¿Cómo evaluar el estatus académico de Andrew Ng?

En China, 500 personas mueren cada día en accidentes de tráfico. El día en que nuestra tecnología sin conductor se realice antes equivaldrá a salvar 500 vidas. Esta será una de las aplicaciones más importantes de la inteligencia artificial en los próximos diez años. Me gustaría decir unas palabras a los jóvenes aquí presentes. Estamos en un período único, un período donde la inteligencia artificial cambiará el mundo. Si sabes utilizar la inteligencia artificial, una decisión que tomes hoy puede cambiar el mundo en los próximos diez años. Sus esfuerzos podrían salvar decenas de miles o incluso millones de vidas. Quizás puedas cambiar toda la industria y ayudar a innumerables personas. ¡Por eso estoy tan entusiasmado con la inteligencia artificial! Si eres joven y estás pensando en tu futura carrera, espero que consideres la inteligencia artificial. La inteligencia artificial se está desarrollando muy rápidamente y quienes trabajamos en esta industria deberíamos seguir aprendiendo. Una vez más, me gustaría recordar a los jóvenes de aquí: todos los sábados pueden elegir entre ver series de televisión estadounidenses o estudiar. Si estudias, no podrás sobresalir rápidamente en el trabajo el lunes dos días después, y tu jefe no sabrá que pasaste todo el día estudiando, y mucho menos elogiarte. No encontrarás casi nada que demuestre que estás estudiando mucho. Pero quiero decirte: si trabajas tan duro cada fin de semana y perseveras, descubrirás que has progresado rápidamente. Creo que el aprendizaje es algo que casi no tiene retornos a corto plazo, pero a largo plazo los retornos son muy generosos. El siguiente artículo es una entrevista que le hizo el Huffington Post el año pasado, que cuenta la historia del crecimiento detrás de los científicos, los fracasos que experimentaron y las creencias que mantienen. La traducción fue publicada por primera vez en la columna de Zhihu "Teacher Dong in Silicon Valley". Por favor indíquelo al reenviar. Se puede decir que los mejores proyectos de informática se distribuyen en universidades como Carnegie Mellon, MIT, Universidad de California, Berkeley y Universidad de Stanford, y es de estos lugares donde el profesor Andrew Ng obtuvo su licenciatura, maestría y doctorado. y 12 años de experiencia docente. Aunque Andrew Ng tiene menos de 40 años, ya es una figura icónica en la industria de la inteligencia artificial. Ya en 2011, fundó Google Brain, un proyecto de investigación de aprendizaje profundo basado en la poderosa potencia informática y la abundante información de Google. Afortunadamente, uno de los logros clave del proyecto fue lograr que las computadoras identificaran gatos analizando docenas de capturas de pantalla de videos de YouTube (titular del New York Times: ¿Cuántas computadoras se necesitan para identificar correctamente a los gatos? 16.000). Como explica Andrew Ng: "Lo más destacable es que nuestro sistema descubrió el concepto de 'gato' por sí solo, aunque nadie le había dicho qué era 'gato'. Se puede decir que esto es un hito en el aprendizaje automático. " Ng irradiaba alegría pero mantuvo la calma, discutiendo felizmente los errores y fracasos de su carrera, así como los artículos que no podía leer. Lleva la misma camisa azul Oxford todos los días. Su esposa, Carol Reiley, trabaja en robots quirúrgicos, y él se sonroja, pero se siente muy orgulloso cuando sus colegas hablan de las fotos de compromiso con temas de robots de él y su esposa. A pesar de su popularidad como conferenciante, su voz suena muy suave cuando hablas con él cara a cara. En 2011, subió un vídeo de un curso de aprendizaje automático que impartía en Stanford en línea, y posteriormente más de 100.000 personas se registraron para el curso en línea. Al año siguiente, él y otros cofundaron Coursera, la plataforma de cursos abiertos en línea más grande del mundo hasta la fecha. Los socios de Coursera incluyen Princeton, Yale y las mejores universidades de China y Europa. Aunque Coursera es una empresa con fines de lucro, todos los cursos son gratuitos porque "cobrar por el contenido del curso en sí sería una tragedia", afirmó Ng. La primavera pasada, Ng anunció algo impactante: dejaría Google y Coursera, donde se había dedicado de todo corazón, para unirse a Baidu. En ese momento, el gigante tecnológico chino Baidu gastó 300 millones de dólares para construir un laboratorio centrado en la investigación de inteligencia artificial no lejos de la sede de Google en Silicon Valley. Ng dirigirá y gestionará el laboratorio. Como antes, Ng continuó intentando que las computadoras reconocieran archivos de audio e imágenes en tiempo real con alta precisión en Baidu. Ng Enda cree que la tecnología de reconocimiento de voz con una precisión de hasta el 99% traerá cambios revolucionarios en la forma en que las personas interactúan con las computadoras y en el diseño de futuros sistemas operativos.

