Así como las personas aprendemos a partir de la experiencia, las máquinas y algoritmos lo hacen con la ayuda de datos. Y aunque cuesta saber qué sucederá a futuro, por ahora, el entrenamiento de los algoritmos requiere supevisión humana.
Martín Malievac, director de Investigación y Desarrollo de Napse, realiza un paralelismo con el ajedrez: "El algoritmo necesita contar con suficientes partidas jugadas en el pasado para aprender cada movimiento. Luego, el entrenador valora ese aprendizaje en función del porcentaje de eficiencia de las respuestas que arroja el algoritmo", apunta.
Para Sergio Richter, ejecutivo de Baufest, la relevancia de un entrenador de algoritmos en una organización radica en su capacidad para garantizar que los modelos de aprendizaje automático se desarrollen de manera responsable y ética.
"Los modelos de IA pueden tener un impacto significativo en las personas y decisiones que toman, por lo que es esencial que sean precisos, justos y transparentes", indica a iProUP.
Los entrenadores de algoritmos ayudan a garantizar que los modelos se desarrollen de modo responsable, se implementen de manera justa y equitativa, y que se tenga en cuenta la privacidad y la seguridad de los datos en todo momento.
Por su parte, Lautaro González, Data Science Manager en Anheuser-Busch InBev, considera: "El entendimiento del problema y análisis de los datos es crucial. Si los algoritmos no agregan el mayor valor posible a la organización, no se utilizarán o no se explotará todo su potencial".
González detalla: "El entrenamiento del algoritmo es el proceso científico por el cual, con modelos y procedimientos matemáticos, se utilizan datos de entrada y se generan los de salida. Este procedimiento, al basarse en datos y bajo un procedimiento científico, garantiza objetividad y eficiencia en el resultado".
En sintonía, Maximiliano González Costa, CMO Despegar, sostiene: "Contar con gran cantidad de datos bien estructurados permitirá que genere un output de calidad".
En general, el proceso de entrenamiento de un algoritmo implica:
Carolina Mano, co-founder y CEO de iMetriq, aclara que "el proceso varía significativamente dependiendo del tipo de algoritmo. El de un algoritmo basado en imágenes es diferente al de otro que se enfoca en el lenguaje natural o que interactúa con humanos", añade.
Sin embargo, una característica que comparten muchos algoritmos es que su capacidad para aprender y mejorar se basa en la experiencia y en la cantidad y calidad de los datos utilizados para entrenarlos. Es decir, a medida que un algoritmo recibe más información y experiencias, mejora su capacidad para predecir y tomar decisiones precisas y confiables.
José Luis Petracca, CEO de NWA, agrega que el proceso de entrenamiento y ajuste de un modelo de aprendizaje automático es iterativo, "lo que significa que el entrenador de algoritmos puede repetir varios pasos para mejorar el rendimiento del modelo".
Guillermo Rodríguez, ejecutivo de adCuality, entrena los algoritmos de la plataforma de monitoreo de publicidad online. Según comenta a iProUP, "un entrenador tiene que conocer perfectamente la entrada de datos que recibe el algoritmo, cómo adecuarla para que pueda funcionar y cómo interpretar la salida para dar una respuesta a quien solicitó el requerimiento".
"El proceso es arduo pero desafiante; primero, se obtienen los datos y se analizan con diferentes técnicas estadísticas. Se limpian los que podrían ocasionar ruido y luego se transforman para que el algoritmo pueda interpretar la entrada y desempeñarse", destaca.
Según el ejecutivo de Despegar, los algoritmos son muy útiles para realizar predicciones o clasificaciones de distinto tipo a gran escala. "Permiten a las organizaciones realizar estas tareas con un grado de precisión que de otra forma sería imposible, ya que encuentran relaciones entre los datos y variables que se intentan predecir que no son obvias", remarca.
En Despegar, por ejemplo, utilizan estos modelos en distintas áreas:
Para entrenar a los algoritmos, es fundamental que quien realice este trabajo tenga conocimientos sólidos sobre la industria en la que se aplica el mismo.
Carolina Mano, co-founder y CEO de iMetriq, indica: "Trabajamos en el proyecto de una app de salud mental en el que colaboramos con psicólogos apasionados por la tecnología. Además de entrenar el algoritmo, también estos perfiles se encargaron de validar las respuestas arrojadas y evaluar el sistema en conjunto".
"Si se diseña un algoritmo de inteligencia artificial para definir la fórmula de un perfume, es importante que el entrenador tenga conocimiento sobre los distintos aromas e ingredientes para poder valorar el resultado que arroja la tecnología", agrega Malievac.
En esa línea, I Lan Huang, Research consultant of Artificial Intelligence de Erks virtual Studio, plantea que estas herramientas son transversales a todas las disciplinas del ser humano y, por lo tanto, "los conocimientos requeridos se relacionan más con el proyecto o producto final que con la herramienta en sí misma".
Es preferible (pero no estrictamente necesario) que el entrenador interprete lenguaje de programación, aunque cada día aparecen más interfaces que facilitan el uso de estas herramientas sin tener que programar. Evelin Palacios, Head of IT Projects de Evoltis, enumera una serie de conocimientos necesarios:
Fredi Vivas, CEO de RockingData y especialista en inteligencia artificial, le cuenta a iProUP que "además de tener conocimiento sobre programación en lenguajes como Python, es muy importante que esta persona tenga una gran capacidad para resolver problemas complejos".
"Esto quiere decir que debe aplicar la lógica, investigar y diseñar soluciones para mejorar la eficiencia de los algoritmos. Debe tener conocimientos del negocio para realizar propuestas acordes a las necesidades específicas de cada organización e industria", agrega Vivas, autor del libro "Cómo piensan las máquinas?.
Las proyecciones indican que estos números irán en aumento, pero en la actualidad, según el vocero de adCuality en Argentina, se llega a pagar entre u$s1.000 y u$s1.500.
Santiago Braña, CEO Erks virtual Studio, aclara que hay disparidad entre lo local y lo que se paga afuera: "En el mercado local los salarios comienzan en $450.000; afuera, en u$s1.200". Según la ejecutiva de iMetriq, si está orientado a Estados Unidos, se abona entre u$s40y u$s60 por hora trabajada.
Por último, Petracca comparte que los sueldos de un modelizador semisenior comienzan en $350.000 en Argentina. En el exterior, parten de los u$s3.000.