Así es el nuevo informe técnico que establece metodología de certificación para algoritmos de IA

El crecimiento de la Inteligencia Artificial

Inicialmente, el reporte subraya cómo la IA es una de las áreas temáticas de mayor avance a nivel global, impulsando numerosas aplicaciones cotidianas que abarcan desde el reconocimiento de imágenes, hasta sistemas de recomendación, chatbots, diagnóstico o análisis predictivo.

Posteriormente, el documento propone las siguientes interrogantes:

• ¿Es esta inteligencia artificial fiable y segura?
• ¿El algoritmo de IA desempeña la función que se espera de él?
• ¿La utilización de la IA aporta el valor añadido previsto?
• ¿Se están utilizando adecuadamente los datos de entrenamiento en los procesos de aprendizaje?
• ¿Se gestionan con diligencia los grandes volúmenes de datos confidenciales?

Metodologías de certificación innovadoras

Las estrategias de validación novedosas desarrolladas por TÜV AUSTRIA y JKU apuntan a auxiliar a los fabricantes en la producción de modelos de aprendizaje automático seguros, fiables y de alto estándar. También proporcionarán a los usuarios un certificado de calidad para sistemas de IA confiables.

El papel del profesor Sepp Hochreiter

El profesor Sepp Hochreiter es director del Machine Learning Institute.

«El aprendizaje automático representa actualmente la tecnología más relevante y tendrá un impacto significativo en nuestro entorno técnico y en nuestra vida en general, en la sociedad, a largo plazo», declara el profesor Hochreiter. “Por ello, es aún más crucial robustecer la confianza de los consumidores en esta tecnología a través de la validación de las aplicaciones de aprendizaje automático. Por esta razón, estamos encantados de poder contribuir a definir los criterios de calidad necesarios”.

Validación de aplicaciones

Según el documento técnico, ya se ha logrado el primer nivel de éxito. Las aplicaciones de aprendizaje supervisado en el ámbito de riesgo bajo y medio ya pueden obtener validación.

«Hemos comenzado a realizar los primeros proyectos de validación, cuyas aplicaciones se encuentran principalmente en el entorno industrial pero también en el sector de consumo. En las próximas fases de la cooperación para el desarrollo se ampliarán los enfoques actuales para poder certificar aplicaciones críticas para la seguridad, basándose en un espectro más amplio de métodos de aprendizaje automático”, afirma el Dr. Stefan Haas. «Estamos especialmente contentos de tener a nuestro lado al JKU Machine Learning Institute como socio altamente competente y reconocido internacionalmente para esta desafiante tarea».