Cómo la ciencia de datos fría y dura aprovecha la inteligencia artificial por Wolfram Research

A veces es difícil separar la realidad de la tecnología de las exageraciones y los mensajes de marketing que bombardean nuestras bandejas de entrada todos los días. Por ejemplo, en los últimos cinco años, es posible que hayamos oído demasiado sobre el metaverso, la cadena de bloques y la realidad virtual. Actualmente estamos en medio de una indignación por el uso excesivo del término "inteligencia artificial", y el tiempo dirá si esta tormenta en particular será vista como un habitante de la taza de té.

Noticias de inteligencia artificial Especializado con Jon McCluneDirector de Estrategia y Comunicaciones Técnicas de una de las organizaciones más consolidadas en inteligencia computacional e innovación científica, wolfram investigación corp.nos ayuda a poner los conceptos actuales de IA y sus usos prácticos en un contexto más profundo.

Jon ha trabajado en Wolfram Research durante 32 años en diversos puestos y actualmente dirige el equipo de Servicios Técnicos Europeos. Como matemático de formación y experto en muchos aspectos del análisis de datos, primero le pedimos que describiera el trabajo de Wolfram en forma de discurso de ascensor.

"Nuestra propuesta de valor es que entendemos la informática y la tecnología Wolfram. Adaptamos nuestra tecnología a los problemas que enfrentan las organizaciones. Esto abarca una amplia gama de cosas. Por lo tanto, no tenemos un cliente típico. Lo que tienen en común es que Todos están haciendo algo innovador".

"Estamos resolviendo problemas, y es algo que utiliza la informática y la ciencia de datos. Estamos construyendo una plataforma informática unificada, y cuando hablamos de informática, nos referimos a la informática técnica, como la informática de ingeniería, la ciencia de datos y el aprendizaje automático. . Incluyendo el análisis de redes sociales, la ciencia biológica, la ciencia actuarial, los cálculos financieros, etc., estas son cosas fundamentalmente matemáticas”.

Regulaciones que ayudan o dificultan: el enfoque de Cloudflare

"Nuestro mundo son todos estos dominios estructurados, y hemos pasado 30 años construyendo diferentes ontologías. Tenemos representaciones simbólicas de las matemáticas, pero también tenemos gráficos y redes, documentos, videos, imágenes, audio, series de tiempo, entidades del mundo real. (como ciudades, ríos y montañas), etc. ¡Mi equipo está haciendo algunas cosas interesantes para que realmente sea útil!"

"Simplemente pensamos en la IA como otro tipo de computación. Se han desarrollado diferentes algoritmos a lo largo de los años, algunos hace cientos de años, algunas décadas. La generación de IA simplemente se suma a esa lista".

Las afirmaciones sobre la IA en 2024 a veces pueden ser demasiado optimistas, por lo que debemos ser realistas acerca de sus capacidades y considerar sus fortalezas y debilidades.

“Todavía hay inteligencia humana, sigue siendo un elemento estratégico. No se diría que en los próximos cinco años la IA dirigirá mi empresa y tomará decisiones. La IA generativa es muy fluida, pero su trabajo no es confiable. especiosoincorrecto. Especialmente si entiendes lo que hace Wolfram, esto es malo porque te dirá en qué consiste tu respuesta matemática. parece". (Noticias de inteligencia artificial' Cursiva. )

El trabajo de Wolfram Research en esta área se centra en lo que Jon llama "inteligencia artificial simbólica". Para diferenciar entre IA generativa y simbólica, nos ofrece una analogía con el modelado de la trayectoria de una pelota lanzada. La IA generativa aprenderá cómo viajó la pelota examinando miles de lanzamientos y luego podrá generar una descripción de la trayectoria. "La descripción es razonable. Este modelo es rico en datos pero pobre en comprensión".