Al mismo tiempo, frente a los millones de usuarios de Baidu que recién están comenzando a experimentar la vida digital, quiere ayudar a Baidu a brindar mejores servicios para estos usuarios. "En China, es posible que recibas una consulta completamente diferente a la de Estados Unidos", explicó Ng. "Por ejemplo, la consulta que recibimos puede ser: 'Hola Baidu, comí un plato de fideos en la tienda de la esquina la semana pasada'. Sabe muy bien, ¿crees que habrá alguna promoción en esa tienda este fin de semana?'" "Una consulta como ésta", añadió Ng, "creo que somos bastante buenos respondiéndola". Aunque Elon Musk (CEO de SpaceX y Tesla) y Steven Hawking han advertido que la tecnología avanzada de inteligencia artificial puede amenazar a la humanidad misma, Ng Enda no está de acuerdo: "No impediré que la inteligencia artificial se desarrolle en una dirección malvada, al igual que no voy a "Según Ng, todavía pasará bastante tiempo antes de que la inteligencia artificial alcance el nivel de autoconciencia. Pero al mismo tiempo, la inteligencia artificial ha provocado la aparición de problemas más difíciles: estos ordenadores basados ​​en el aprendizaje automático están sustituyendo muchas tareas manuales, y esta tendencia se está acelerando. Ng ha pedido a menudo a los responsables políticos que se preparen para las consecuencias socioeconómicas. Entrevistamos al Sr. Andrew Ng en Baidu Labs en Sunnyvale, California. Hablamos de un proyecto llamado Sophia, que consiste en recopilar experiencias de personas muy interesantes. Explica por qué cree que "seguir tu pasión" es un terrible consejo profesional y comparte su enfoque para enseñar creatividad. También analiza sus experiencias con el fracaso y algunos de sus grandes hábitos que han tenido el mayor impacto en sus libros y algunas de sus opiniones; Las fronteras de la inteligencia artificial. P: Recientemente dijiste: "Veo que la gente está aprendiendo a ser más creativa". Respuesta: La pregunta es, ¿cómo se pueden crear nuevas ideas? ¿Son las nuevas ideas el comportamiento impredecible de un genio (como Steve Jobs)? ¿O se pueden generar ideas innovadoras mediante la enseñanza sistemática? Creo que la capacidad de innovar se puede enseñar. Las personas pueden inventar e innovar sistemáticamente de muchas maneras. Una de las cosas que hice en Baidu fue organizar un seminario sobre cómo cultivar el pensamiento innovador. Mi idea es que la innovación no es algo aleatorio e impredecible que hacen los genios, sino que, por el contrario, las personas pueden crear de manera muy sistemática cosas nuevas que nunca antes se han creado. Para mí, cada vez que siento que no sé qué hacer a continuación, intentaré aprender mucho, leer mucho y hablar con expertos en algún campo. No sé cómo funciona nuestro cerebro, pero es sorprendente: cuando lees suficientes libros o hablas con suficientes expertos, en otras palabras, cuando tu cerebro recibe suficiente información, surgirán nuevas ideas. Muchas personas que conozco han tenido esta experiencia. Cuando sabes lo suficiente sobre un área técnica determinada, dejas de buscar nuevas ideas al azar. Usted elige sus ideas y las reúne mediante una cuidadosa consideración. También sabrá cuándo intentar crear tantas ideas como sea posible y cuándo recortar y combinar las ideas existentes. Bien, ahora hay otro desafío, ¿cómo lo haces cuando te enfrentas a tantas ideas nuevas? ¿Cómo puedo llevar estas ideas más allá y hacer algo realmente útil? Por supuesto, esa es otra historia. Pregunta: ¿Puedes hablar sobre lo que estudias habitualmente y cómo estudias? R: Leo mucho y paso mucho tiempo hablando con mucha gente. Creo que las dos formas más