Technology. From not working to neural networking. The artificial-intelligence boom is based on an old idea, but with a modern twist

Cita: 

The Economist [2016], “Technology. From not working to neural networking. The artificial-intelligence boom is based on an old idea, but with a modern twist”, The Economist, London, 25 de junio, http://www.economist.com/news/special-report/21700756- artificial-intelligence-boom-based- old-idea- modern-twist- not

Fecha de publicación: 
Sábado, Junio 25, 2016
Revista descriptores: 
Tema: 
El aprendizaje profundo como pilar de la Inteligencia Artificial.
Idea principal: 

El término Inteligencia Artificial (IA) se dejó de utilizar en el vocabulario de los investigadores debido a la sensación de que dicho término prometía más de lo que podía ofrecer. Sin embargo, el término volvió a ser utilizado en 2012 gracias a un concurso llamado Desafío ImageNet.

El concurso convoca personas que deseen competir con un computador que sea capaz de reconocer y etiquetar distintos tipos de imágenes de forma automática. En 2010 el sistema ganador podía etiquetar correctamente una imagen el 72% de las veces, cuando para los humanos el promedio es de 95%. En el concurso de 2012 el equipo de Geoff Hinton, de la Universidad de Toronto, logró que su sistema tuviera una precisión de 85%, gracias a una técnica conocida como “aprendizaje profundo”. A partir de ello se consiguieron saltos más grandes, hasta llegar a superar los resultados humanos durante 2015, en donde se consiguió una precisión del 96%.

La técnica del aprendizaje profundo utiliza las llamadas redes neuronales artificiales (ANN`s por sus siglas en inglés), inspiradas biológicamente en redes de neuronas cerebrales. De esta manera existe una “capa de entrada” que sirve para introducir información en la red, una “capa oculta” que funciona como procesador de la información, y una “capa de salida” en donde se espera que la información procesada arroje los resultados deseados.

Es así como la gente comenzó a prestar atención, no sólo dentro de la comunidad científica, sino dentro de toda la industria tecnológica, con lo que se han comenzado a desarrollar redes de aprendizaje profundo cada vez más amplias, arrojando mejores resultados y demostrando ser buenas para resolver una amplia gama de problemas.

Existen diversos tipos de aprendizaje profundo. Uno de ellos es el “aprendizaje supervisado”, que se utiliza para entrenar a un sistema con la ayuda de un conjunto etiquetado de ejemplos.

Otra vertiente es el “aprendizaje no supervisado”, en donde se forma una red mediante su exposición a un gran número de ejemplos, sin establecer qué es lo que se debe buscar.

Además existe el “aprendizaje por refuerzo”, que se trata de la formación de una red neural para interactuar con un entorno mediante la retroalimentación ocasional del sistema en forma de recompensa. De esta manera la red se ajusta con el fin de buscar una estrategia que genere cada vez más recompensa.

Los videojuegos son un campo ideal para desarrollar IA. Deepmind fue noticia en marzo de 2016 cuando un sistema desarrollado por la empresa, llamado AlphaGo, derrotó a Lee Sedol, uno de los mejores jugadores de Go del mundo. AlphaGo es un sistema de aprendizaje por refuerzo que se compone de varios módulos interconectados que incluyen dos redes neuronales profundas similares a la estructura de un cerebro humano.

Asimismo ya se está trabajando en una siguiente etapa que contempla el “aprendizaje de transferencia”, lo que permitirá que los sistemas construyan aprendizaje a partir de conocimiento previamente adquirido. Metamind está llevando a cabo un enfoque de aprendizaje de tareas múltiples, en donde la resolución de unas tareas mejoran el desempeño de la IA en otras.

La gran aspiración de varios investigadores, entre los que destacan Demis Hassabis y Socher, es crear una “inteligencia artificial general” que sea capaz de resolver una amplia gama de tareas en vez de construir un sistema para cada situación.

Google, Facebook, Microsoft, IBM, Amazon, Baidu y otras empresas han puesto algunos de sus softwares de aprendizaje disponibles gratuitamente en bases abiertas. Por un lado, esto se explica debido a que mientras más avances se publiquen y conozcan, mayor interés y reclutamiento existirá; mientras que por otro lado, las grandes empresas de internet pueden darse el lujo de "regalar" su software, ya que cuentan con la enorme ventaja de tener acceso a cantidades inmensas de información de los usuarios.

NVIDIA está usando sus chips GPU, utilizados en videojuegos y computadoras para proporcionar gráficos visuales avanzados, para entrenar redes neuronales, mientras que IBM y Google están diseñando nuevos chips construidos con el fin de desarrollar software de IA más rápida y eficaz.

Nexo con el tema que estudiamos: 

Los sistemas de IA son cada vez más cotidianos. En el mundo tecnológico al que gran parte de la población tiene acceso, es cada vez más común interactuar con “robots” que utilizan las técnicas de aprendizaje profundo para resolver cuestiones que se presentan día con día, ya sea eliminar correos spam, detectar fraudes financieros, impulsar motores de búsqueda, etc., todo mediante el apoyo del internet.

Así, la IA está cada vez más arraigada en la vida cotidiana de las personas, por lo que las grandes empresas mundiales buscan adquirir y desarrollar este tipo de tecnología, llegando al punto de que en la actualidad, prácticamente todas las empresas consideradas importantes en el mundo, utilizan de una u otra forma este tipo de desarrollos para alcanzar o mantenerse en la vanguardia tecnológica y con ello perpetuar su poder económico, político y social.