Un chico de 22 años dirige el próximo ‘hit’ de Silicon Valley
ESCRIBE LA BÚSQUEDA Y PRESIONA ENTER

Un chico de 22 años dirige el próximo ‘hit’ de Silicon Valley

COMPARTIR

···

Un chico de 22 años dirige el próximo ‘hit’ de Silicon Valley

Scale AI, que tiene como cliente a Uber, le pone ‘ojos’ a los robots.

Bloomberg I Ashlee Vance
30/08/2019
Scale busca vender sus bienes a casi cualquier empresa que desarrolla tecnología de inteligencia artificial.
Al registrarte estás aceptando elaviso de privacidad y protección de datos. Puedes desuscribirte en cualquier momento.

Tras cada vehículo autónomo o las tiendas Amazon Go sin cajero, hay miles de humanos cuyo trabajo es entrenar a las computadoras a ver. Estas personas ven fotografías e identifican qué hay en la imagen, etiquetando cosas. Sus observaciones alimentan un software de inteligencia artificial que luego aprende cómo hacer lo mismo. Es el trabajo tras la magia.

Scale AI, una startup fundada hace tres años, ha intentado mejorar el proceso a nombre tanto del hombre como la máquina. Ha construido una serie de herramientas de software que intentan por primera vez etiquetar fotos antes de entregarlas a una red de unos 30 mil contratistas, quienes después dan los toques finales.

Scale ha atraído a grandes clientes en el campo de vehículos autónomos, incluido Waymo de Alphabet, Cruise de General Motors y Uber.

Ahora, Scale busca vender sus bienes a casi cualquier empresa que desarrolla tecnología de inteligencia artificial. Varios importantes capitalistas de riesgo se han dejado convencer. El 5 de agosto, la empresa anunció que recaudó 100 millones de dólares. “Se requieren miles de millones o decenas de miles de millones de ejemplos para que los sistemas de IA lleguen al nivel del desempeño humano”, señaló Alexandr Wang, quien es cofundador y director general de Scale.

“Hay un gran vacío entre un puñado de compañías gigantes que pueden hacer todo este entrenamiento y las muchas que no”.

Incluso para los estándares de Silicon Valley, Wang es una especie de fenómeno. Hijo de dos médicos, creció en Nuevo México y, durante su adolescencia, Wang sobresalió en concursos de codificación y recibió ofertas de trabajo de compañías tecnológicas cuando estaba en la prepa. Eso permitió que se graduara antes, trabajara en Silicon Valley y fundara Scale para cuando tenía 19 años. Ahora, en la edad madura de 22 años, Wang ha recibido 100 millones de dólares de inversores como Mike Volpi, socio en Index Ventures. “Cuando firmamos el contrato y fuimos a cenar, pedí una buena botella de vino para celebrar”, dice Volpi, “y luego tuve que preguntarle si violaba la ley” (Wang, en efecto, entonces no tenía edad legal para tomar).

Conforme las compañías corren para construir sistemas de IA junto con empresas como Google o Facebook Inc., se enfrentan a dos grandes desafíos. Una es obtener suficientes datos para entrenar a las máquinas. La otra es asegurar que los datos resulten buenos. Y, aunque las máquinas pueden hacer gran parte de este trabajo, se necesita gente para interpretar las fotos, texto y video, y así dirigir a las computadoras en la dirección correcta.

En la industria de los vehículos autónomos, las compañías gastan millones de dólares al año contratando a personas para que etiqueten fotografías tomadas de las cámaras en sus vehículos. Comúnmente, un trabajador ve la imagen salir en la pantalla de la computadora y utiliza un mouse para delinear todos los autos y clasificarlos en el software. Luego llegan los edificios, lugares de estacionamiento, peatones, etc.

Puede tardar entre 10 minutos y dos horas para que una persona vaya punto por punto sobre un objeto en una sola foto, y hay millones de imágenes por registrar. Esos datos luego son alimentados a un sistema de IA, así que los autos aprenden lo que ven en el mundo que los rodea.

Scale ha construido un software que primero ve las imágenes y, en muchos casos, es capaz de etiquetar automáticamente la mayoría de los objetos. Después a los empleados les piden revisar las imágenes. En caso de que tengan que intervenir, el sistema les permite hacer clic en algún lugar una vez, digamos, en medio de un auto, y traza el objeto por ellos. “Tareas que antes tardaban horas, solo toman un par de minutos”, comenta Wang.

Scale tiene unos 100 empleados en su sede en San Francisco, además de un ejército de contratistas por todo el mundo que hace el trabajo de etiquetado de imágenes. Los contratistas reciben instrucciones detalladas de Scale sobre lo que deben buscar. La empresa también desarrolla software para identificar a los mejores etiquetadores.

Wang no dijo exactamente en dónde se contratan a los trabajadores o cuánto ganan, pero insiste que el sueldo es bueno. “No tratamos de optimizar el costo humano” dice. Ganan en el 600 o 700 percentil de sueldos en su ubicación”.

Entre los nuevos clientes de Scale está OpenAI, una firma investigadora que usa el servicio para procesar lenguaje, y Standard Cognition, que hace software para automatizar el pago en tiendas similares a Amazon Go. Standard Cognition tiene una tienda a prueba en San Francisco, así como centros de investigación en donde las personas toman objetos del estante bajo vigilancia de video. “La pregunta real es, ‘¿Esto es catsup o mostaza?’, dice Jordan Fisher, el director general. “Si es catsup, debemos saber si son 12.6 onzas de catsup Heinz para que te den el recibo correcto”.

Hay mucha competencia para este tipo de trabajo. En junio, Uber adquirió la startup de equitación autónoma Mighty IA. Amazon.com ofrece servicios de etiquetación automatizada de datos como parte de su producto nube, y startups como Hive y Alegion también hacen algo similar. El director general de Hive, Kevin Guo, dice que etiquetación de datos es la menor parte del negocio de su empresa y que el verdadero dinero está en construir modelos reales de AI para clientes en diferentes industrias.

“No centré a mi compañía alrededor de la etiquetación porque no creo que será un gran negocio”, dice. “En estos días, hay muchas de estas compañías y, honestamente, no creo que haya mucha diferencia entre ellas”. Los inversores de Scale, entre ellos Accel y Founders Fund de Peter Thiel, dicen que las herramientas de Wang son más avanzadas y pueden etiquetar datos más rápido y barato.

En cuanto al costo humano tras el trabajo, Volpi justifica la monotonía como inevitable. “Si pudieras sacar un bicitaxi o etiquetar datos en un café internet con aire acondicionado, es mejor lo segundo”, dice. “Te pagan mejor y no es un estrés para tu cuerpo”. ¿Y si algún día llega la automatización para los capitalistas de riesgo? “Haré mi paz con eso”, dice. “Probablemente tendré que hacer algo que tenga mayor valor para la sociedad”.