Conclusión

El papel central de los datos y su comprensión

A lo largo de este libro, los datos han aparecido como el factor determinante en cualquier proceso de ciencia de datos, destacando la identificación de las características relevantes como requisito previo esencial para el éxito del modelado. Cuando los resultados no cumplen con las expectativas, es evidente que no se han identificado todas las variables explicativas. En algunos fenómenos, esto resulta simplemente imposible porque están sujetos a demasiados factores.

Tomemos el ejemplo de la predicción del tiempo que se pasa en un museo. Identificar con precisión esta duración para cada persona requeriría una enorme cantidad de información con el fin de predecir mejor la realidad. En la práctica, esto es del todo imposible.

Aquí, nos acercamos a los problemas de los sistemas caóticos, donde un pequeño cambio en uno de los parámetros puede conducir a resultados completamente diferentes e inesperados.

Por lo tanto, un buen conocimiento de la teoría será un valioso consejero y evitará que perdamos el tiempo desarrollando modelos que no podrían tener éxito. Sin embargo, no se debe ignorar la rápida evolución de las técnicas.

Evoluciones que lo transforman y aceleran todo

Actualmente, nos encontramos en una fase de aceleración de la inteligencia artificial en la que incluso los profesionales más avezados del sector se sorprenden al constatar la irrupción de técnicas que hace tan solo unos años habrían parecido inimaginables, lo que pone en entredicho ciertas certezas y cambia profundamente el panorama de la ciencia de datos.

Estas evoluciones se pueden agrupar en torno a los tres temas siguientes:

1. La evolución de los equipos tecnológicos

El desarrollo de equipos tecnológicos está en el centro de las evoluciones y su aceleración. Al ofrecer cada vez más potencia, hace posible la aparición de nuevos modelos, a veces revolucionarios.

Las capacidades de potencia de cálculo se basan principalmente en dos pilares: la GPU (Graphic Processing Unit) y la TPU (Tensor Processing Unit).

Originalmente diseñadas para la representación de gráficos, las GPU han demostrado ser versátiles para una variedad de aplicaciones, incluido el aprendizaje automático, gracias a su capacidad para realizar cálculos paralelos de manera eficiente.
Las TPU, por otro lado, fueron creadas específicamente por Google para acelerar los cálculos de redes neuronales, lo que facilita el entrenamiento y la implementación de modelos de IA a escala.

Paralelamente a estos avances en la potencia de cálculo, están surgiendo nuevas tecnologías prometedoras, como el ordenador cuántico. Este nuevo tipo de ordenador ofrece una capacidad de procesamiento sin precedentes y podría resolver problemas complejos inaccesibles para las arquitecturas convencionales, lo que aceleraría aún más el desarrollo de la IA.

2. La mejora de los modelos

Los modelos algorítmicos son los principales beneficiarios de estos avances. El aumento de la potencia de cálculo permite:

El desarrollo de modelos multimodales que combinan diferentes tipos de datos (texto, imágenes, sonido) y que permiten enriquecer los contenidos creados, lo que refuerza las capacidades creativas.
La aparición de modelos generativos de tipo GAN (Generative Adversarial Networks), que serán capaces de ofrecer contenidos creativos cada vez más sofisticados o de generar datos sintéticos, lo que favorecerá el entrenamiento de otros modelos.
La automatización de procesos como el aprendizaje autosupervisado o el aprendizaje por refuerzo facilitará aún más el entrenamiento, al hacer que los sistemas sean casi autónomos.
Los LLM (Large Language Model), como ChatGPT, son la manifestación más visible para el público en general de todas las evoluciones mencionadas anteriormente. Hoy en día pueden entender y generar texto de una manera casi humana.

3. La difusión al público en general y la integración gradual de los desafíos

Con su difusión al público en general, la IA ha experimentado una nueva fase en su evolución. Al adoptarla, los individuos se han dado cuenta de las nuevas oportunidades que ofrece esta tecnología, pero también de las preguntas, incluso...

Importancia de la teoría e invitación a la exploración

Más allá de las consideraciones sociales y filosóficas, sobre las que tenemos poca influencia, es importante entender cómo funciona esta nueva tecnología para comprenderla y controlarla mejor, en lugar de sufrirla. Si concebimos nuestro conocimiento teórico como una brújula en este mundo digital en constante cambio, la abordaremos de manera positiva como una invitación a la exploración, que fortalecerá nuestro conocimiento del mundo.

Embarquémonos en este viaje de exploración y descubrimiento en compañía de Python. Con él, no solo tenemos una solución completa para extraer, limpiar, visualizar y analizar nuestros datos y entender de esta manera los problemas, sino también para diseñar modelos predictivos y automatizar tareas complejas, allanando así el camino para una toma de decisiones más informada y pertinente.