What AI gets wrong and what failure teaches us
En el último episodio del Microsoft Research Podcast, Jennifer Neville, gerente de investigación asociada en Microsoft y profesora de ciencias de la computación y estadísticas en Purdue, comparte su visión sobre las sorpresas y lecciones que ofrece la inteligencia artificial (IA) cuando no cumple con las expectativas. En conversación con Chad Atalla, científico aplicado principal, Neville explora cómo la evaluación constante puede empujar los límites del rendimiento de los sistemas de IA para satisfacer las necesidades de los usuarios.
Neville destaca que, a menudo, los modelos de IA fallan de manera inesperada cuando se prueban más allá de los puntos de referencia tradicionales. Estos «fracasos sorprendentes» revelan la importancia de examinar de cerca los datos, especialmente cuando los resultados desafían las expectativas. A través de su trayectoria, desde una carrera inesperada hasta la vanguardia de la interacción y el aprendizaje de la IA, Neville ofrece una guía práctica para trabajar con los sistemas de IA actuales y reflexiona sobre lo que décadas de progreso en IA le han enseñado sobre predecir el futuro del campo.
La conversación también aborda cómo los puntos de datos que entrenan a los sistemas de IA afectan su comportamiento y cómo esto se alinea con lo que los usuarios realmente desean. Con más de 130 publicaciones y más de 10,000 citas, Neville ha recibido numerosos reconocimientos, incluidos premios de la National Science Foundation y un lugar en la lista «10 to Watch» de IEEE en IA.
Este episodio plantea una pregunta más amplia: ¿qué podemos aprender cuando el camino, ya sea humano o artificial, no se desarrolla como esperábamos?
Fuente: https://www.microsoft.com/en-us/research/podcast/what-ai-gets-wrong-and-what-failure-teaches-us/