efectivas de aprender y obtener información son leer y hablar con expertos. Entonces paso mucho tiempo haciendo esas dos cosas. Tengo menos de mil libros en mi Kindle y probablemente he leído 2/3 de ellos. En Baidu tenemos grupos de lectura donde podemos leer medio libro cada semana. Intenté unirme a dos de esos grupos de lectura y en cada grupo leía medio libro cada semana. Creo que fui el único que asistió a ambos grupos de lectura. Mi actividad favorita todos los sábados por la tarde es leer solo en casa. Pregunta: Me gustaría saber sobre el impacto que la educación temprana tuvo en usted. ¿Qué cosas únicas cree que hicieron sus padres que tuvieron un impacto duradero en usted más adelante? R: Recuerdo que cuando tenía seis años, mi padre me compró una computadora y me ayudó a aprender a programar. Esto en sí no es muy especial, ya que muchos informáticos comienzan a aprender a programar a una edad temprana. Pero todavía me siento afortunado de haber tenido una computadora y haber aprendido a programar desde que era niño. A diferencia de los padres asiáticos tradicionales, mis padres estaban muy relajados conmigo.

Cuando sacaba buenas notas en la escuela, me elogiaban exageradamente e incluso me hacían sentir un poco avergonzado. Por eso a veces oculto deliberadamente mis buenos resultados [risas]. No me gusta mostrar mis boletas de calificaciones a mis padres, no por mis malas notas, sino por sus reacciones. He tenido la suerte de vivir y trabajar en muchos lugares: nací en el Reino Unido, crecí en Hong Kong y Singapur y vine a Estados Unidos a estudiar. Obtuve títulos de Carnegie Mellon, MIT y Berkeley, y finalmente fui a enseñar en Stanford. También tuve la suerte de conocer a mucha gente estupenda al ir a estos lugares. Hice una pasantía en los famosos antiguos laboratorios Bell de AT&T y luego fui a Microsoft Research. Estas experiencias me dieron la oportunidad de ver problemas y aceptar perspectivas desde todos los ángulos. P: Si pudieras replanificar tu educación y el inicio de tu carrera, ¿qué harías diferente? ¿Hay alguna lección que haya aprendido de la que otros puedan beneficiarse y que pueda compartir? R: Espero que esta sociedad pueda brindar a los jóvenes mejores consejos para el desarrollo profesional. "Sigue tu pasión" no es un buen consejo. Al contrario, es un muy mal consejo para dar a los jóvenes. Si te encanta conducir, no es necesario que seas un piloto de carreras. De hecho, deberíamos cambiar "Sigue tus pasiones" por "Sigue tus pasiones, pero esas pasiones son pasiones por cosas relacionadas con la especialidad que estudiaste en la universidad". Pero normalmente dominas algo antes de apasionarte por ello. Creo que la mayoría de la gente domina bien la mayoría de las cosas. Entonces hay dos criterios a la hora de elegir lo que quiero hacer. Primero, si hay oportunidades para aprender. Es decir, ¿aprenderé algo nuevo, interesante o práctico haciendo esto? El segundo es el impacto potencial. El mundo tiene muchos problemas interesantes que resolver, pero también muchas preguntas importantes. Espero que todos se concentren en resolver problemas importantes. Afortunadamente, sigo encontrando cosas que hacer que tienen un profundo impacto y al mismo tiempo tengo muchas oportunidades para aprender. Creo que si los jóvenes pueden centrarse en optimizar estos dos estándares, lograrán un muy buen desarrollo profesional. La misión de mi equipo es construir tecnologías de inteligencia artificial más sólidas y avanzadas que impactarán a cientos de millones de personas. Esta es la misión que me apasiona. Pregunta: ¿En su opinión, importancia significa poder influir en muchas personas? Respuesta: No. El