Los robots tienen su propia curva de aprendizaje

Empresas de tecnología que usan una técnica de inteligencia artificial inspirada en teorías sobre la forma en que el cerebro reconoce patrones generan sorprendentes avances en campos tan diversos como visión digital, reconocimiento de voz e identificación de nuevas moléculas prometedoras para la creación de medicamentos.

Los avances alientan un gran entusiasmo por parte de los investigadores que diseñan software destinado a realizar actividades humanas, tales como ver, escuchar y pensar.

Ofrecen la promesa de máquinas que puedan conversar con personas y realizar tareas como manejar autos o trabajar en fábricas, lo que hace crecer el fantasma de robots automatizados que puedan reemplazar la mano de obra humana.

Pero la novedad en los últimos meses es la creciente velocidad y exactitud de los programas de aprendizaje profundo, a los que suele llamarse redes neurológicas por su similitud con las conexiones neurológicas del cerebro.

«Hay una serie de nuevos resultados asombrosos con métodos de aprendizaje profundo», dijo Yann LeCun, un especialista en informática de la universidad de Nueva York y pionero en la investigación del reconocimiento de la escritura manual en Bell Laboratories. «El tipo de salto que presenciamos en la exactitud de esos sistemas es verdaderamente insólito».

Quienes investigan en inteligencia artificial tienen conciencia de los peligros de un excesivo optimismo. Hace mucho tiempo que su campo se ve afectado como consecuencia de brotes de entusiasmo infundados.

En la década de 1960, algunos científicos especialistas en informática consideraban que aún faltaban diez años para que pudiera existir un sistema funcional de inteligencia artificial.

En los años 80, una ola de emprendimientos comerciales se derrumbó y derivó en lo que algunos llamaron el «invierno de la I.A».

Sin embargo, recientes logros han impresionado a gran cantidad de especialistas en informática.

En octubre, por ejemplo, un grupo de estudiantes que trabajaba con Geoffrey E. Hinton, un científico de la Universidad de Toronto, ganó el primer premio de un concurso que auspició Merck para el diseño de software que contribuyera a descubrir moléculas que pudieran llevar a nuevas drogas.

A partir de datos que describían la estructura química de miles de moléculas diferentes, utilizaron software de aprendizaje profundo para determinar qué molécula tenía más probabilidades de ser un agente efectivo de drogas.

«Se trata de un resultado sorprendente porque es la primera vez que el aprendizaje profundo gana, y lo más importante es que ganó con datos con los cuales no se habría esperado que lo hiciera», dijo Anthony Goldbloom, CEO y fundador de Kaggle, una empresa que organiza competencias científicas de datos, lo que comprende el concurso de Merck.

Los avances en el reconocimiento de patrones no sólo tienen consecuencias para el desarrollo de drogas sino para una serie de aplicaciones, entre ellas el marketing y la tarea policial. Con mayor exactitud, por ejemplo, los marketers pueden examinar grandes bases de datos de comportamiento de los consumidores para obtener información más precisa sobre los hábitos de compra. Los avances en reconocimiento facial pueden hacer más barata y habitual la tecnología de vigilancia. Las redes neurológicas artificiales, una idea que se remonta a la década de 1950, parecen imitar la forma en que el cerebro absorbe información y aprende. En las últimas décadas, el Dr. Hinton, que tiene sesenta y cuatro años, ha introducido poderosas nuevas técnicas para contribuir a que las redes artificiales reconozcan patrones.

Las redes neurológicas artificiales modernas están integradas por una serie de componentes de software que se dividen en entradas, capas ocultas y salidas. Puede «entrenarse» las series mediante una reiterada exposición a los efectos de que reconozcan patrones como imágenes o sonidos. Los sistemas de aprendizaje profundo han superado el desempeño humano en pruebas limitadas.

Una muestra especialmente audaz de aprendizaje profundo se llevó a cabo en un congreso realizado en octubre en Tianjin, China, cuando Richard F. Rashid, científico jefe de Microsoft, dio una conferencia en un auditorio mientras un programa digital reconocía sus palabras y las presentaba al mismo tiempo en inglés en una gran pantalla colocada sobre su cabeza.

Luego, en una demostración que generó un aplauso, fue haciendo una pausa después de cada oración y las palabras se tradujeron a caracteres del chino mandarín acompañados de una simulación de su propia voz en esa lengua, que el Dr. Rashid nunca había hablado. La hazaña fue posible en parte gracias a técnicas de aprendizaje profundo que han impulsado mejoras de la exactitud del reconocimiento de voz.

El Dr.Rashid, que supervisa el sector mundial de investigación de Microsoft, admitió que, si bien el nuevo software de reconocimiento de voz de la compañía comete 30 por ciento menos errores que los modelos anteriores, «dista de ser perfecto».

«En lugar de una palabra incorrecta cada cuatro o cinco, ahora el nivel de error es de una palabra cada siete u ocho», escribió en el sitio web de Microsoft.

De todos modos, agregó que se trataba del «cambió más drástico en lo relativo a exactitud» desde 1979 y señaló que «a medida que agreguemos más datos al entrenamiento, consideramos que obtendremos aun mejores resultados».

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *