Cuantificación del aprendizaje continuo de la IA – Quertle

Por Jeffrey Saffer, Ph.D., CEO y cofundador de Quertle
15 abril 2020

Recientemente, uno de nuestros usuarios de Qinsight me comentó que cuando comenzó a usar la aplicación hace unos años, era mucho más poderosa que cualquier otra herramienta de descubrimiento de literatura que hubiera usado antes. Después de un breve período de tiempo, quedó impresionado por la forma en que las capacidades de Qinsight continuaron creciendo, amplificando aún más su poder de descubrimiento.

Que Qinsight siga mejorando es, por supuesto, un sello distintivo de una aplicación de inteligencia artificial de calidad. Tenemos mejoras continuas que, lo más importante, no se basan en las consultas de los usuarios o sus interacciones con nuestro sistema. Usamos métodos de capacitación separados de la aplicación en vivo para que los intereses de nuestros usuarios no influyan en los resultados. Esto no solo garantiza la protección de la propiedad intelectual de nuestros usuarios, sino que también evita la introducción de un sesgo en cascada de disponibilidad (ver este papel).

Además del crecimiento continuo de la inteligencia artificial (IA) de Qinsight, de vez en cuando también iniciamos actividades de capacitación específicas para ayudar a los clientes en áreas especializadas como parte de nuestro compromiso de ser un socio para nuestros usuarios y es otra forma en que mantenemos a Qinsight en la vanguardia del descubrimiento de la literatura.

Por supuesto, todo esto suena (y es) genial, pero la conversación con el cliente me hizo pensar: ¿podemos cuantificar cuánto más inteligente se ha vuelto Qinsight?

Dada la naturaleza de la IA, esta no es una pregunta fácil de responder, pero como sustituto, tenemos datos históricos y podemos cuantificar el crecimiento de la comprensión de Qinsight de los conceptos y sus relaciones, una medida indirecta del poder de descubrimiento. Desde el primer lanzamiento de Qinsight hace unos tres años, su amplitud conceptual ha crecido de 28.000 a más de 344.000, una aumento de 12 veces! En ese mismo tiempo, la comprensión de Qinsight de complejidad conceptual ha crecido de 3.900 a más de 71.000, un aumento de 18 veces! Este notable crecimiento se suma al aprendizaje algorítmico y los efectos combinados de este resultado en la capacidad de encontrar varios miles de millones información clave de la literatura.

Por separado, sabemos cuánta RAM de la computadora se ha requerido para ejecutar Qinsight. Desde nuestra primera implementación hasta ahora, los requisitos de RAM se han multiplicado por 16. Si bien esta es una medida más subjetiva, ya que refleja nuestras decisiones de aumentar la memoria RAM para mantener el rendimiento, el cambio es notablemente consistente con las medidas cuantitativas anteriores.

Por experiencia y por los números, creo que es una afirmación segura que muchas otras herramientas de búsqueda de literatura se han mantenido relativamente estancadas: ¡algunas todavía usan métodos de palabras clave subyacentes que tienen más de 50 años! Por el contrario, el crecimiento de Qinsight en tantas áreas cuantificables muestra que seguirá siendo líder en la industria. No se trata solo de encontrar los documentos correctos, un comienzo necesario, sino también de métodos avanzados que ayudan a los usuarios a explorar esos resultados de manera efectiva, como el descubrimiento de conceptos clave basado en IA y el análisis visual predictivo. Entonces, si su herramienta de descubrimiento de literatura no ha crecido en poder a pasos agigantados, ¿qué se está perdiendo? ¿Puede darse el lujo de perderse lo que su competencia está encontrando con Qinsight?

¿Que te ha parecido?

Deja un comentario