número de personas afectadas no es la única medida de importancia. Cambiar las vidas de cientos de millones de personas de manera significativa, creo que este es un ámbito que podemos perseguir razonablemente. De esta manera, podemos estar seguros de que no sólo estamos haciendo cosas interesantes, sino también cosas con impacto. P: Usted ha mencionado antes que ha realizado algunos proyectos fallidos, entonces, ¿cómo enfrentó estos fracasos? R: El fracaso es inevitable, es una larga historia [risas]. Hace unos años, hice una lista en Evernote, tratando de recordar todos los proyectos que comencé pero que finalmente fracasé por diversas razones, o fracasaron, o la entrada y la salida fueron completamente desproporcionadas. A veces, más por suerte que por habilidad, logro realizar proyectos de maneras que nunca esperé. Pero aun así hice la lista mencionada anteriormente. Luego clasifícalos según lo que salió mal y analízalos minuciosamente para descubrir por qué no tuvieron éxito. Uno de esos fracasos ocurrió en Stanford. En ese momento, nos afectó el hecho de que los gansos volaban en forma de V, por lo que intentamos hacer que el avión volara en forma de V para ahorrar combustible. La teoría aerodinámica en esta área está muy madura y pasamos un año para que el avión pudiera controlarse automáticamente y luego volar en forma de V. Pero después de un año, descubrimos que no podíamos controlar el avión con suficiente precisión para ahorrar combustible. Si volviéramos a empezar el proyecto, nos daríamos cuenta de que no había manera de lograr ese objetivo con un avión pequeño. Porque las ráfagas de viento pueden impedir fácilmente que un avión vuele en forma de V precisa. Un error que cometí fácilmente en el pasado fue que cuando estaba trabajando en un proyecto, después de un paso, dos pasos y tres pasos, descubrí que el cuarto paso era simplemente imposible de completar. Con suerte, este error será mucho menos común ahora. También mencioné el ejemplo anterior del vuelo en forma de V del avión en la reunión del grupo de innovación estratégica. La lección es descubrir los riesgos del proyecto lo antes posible. Ahora aprendo a detectar y evaluar los riesgos de los proyectos lo antes posible. Si dijera ahora: "Deberíamos descubrir los riesgos del proyecto lo antes posible", todos estarían de acuerdo, porque eso es obviamente cierto. Pero el problema es que si te enfrentas a un nuevo proyecto, será difícil aplicar lo que dije a tu proyecto. La razón de esto es que estos proyectos de investigación científica son una habilidad estratégica. En el sistema educativo actual, somos muy buenos enseñando hechos existentes, como recetas.

Si quieres hacer espaguetis de ternera con salsa de tomate, sólo tienes que seguir la receta. Pero la innovación o la creatividad es una habilidad estratégica. Cada día te despiertas y te encuentras en un entorno que nunca antes has experimentado, y necesitas tomar decisiones en tu propio entorno único. Hasta donde yo sé, la única forma de enseñar habilidades estratégicas es experimentando innumerables casos. Cuando haya visto suficientes casos, su cerebro internalizará estas leyes y pautas y tomará mejores decisiones. A menudo encuentro que a las personas que investigan les lleva años ver suficientes casos para internalizar estos principios. Entonces, para estrategias innovadoras, he estado experimentando con simuladores de vuelo. Los simuladores de vuelo pueden producir tantos casos en un tiempo muy limitado que la gente ya no necesita cinco años para ver suficientes casos. Si aprende a pilotar un avión, le llevará muchos años o décadas antes de encontrarse con una emergencia. Pero en un simulador