AlphaProteo: Google DeepMind lanza un sistema de diseño de proteínas

Por otro lado, la representación simbólica de una pelota lanzada involucrará la ecuación diferencial del movimiento del proyectil y la representación de los elementos: masa, viscosidad atmosférica, fricción y muchos otros factores. "Entonces uno puede preguntarse: '¿Qué pasaría si lanzo una pelota a Marte?' Dirá algo exacto. No fallará".

La forma ideal de resolver problemas empresariales (o científicos, médicos o de ingeniería) es combinar la inteligencia humana, el razonamiento simbólico (tal como está plasmado en Wolfram Language) y lo que ahora llamamos inteligencia artificial que actúa como pegamento entre ellos. La Inteligencia Artificial es una gran tecnología que puede interpretar el significado y actuar como interfaz entre sus diversos componentes.

"Un cruce interesante es que tomamos el lenguaje natural y lo convertimos en información estructurada que puede usarse para computar. El lenguaje humano es muy confuso y vago, y la IA generativa es muy buena para mapearlo en alguna estructura. Una vez que estás en Un mundo estructurado con sintaxis formal, entonces puedes hacer cosas en él”.

Un ejemplo reciente de combinación de IA "tradicional" con el trabajo de Wolfram involucra registros médicos:

"Recientemente hicimos un proyecto en el que registramos informes médicos escritos a mano, impresos y digitalizados. Pero contenían palabras, y tratar de contarlas era imposible. Así que había que asignar todas esas palabras usando la parte de IA generativa a algo como: ¿Es esto? ¿Una muerte evitable? Sí. No, es un par clave-valor agradable y estructurado. Luego, una vez que obtengamos la información en una forma estructurada como un fragmento de JSON o XML, o cualquier estructura que elija, podemos hacer estadísticas clásicas. y empezar a decir: '¿Existe una tendencia? ¿Podemos proyectar? ¿Existe un impacto de COVID-19 en las lesiones hospitalarias?'

Durante nuestra entrevista, Jon también repasó brevemente una presentación que utilizaba el trabajo de su organización como ejemplo de una planta imaginaria de fabricación de tazas de mantequilla de maní. ¿Cuál podría ser el impacto de cambiar un ingrediente específico o alterar algún detalle de la fórmula, y qué impacto tendría dicho cambio en la vida útil del producto?

"El LLM (modelo de lenguaje grande) dirá: 'Oh, es posible que duren algunas semanas debido a la taza de mantequilla de maní generalmente Déjelo en el estante por algunas semanas. Pero si usas un modelo computacional que pueda conectar los ingredientes y hacer los cálculos, sabrás que esto debería durar ocho semanas antes de que desaparezca. ¿O qué impacto podría tener este cambio en el proceso de fabricación? Los modelos computacionales pueden conectarse a un gemelo digital de una planta de fabricación y comprender: "Esto será un 3% más lento, por lo que su productividad será un 20% menor porque creará un cuello de botella". aquí.'El LLM es muy bueno para conectarlo a usted y su problema con modelos, matemáticas, ciencia de datos o bases de datos. De hecho, se trata de una interesante colisión de ideas a tres bandas. "

Puede ver Wolfram Research en el próximo evento TechEx en Ámsterdam del 1 al 2 de octubre en el stand 166. Inteligencia artificial y cadena de Big Data. No podemos garantizar que se produzcan debates relacionados con la mantequilla de maní en el evento, pero descubra cómo se pueden aprovechar los poderosos modelos y la IA generativa para resolver sus problemas y dilemas específicos. Contacta con la empresa a través de su página web.

¿Quiere aprender más sobre inteligencia artificial y big data de la mano de los líderes de la industria? Controlar Expo Inteligencia Artificial y Big Data Celebrada en Amsterdam, California y Londres. El evento integral se lleva a cabo al mismo tiempo que otros eventos importantes, incluidos Conferencia de automatización inteligente, brockx, semana de transformación digitaly Expo Ciberseguridad y Nube.

Explore otros próximos eventos y seminarios web de tecnología empresarial impulsados ​​por TechForge aquí.

Etiqueta: Inteligencia artificial, Destacados, Reino Unido