Estamos recopilando declaraciones de problemas de inteligencia artificial para obtener soluciones de fuentes múltiples para científicos de datos.

A medida que la tecnología penetra en todas las facetas de la vida y continúa creciendo exponencialmente, el potencial de solución se vuelve enorme. Al mismo tiempo, estamos en un mundo donde miles de millones de personas viven en la pobreza y millones están al borde de la hambruna. Para apoyar a una población en constante crecimiento, no debemos dejar piedra sobre piedra en la búsqueda de soluciones. La IA proporciona muchas soluciones potenciales a los mayores desafíos de la humanidad.

>
“Al” es un término vago, incluso confuso. Si escuchas la frase “inteligencia artificial”, tal vez te preguntes por qué no hay robots sensibles caminando por ahí, o por qué no todos están ya conduciendo sus propios autos. La realidad es que “AI” es sólo un término de marketing para un conjunto de herramientas estadísticas computacionales, o más simplemente, algoritmos.

>
Sin embargo, por muy versátil que sea la matemática, también lo es la IA. La IA está limitada (principalmente) por un par de cosas: datos y potencia computacional. Tanto los datos como la potencia computacional disponibles están creciendo exponencialmente, por lo que la IA se está volviendo cada vez más potente.

>
Con este aumento de datos y capacidad computacional, la IA se está utilizando en una amplia variedad de aplicaciones.

>
Por ejemplo, bitgrit (disclaimer: Soy CEO), recopila declaraciones de problemas de inteligencia artificial significativas para soluciones de fuentes colectivas para científicos de datos. Algunos de los problemas que se plantean son: salvar la vida de los animales, aumentar el rendimiento agrícola y acelerar la tramitación de las solicitudes de asistencia sanitaria.

>
Michael Suttles, director ejecutivo de Save All The Pets, explica cómo se pueden utilizar los datos y la IA para salvar a los animales de refugio:

“Estoy planeando usar la ciencia de datos para salvar la vida de los animales. Para resumir: Voy a recopilar datos sobre qué perros tienen más probabilidades de ser adoptados en qué lugares, y luego reubicar a los perros donde tengan más probabilidades de ser adoptados. Por ejemplo, si los Terriers son más propensos a ser adoptados en Dallas que en Houston, o si los perros más viejos son más propensos a ser adoptados en Chicago que en Raleigh, los trasladaremos allí”.

Más específicamente, modelos de IA como la PNL pueden ser usados para analizar la descripción de texto de un animal en un refugio, y las Redes Neurales Convolucionales pueden analizar imágenes de los animales y ayudar a determinar las probabilidades de que los animales sean matados o adoptados en diferentes refugios.las razas de perros son un mecanismo genético – no visual, por lo que no se puede saber con certeza lo que es la raza de un perro con sólo mirarlo. Por lo tanto, crear una red neuronal convolucional para predecir la raza de un perro es más difícil de lo que parece. Dado que hay literalmente cientos de razas de perros, y necesitamos datos para cada raza, necesitaremos decenas de miles de imágenes etiquetadas. Afortunadamente, a bitgrit se le dio tal conjunto de datos. Dimos a los usuarios aproximadamente 80.000 imágenes de perros, con sus razas pegadas como etiquetas. Aunque una CNN no sería estrictamente necesaria para clasificar las razas de perros, le recomendamos que empiece muy rápidamente. ¿Qué pasa con el aumento del rendimiento agrícola? Al igual que con el desafío de la raza de perro, el desafío agrícola es altamente complejo, por lo que no es como si un modelo preciso significara que tenemos una solución de extremo a extremo para el mundo real, sino que es un paso en la dirección correcta.
>

>
Suvrajit Saha, fundador de Klimazone, explica cómo se puede utilizar la IA en la agricultura:

“El primer paso para recopilar información sobre un cultivo específico es identificar el campo a partir de imágenes satelitales”.

En este problema, intentamos utilizar la IA para determinar los contornos de los campos agrícolas, dando inicio a los pasos previos para la agricultura de precisión. Para añadir alguna dificultad al reto (ya que la detección de contornos podría realizarse sin IA, por ejemplo, con filtros de detección de bordes), incluimos la detección de cultivos en la tarea, aunque aparentemente completamente diferente, la detección de cultivos y la detección de razas de perros son sorprendentemente similares. Así como los usuarios recibieron imágenes de perros con etiquetas de raza para el desafío canino, los usuarios recibirán imágenes de campo con etiquetas de cultivo para el desafío agrícola. Como antes, un método potencial sería usar una CNN, pero este desafío es mucho más complicado, ya que se verán las vistas aéreas de los satélites (y muchas menos de ellas), en lugar de las fotos de retratos. Como siempre, la verdad se encuentra en algún lugar en el medio – la IA es sólo una herramienta, y depende de nosotros usarla correctamente!