de vuelo podemos mostrar muchas situaciones de emergencia en muy poco tiempo. Esto te hará aprender más rápido. Estas son las cosas con las que hemos estado experimentando. P: Cuando se estableció el laboratorio por primera vez, usted dijo que no había visto antes la importancia de la cultura de equipo, pero sí había visto su valor. Han pasado los meses, ¿has aprendido cómo construir la cultura de equipo adecuada? Respuesta: Muchas organizaciones tienen documentos sobre cultura, como "Necesitamos ayudarnos unos a otros", etc. Cuando dices esto, todos asienten porque nadie quiere ayudar a otros miembros del equipo. Pero cuando regresen, cinco minutos después, ¿seguirán haciéndolo? De hecho, a la gente le resulta difícil conectar lo abstracto con lo práctico. En Baidu hicimos algo sobre cultura que creo que es muy inusual porque no conozco ninguna otra empresa que haya hecho eso. Hicimos un pequeño cuestionario en el que describimos un escenario específico a cada empleado y luego les preguntamos: "Si estuvieras en esta situación, ¿qué harías? Elegirías A, B, C o D. Nadie fue el primero. ¿Puedes conseguirlo?". La máxima puntuación en el examen en un solo intento. Siento que al pedirles a los empleados que apliquen acciones específicas a situaciones hipotéticas en la prueba, estamos tratando de ayudarlos a conectar la cultura abstracta con la realidad. ¿Qué hace cuando sus empleados acuden a usted y hacen estas cosas? P: ¿Puedes compartir algunos libros que hayan sido muy influyentes en la construcción de tu conocimiento? R: Para aquellos que quieran innovar, tengo algunas recomendaciones de libros. El primero es Zero to One, un muy buen libro que ofrece una visión general del emprendimiento y la innovación. A menudo dividimos el emprendimiento en B2B y B2C. Para B2B, recomiendo Crossing the Chasm. Para B2C, "The Lean Startup" es un libro que me gusta mucho. Este libro comienza con un alcance más limitado pero ofrece estrategias específicas para una innovación rápida. El libro tiene un alcance un poco limitado, pero en las áreas mencionadas hace un gran trabajo. Luego subdividimos B2C. Dos libros que me gustan mucho son, primero, "Hablar con humanos". Este es un libro muy breve que te enseña cómo atender a los clientes hablando con los usuarios a los que atiendes. zapatos. Otro libro es Rocket Surgery Made Easy. Si desea hacer algo importante que interese a la gente, este libro le indicará algunas estrategias diferentes (a través del aprendizaje de los usuarios o de entrevistas) para comprender a sus usuarios. Finalmente, recomiendo TheHardThingaboutHardThings. Este libro es un poco profundo, pero cubre todos los aspectos de cómo construir un negocio. Para aquellos que intentan tomar decisiones profesionales, SoGoodTheyCan'tIgnoreYou es un libro muy interesante que ofrece una perspectiva muy valiosa sobre cómo elegir una carrera profesional. Pregunta: ¿Cuáles son tus buenos hábitos? R: Llevo una camisa Oxford azul todos los días, no sé si te habrás dado cuenta. [Risas] Sí, la capacidad de desarrollar buenos hábitos es una de las mayores palancas que tienes en tu vida. Cuando hablo con investigadores o personas que quieren iniciar un negocio, les digo que si sigues leyendo artículos, estudia seis artículos por semana durante dos años. Entonces aprenderás mucho. Esta es una excelente inversión para su desarrollo a largo plazo. Pero este tipo de inversión, como si pasas un sábado entero estudiando en lugar de mirar televisión, nadie te elogiará. Y lo más probable es que lo que aprenda el sábado no le ayude el lunes. Rara vez obtenemos rendimientos a corto plazo de estas inversiones. Pero es una buena inversión a largo plazo.

