Small Data e IA

Alejarse del Big Data

Los datos y el análisis de datos en forma de inteligencia artificial son los principales facilitadores de la transición de las empresas hacia la fabricación inteligente. Sin embargo, a medida que los fabricantes empiezan a integrar soluciones de IA en sus líneas de producción, la escasez de datos se ha convertido en un impedimento importante. Pensemos, por ejemplo, en un fabricante de piezas de automóvil que haya tenido sólo cinco o seis defectos por millón de piezas. Para los sistemas analíticos tradicionales, no hay suficientes ejemplos de defectos, es decir, el conjunto de datos no es lo suficientemente grande como para entrenar adecuadamente a una máquina de inspección visual para detectar futuros defectos cuando surjan.

Afortunadamente, los recientes avances en los sistemas de IA han hecho viable el trabajo con conjuntos de datos más pequeños, hasta el punto de que la empresa de investigación y consultoría tecnológica Gartner predice que, para 2025, "el 70% de las organizaciones cambiarán su enfoque de los datos grandes a los pequeños y amplios, lo que proporcionará más contexto para la analítica y hará que la inteligencia artificial (IA) esté menos ávida de datos." *

Las siguientes técnicas son representativas de los enfoques que están adoptando las soluciones modernas de IA para trabajar con conjuntos de datos más pequeños:

• Aprendizaje por transferencia: permite a la IA aprender de una tarea relacionada en la que hay muchos datos, aplicando ese aprendizaje a una tarea con datos limitados. Por ejemplo, la máquina se expone a miles de imágenes de arañazos recogidas de diversas fuentes. A continuación, transfiere ese conocimiento para identificar un arañazo en un producto que aún no se ha visto.
• Generación artificial de datos - Este enfoque maximiza la información que puede extraerse de una pequeña cantidad de datos modificando "artificialmente" los datos existentes o examinándolos de diferentes maneras.
• Aprendizaje de pocos datos - Este enfoque alimenta un modelo de aprendizaje con una pequeña cantidad de datos, y se basa en el concepto de que se puede crear un algoritmo fiable para hacer predicciones fiables a partir de conjuntos de datos mínimos.

Los fabricantes reticentes a adoptar la IA para aumentar la eficiencia de sus operaciones deberían considerar los recientes avances de estas potentes tecnologías. La evolución de la IA, sobre todo en lo que respecta al trabajo con conjuntos de datos más pequeños, ha aumentado significativamente su valor y accesibilidad, incluso para los fabricantes pequeños y medianos.

Mientras su empresa busca la innovación en IA y otras tecnologías para seguir siendo competitiva y crecer, Washington Trust está aquí para ayudarle a desarrollar los recursos que necesita para tener éxito.