La
inteligencia artificial navega por el metro de Londres (ideal para evadir al pentágono en el asedio en Mosul , aunque también te pueden
geo localizar y enviarte un misil ,)
La
inteligencia artificial navega por el metro de Londres
http://elpais.com/elpais/2016/10/11/ciencia/1476198364_606098.html
El último
ingenio de los científicos de Google aprende a orientarse por redes complejas
sin que nadie le haya programado para ello
JAVIER
SAMPEDRO
12
OCT 2016 - 19:01 CEST
Un
voluntario observa el mapa de Londres durante un taller del Fuse Arts festival.
ANTHONY DEVLIN PA WIRE/PRESS ASSOCIATION IMAGES /CORDON PRESS
Los
científicos de DeepMind, la rama de inteligencia
artificial de Google, han logrado un avance en esa disciplina que ha
merecido el artículo principal de Nature. Se
trata de una combinación de red neural (un
programa que imita la organización del cerebro en capas de abstracción
progresiva, y que aprende de la experiencia) y un ordenador
bastante convencional, que procesa datos complejos y símbolos. Su logro
más llamativo es que aprende a navegar por el metro de Londres, sin que nadie le haya enseñado antes el
mapa.
También
entiende genealogías familiares y resuelve puzles de
bloques. Por desgracia no se llama Watson ni Holmes, sino DNC (ordenador neural diferenciable, en sus siglas
inglesas). Pese a ello es un prodigio matemático y, tal vez, filosófico.
Supón que
tienes que ir de Bond Street a Westminster. ¿Habrá que tirar hacia Oxford
Circus en dirección a Holborn? ¿O por el contrario tirar por la línea roja para
Notting Hill y hacer trasbordo a la amarilla?
Si no has
viajado en el metro de Londres, tal vez no percibas la magnitud del problema al
que se ha enfrentado DNC. Supón que tienes que ir de Bond Street a Westminster.
¿Habrá que tirar hacia Oxford Circus en dirección a Holborn? ¿O por el
contrario tirar por la línea roja para Notting Hill y hacer trasbordo a la
amarilla? Por supuesto, para resolver esta clase de problemas haces uso de un
plano del metro. Pero eso es trampa para DNC. El robot del metro tiene que aprender a usar el metro por sí solo, sin
ningún conocimiento previo de la red londinense.
Alex
Graves, Greg Wayne y otros 18 científicos de Google DeepMind, en Londres, han dado este gran paso
en la inteligencia artificial por el más venerable de los procedimientos:
cuando dos disciplinas discrepan en la estrategia, suma sus fuerzas; sube un
piso para mirar ambas desde una perspectiva en que ya no son incompatibles,
sino dos ángulos de la misma solución. La historia del conocimiento está
repleta de destellos innovadores basados en ese mismo enfoque abarcador.
Todas las
máquinas de pensar estamos obligadas a aprender esos conceptos del entorno en
que nos ha tocado vivir
Los
ordenadores convencionales se manejan muy bien con los problemas de la lógica
simbólica. Sócrates es mortal, puesto que es un hombre y todos los hombres son
mortales. Son reglas simples que ya formuló Aristóteles, y los ordenadores –o
máquinas de Turing, en honor al personaje que interpretó hace unos años
Benedict Cumberbatch, el padre de la inteligencia artificial Alan Turing— se
manejan de maravilla con esas simplezas. Pero la
inmensa mayoría de la realidad no se aviene a la lógica simbólica. ¿Hace
frío o calor? ¿Es una remodelación o una crisis de gobierno? ¿Cuál es la mejor
ruta para ir de Bond Street a Westminster?
Ni las
máquinas ni nuestro propio cerebro pueden estar programados para todas estas
variables graduales y relativas al contexto. Todas las
máquinas de pensar estamos obligadas a aprender esos conceptos del entorno en
que nos ha tocado vivir.
Adaptarse a
los detalles del medio implica flexibilidad de comportamiento, aprendizaje de
procedimientos y abstracción de conceptos generales. En
inteligencia artificial, este no es el dominio del ordenador convencional, sino
el de las redes neurales.
El destello
creativo de Graves, Wayne y sus colegas de Londres ha sido combinar lo mejor de
esos dos mundos: la potencia de razonamiento simbólico
de los programas informáticos usuales (las máquinas de Turing) con la asombrosa capacidad de aprendizaje de las nuevas redes
neurales. Estas redes, organizadas en decenas o cientos de capas de
abstracción progresiva, como nuestro cerebro, son el fundamento del deep learning (aprendizaje profundo), la disciplina
que ha revolucionado en años recientes la inteligencia artificial.
El siguiente
objetivo de los científicos de Google es desarrollar
sus DNC hasta que sean capaces de aprender de un golpe
“Una
habitación”, explican Graves y Wayne, “suele tener sillas, como se puede saber
por mera estadística, pero la forma y la localización de una silla concreta en
la habitación son variables; estos valores variables
pueden escribirse en la memoria externa de un DNC, dejando libre
a la red neural que lo controla para que se concentre y aprender las
regularidades globales”.
El siguiente
objetivo de los científicos de Google es desarrollar
sus DNC hasta que sean capaces de aprender de un golpe –ahora lo hacen a
partir de muchos ejemplos correctos, en un ejemplo de “aprendizaje
guiado”—, comprender una escena visual, procesar el significado del
lenguaje y cartografiar el conocimiento del mundo, “intuyendo” que su
estructura es variable, pero ciertas de sus propiedades no lo son.
La
inspiración es nuestro cerebro. Y el problema es que aún no sabemos cómo
funciona.
No hay comentarios:
Publicar un comentario