De hecho, para ser un gran investigador, lea mucho. La gente suele hacer estas cosas con fuerza de voluntad, pero no funciona porque la fuerza de voluntad se agota. Creo que a la gente le gusta crear hábitos, como estudiar y trabajar duro todas las semanas, que es lo más importante. Éstas son las personas con más probabilidades de tener éxito. Tengo la costumbre de dedicar siete minutos cada mañana a hacer ejercicio usando una aplicación en mi teléfono. Me resulta más fácil hacer lo mismo todos los días porque solo tengo una opción. Mi armario está lleno de camisas azules por el mismo motivo. Solía ​​tener camisas de dos colores, azul y burdeos. Siento que tengo demasiadas decisiones que tomar [risas]. Así que ahora sólo uso camisas azules. P: Usted aboga por que los formuladores de políticas se tomen el tiempo para pensar en un futuro en el que las computadoras y los robots eliminen muchos empleos humanos. ¿Cuál es su solución a este problema? R: Esta es una pregunta difícil de responder. Las computadoras son buenas para realizar tareas repetitivas. Hasta ahora, lo principal que han hecho bien las computadoras es automatizar tareas que la gente repite todos los días. Analicémoslo detalladamente en cuanto a la dificultad del trabajo. Los trabajadores trabajan en una línea de montaje, repitiendo las mismas acciones todos los meses. Ahora parte de este trabajo ya lo pueden realizar robots. Para un trabajo de dificultad media, tomemos como ejemplo la conducción. Los camioneros hacen lo mismo todos los días, por eso la computadora intenta hacer lo mismo. Si bien es mucho más difícil de lo que la mayoría de la gente piensa, es probable que la conducción autónoma se convierta en una realidad en la próxima década. Finalmente, hablamos de los trabajos más difíciles, como los radiólogos que tienen que analizar los mismos tipos de rayos X todos los días. Una vez más, las computadoras pueden estar involucradas en estos campos. Pero para esas tareas sociales no repetitivas, creo que los humanos serán mejores en esas tareas que las computadoras durante mucho tiempo. Hay muchos trabajos en los que necesitamos hacer cosas diferentes cada día, conocer gente diferente, planificar cosas diferentes y resolver problemas diferentes. Ahora bien, estas cosas siguen siendo muy difíciles de hacer para las computadoras. A medida que Estados Unidos pasó de una economía agrícola a una economía manufacturera y de servicios, muchas personas cambiaron de trabajo, por ejemplo, de trabajar en granjas a trabajar en manufacturas o en centros de llamadas. Mucha gente pasa por esa transición, por lo que encuentran nuevos trabajos y sus vidas son bastante buenas, pero los trabajos que realizan son en su mayoría repetitivos. El desafío que enfrentamos ahora es cómo enseñar a las personas a realizar trabajos no repetitivos a escala. Históricamente, nuestro sistema educativo no ha sido muy bueno a la hora de realizar este tipo de formación a gran escala. Las mejores universidades se destacan por brindar esta capacitación a un número relativamente pequeño de personas. Pero la mayoría de la gente acaba haciendo un trabajo realmente importante pero muy repetitivo. Éste es el desafío al que se enfrenta nuestro sistema educativo. Creo que este problema se puede solucionar. Por eso siempre he querido enseñar estrategias de innovación. Queremos que mucha gente haga trabajo no duplicado. Estas estrategias innovadoras, estos simuladores de vuelo innovadores pueden lograr este objetivo. No digo que ya sepamos cómo resolver estos problemas, pero soy optimista en cuanto a que podemos resolverlos. P: Una vez dijo: "En términos generales, los ingenieros en China trabajan más duro que los ingenieros en Silicon Valley. Los ingenieros de las empresas emergentes en Silicon Valley trabajan muy duro. En empresas maduras, nunca he visto un trabajo como el suyo, tanto en las empresas emergentes como en las empresas emergentes". Baidu "¿Por qué dices eso?" Respuesta: La verdad es que tampoco lo tengo muy claro. Creo que los ingenieros en China son muy buenos. Los ingenieros de Silicon Valley también son geniales. Creo que la diferencia es la empresa. El equipo de ingeniería de Baidu se mueve muy rápido. Tengo pocos comentarios sobre la situación actual de la economía de Internet de China. Más bien siento que todos los supuestos pueden ser cuestionados y cualquier cosa puede ser explotada en cualquier momento. El ecosistema de Internet de China es muy dinámico. Todos pueden ver grandes oportunidades y todos pueden ver mucha competencia. El cambio está en todas partes. Cuando aparece algo nuevo, muchas empresas ingresan a un nuevo campo comercial en un día. Por ejemplo, en Estados Unidos, si Facebook dijera que iba a construir un nuevo motor de búsqueda, podríamos pensar que es un poco extraño. ¿Por qué Facebook quiere ser un motor de búsqueda? Es muy difícil. Pero en China, este tipo de cosas son más creíbles, porque hacerlo no es sólo una hipótesis, sino que también puede crear un nuevo modelo de negocio. P: Parece una cultura de gestión diferente, por lo que se pueden tomar decisiones importantes rápidamente, haciendo que esas decisiones sean más inteligentes y efectivas, en lugar de más caóticas. ¿Baidu opera de una manera única? ¿Cree que este método operativo es útil para el crecimiento de Baidu? R: Esta es una muy buena pregunta. Déjame pensar en cómo abordar este problema. En Baidu, la toma de decisiones se puede llevar a los niveles más bajos de la empresa.

