La
inteligencia artificial de AlphaGo aún no es una amenaza para la humanidad y a
diferencia de pensamiento profundo de IBM, este puede aprender gracias a la red
de múltiples capas neuronales artificiales, o ANN y aprendizaje de refuerzo
AlGorithm,
La
inteligencia artificial de AlphaGo aún no es una amenaza para la humanidad
http://spanish.peopledaily.com.cn/n3/2016/0318/c31619-9032292.html
Actualizado
a las 18/03/2016 - 13:32
La
inteligencia artificial de AlphaGo aún no es una amenaza para la humanidad
Por Yang Feng
El mejor jugador de Go del mundo, Lee Sedol (derecha)
coloca su primera pieza durante el último partido de la Google DeepMind
Challange contra el programa de inteligencia artificial
AlphaGo en Seúl, Corea del Sur, en esta
publicada por Yonhap el 15 de marzo, 2016. [Foto / Agencias]
Beijing,18/03/2016
(El Pueblo en Línea)-
El
programa de inteligencia artificial AlphaGo de Google
Profunda Mente ha vencido al campeón del mundo de Go, el surcoreano Lee Sedol, por 4 a 1, lo que ha provocado un acalorado
debate a nivel mundial sobre la posible amenaza de la inteligencia artificial
para la humanidad.
El
desarrollo de la inteligencia artificial comenzó hace décadas. En 1997, Deep Blue, desarrollado por IBM, derrotó al campeón
mundial de ajedrez Garry Kasparov.
En
2010, Apple creó Siri
(interpretación del habla e interfaz de reconocimiento) para su iPhone, que
comprende los comandos y respuestas de audio de los usuarios, de manera
parecida a Xiaobing de IBM y Jimi de jd.com.
Pero Siri, Xiaobing y Jimi sólo pueden hacer frente a un
número limitado de preguntas, ya que comparan la orden del usuario con las
pre-instaladas en su "memoria" y responden en consecuencia.
Deep Blue, por el contrario, se basa en gran
medida en la computación rápida, y decide su siguiente movimiento en una
partida de ajedrez mediante la evaluación de la condición sobre el tablero de
ajedrez y comparándolo con los manuales guardados en su "memoria". Por eso no puede ganar un juego de Go, ya
que implica muchas más posibilidades que el ajedrez.
AlphaGo, en este sentido, es un gran paso
adelante, ya que utiliza la red de múltiples capas
neuronales artificiales, o ANN y aprendizaje de refuerzo
AlGorithm, que puede imitar de manera más exacta la forma en que un cerebro
humano piensa.
AlphaGo
observa repetidamente el tablero de Go, lo analiza con su procesador y elige la
mejor opción. Más importante aún, puede
almacenar las decisiones en su "memoria" para futuras referencias.
En otras palabras, puede "aprender" y
mejorar de manera más eficiente.
ANN se ha
convertido en un tema sensible en la investigación desde la década de los 80.
Ya está siendo utilizado en muchos campos diferentes al de los juegos. Por
ejemplo, el coche sin conductor desarrollado por Google "observa" el
entorno a través de sensores, utilizando cálculos para juzgar cómo se mueven
las cosas, y en consecuencia elige su ruta.
AlphaGo
marca otro paso adelante porque la ANN que utiliza tiene más de 30 capas
gracias a los desarrolladores y equipos más rápidos. Cada capa tiene múltiples
parámetros que consiguen adaptarse cada vez que se obtiene la información del
mundo exterior, un proceso a través del cual AlphaGo optimiza constantemente su
estrategia. Cuanta más información obtiene, con más exactitud puede ajustar los
parámetros para adaptarse a nuevas situaciones.
Muchas
personas dicen de broma que AlphaGo es un buen estudiante que
"estudia" cientos de manuales todas las noches. Eso puede ser una
broma, pero AlphaGo ha aprendido mucho acerca de Go. De lo contrario no podría
haber derrotado a Lee Se-dol. Esperemos que su victoria haga que más personas
se interesen por la investigación en inteligencia artificial.
Yang Feng es
un profesor asociado en la Facultad de Automática de la Universidad Politécnica
del Noroeste.
No hay comentarios:
Publicar un comentario