuertes para las implementaciones de evaluación comparativa de inteligencia artificial. GLUE , el punto de referencia de evaluación de comprensión del lenguaje general, solo se lanzó en mayo de 2018, con la intención de medir el rendimiento de la inteligencia artificial para las capacidades de procesamiento de texto. El umbral para los sistemas enviados que cruzan el rendimiento humano no experto se cruzó en junio de 2019, señala el índice. De hecho, el rendimiento de los sistemas de inteligencia artificial ha sido tan dramático que los líderes de la industria tuvieron que lanzar un punto de referencia de nivel superior, SuperGLUE , “para que pudieran probar el rendimiento después de que algunos sistemas superaran el rendimiento humano en GLUE”.