Los empleados de Baidu tienen mucha autonomía y son muy importantes. Una cosa que admiro mucho de la empresa, especialmente de sus altos ejecutivos, es que tienen una visión clara del mundo y de la competencia. En la forma en que hablamos de la empresa en las reuniones de dirección, no hay ninguna bravuconería. En la presentación interna de la empresa, dirán: "Hicimos un buen trabajo en esto. ¿Estamos satisfechos con esto? Estos son buenos. Estos no son buenos. Estas son cosas que debemos enfatizar. Echemos un vistazo más de cerca a los errores “Aquí realmente no hay fanfarronería y creo que eso le da a la empresa un buen ambiente para innovar y concentrarse. P: En comparación con otras preguntas, usted se centra mucho en el reconocimiento de voz. ¿Qué dificultades encuentra ahora? Cuando las resuelva, ¿mejorará significativamente la precisión del reconocimiento de voz? Respuesta: Actualmente estamos trabajando en un sistema de reconocimiento de voz basado en aprendizaje automático. Algunas de las técnicas de aprendizaje automático que utilizamos existen desde hace décadas. Pero sólo en los últimos años estas tecnologías han comenzado a utilizarse realmente. ¿Por qué sucede esto? A menudo utilizo la analogía de construir un cohete. Los cohetes requieren motores muy grandes y mucho combustible. El motor debe ser lo suficientemente grande y debe haber suficiente combustible. Si hay mucho combustible y el motor es pequeño, no podrá despegar del suelo. Si el motor es grande pero el combustible es bajo, la nave espacial puede volar pero no puede entrar en órbita. El aprendizaje automático realmente está empezando a despegar ahora, y la razón es que tenemos las herramientas para construir motores gigantes: computadoras centrales. El combustible son los datos. Ahora finalmente tenemos los datos que necesitamos. La digitalización de la sociedad ha creado muchos datos y hemos producido muchos datos durante mucho tiempo. Pero sólo en los últimos años hemos podido construir grandes motores para absorber combustible. Entonces, la forma de abordar el reconocimiento de voz es intentar construir un motor grande y conseguir el combustible. Tomemos un ejemplo que hicimos. Este ejemplo es un poco técnico. ¿De dónde se obtienen los datos del reconocimiento de voz? Una de las cosas que hacemos es obtener datos de audio. Es posible que otros grupos de investigación solo utilicen unos pocos miles de horas de datos de audio, pero nosotros utilizamos cientos de miles de horas de datos. Eso es mucho más combustible del que usarías en una literatura académica. Luego recortamos el audio de las personas hablando y agregamos ruido de fondo para que suene como una grabación de personas en una cafetería. Esta es una imagen de audio artificial grabada en una cafetería. Al sintetizar las voces de las personas y los sonidos de fondo, obtenemos los datos. Es mediante un método similar que introducimos los datos en la máquina y llenamos el motor del cohete. Cuando se trata de reconocimiento de voz, hay una cosa que mencionar: la mayoría de las personas no entienden la diferencia entre un 95% y un 99% de precisión. Una precisión del 95% significa que una de cada 20 palabras es incorrecta. Esto es extremadamente molesto porque volver a hablar por teléfono para corregirlo es una molestia. El 99% significa que todo ha cambiado. El 99% muestra que el sistema de reconocimiento de voz es más fiable. Cada vez que lo utilices, funcionará como de costumbre. Así que no es una mejora de cuatro puntos porcentuales, será la diferencia entre las personas que apenas lo usan y las personas que lo usan todo el tiempo. Pregunta: ¿Cuál crees que es la dificultad para lograr ahora el 99% de precisión? R: Necesitamos motores de cohetes más grandes y más combustible. Ahora ambos aspectos son muy limitados y ambos aspectos necesitan crecer al mismo tiempo. Estamos trabajando duro para avanzar en estos desarrollos.