Inteligencia artificial que puede construir inteligencia artificial

Es el sueño de los investigadores, pero tal vez una pesadilla para los programadores informáticos altamente cualificados: máquinas artificialmente inteligentes que pueden construir otras máquinas artificialmente inteligentes.

Con discursos recientes en Silicon Valley y China, Jeff Dean, uno de los principales ingenieros de Google, destacó un proyecto de Google llamado AutoML. El ML es la abreviación de “aprendizaje automático”, que se refiere a los algoritmos informáticos que pueden aprender a realizar determinadas tareas por sí mismos mediante el análisis de datos. AutoML, a su vez, es un algoritmo de aprendizaje de máquina que aprende a construir otros algoritmos de aprendizaje de máquina.

Con él, Google podría encontrar pronto una forma de crear A. I. que puede sacar a los humanos de la construcción del A. I. sistemas que muchos creen que son el futuro de la industria tecnológica.

El proyecto es parte de un esfuerzo mucho mayor para traer la última y más grande I. A. a una colección más amplia de empresas y desarrolladores de software.

La industria de la tecnología promete de todo, desde aplicaciones para teléfonos inteligentes que pueden reconocer caras hasta coches que pueden conducir por su cuenta. Pero según algunas estimaciones, sólo 10.000 personas en todo el mundo tienen la educación, experiencia y talento necesarios para construir los complejos y a veces misteriosos algoritmos matemáticos que impulsarán esta nueva generación de inteligencia artificial.

Las empresas tecnológicas más grandes del mundo, incluyendo Google, Facebook y Microsoft, a veces pagan millones de dólares al año a A. I. expertos, acaparando efectivamente el mercado para este talento difícil de encontrar. La escasez no desaparece pronto, sólo porque dominar estas habilidades lleva años de trabajo.

La industria no está dispuesta a esperar. Las empresas están desarrollando todo tipo de herramientas que facilitarán a cualquier operación la construcción de su propia I. A. incluyendo cosas como servicios de reconocimiento de imagen y voz y chatbots en línea.

Estamos siguiendo el mismo camino que la informática ha seguido con cada nuevo tipo de tecnología “, dijo Joseph Sirosh, vicepresidente de Microsoft, que recientemente reveló una herramienta para ayudar a los codificadores a construir redes neuronales profundas, un tipo de algoritmo informático que está impulsando gran parte del progreso reciente en el I. A.”. campo. “Estamos eliminando mucho del trabajo pesado.”

Esto no es altruismo. Investigadores como el Sr. Dean creen que si más personas y empresas están trabajando en inteligencia artificial, impulsará su propia investigación. Al mismo tiempo, empresas como Google, Amazon y Microsoft ven dinero serio en la tendencia que el Sr. Sirosh describió. Todos ellos están vendiendo servicios de computación en nube que pueden ayudar a otras empresas y desarrolladores a construir A. I.

Hay una demanda real de esto “, dijo Matt Scott, cofundador y director técnico de Malong, una empresa de nueva creación en China que ofrece servicios similares. “Y las herramientas aún no satisfacen toda la demanda.”

Un robot operado por humanos demostrando la tarea de colocar una manzana en el cuenco azul. El robot nunca ha visto estos objetos antes.
Un robot operado por humanos demostrando la tarea de colocar una manzana en el cuenco azul. El robot nunca ha visto estos objetos antes.

Esto es lo que Google tiene muy probablemente en mente para AutoML, ya que la empresa continúa celebrando el progreso del proyecto. El director ejecutivo de Google, Sundar Pichai, presumió de AutoML el mes pasado al presentar un nuevo smartphone Android.

Eventualmente, el proyecto de Google ayudará a las empresas a construir sistemas con inteligencia artificial aunque no tengan una amplia experiencia, dijo el Sr. Dean. Hoy en día, estimó, no más de unos pocos miles de empresas tienen el talento adecuado para construir I. A., pero muchas más tienen los datos necesarios.

Queremos pasar de miles de organizaciones que resuelven problemas de aprendizaje de máquinas a millones “, dijo.

Google está invirtiendo fuertemente en servicios de computación en nube, servicios que ayudan a otras empresas a construir y ejecutar software que espera que sea uno de sus principales motores económicos en los próximos años. Y después de haber obtenido una porción tan grande de los mejores investigadores A. I. del mundo, tiene un medio para arrancar este motor.

Las redes neuronales están acelerando rápidamente el desarrollo de la I. A. En lugar de construir un servicio de reconocimiento de imágenes o una aplicación de traducción de idiomas a mano, una línea de código a la vez, los ingenieros pueden construir un algoritmo mucho más rápido que aprender tareas por sí mismos.

Analizando los sonidos en una vasta colección de antiguas llamadas de soporte técnico, por ejemplo, un algoritmo de aprendizaje de máquina puede aprender a reconocer palabras habladas.

Pero construir una red neuronal no es como construir un sitio web o una aplicación de teléfono inteligente común y corriente. Requiere habilidades matemáticas significativas, un ensayo y error extremo, y una buena cantidad de intuición. Jean-François Gagné, director ejecutivo de un laboratorio independiente de aprendizaje de máquinas llamado Element AI, se refiere al proceso como “un nuevo tipo de programación informática”.

Al construir una red neuronal, los investigadores realizan docenas o incluso cientos de experimentos a través de una vasta red de máquinas, probando qué tan bien un algoritmo puede aprender una tarea como reconocer una imagen o traducir de un idioma a otro. Luego ajustan partes particulares del algoritmo una y otra vez, hasta que se establecen en algo que funciona. Algunos lo llaman un “arte oscuro”, sólo porque a los investigadores les resulta difícil explicar por qué hacen ajustes particulares.

Pero con AutoML, Google está intentando automatizar este proceso. Es la construcción de algoritmos que analizan el desarrollo de otros algoritmos, aprendiendo qué métodos son exitosos y cuáles no. Con el tiempo, aprenden a construir máquinas más efectivas. Google dijo que AutoML ahora podría construir algoritmos que, en algunos casos, identificaban objetos en fotos con mayor precisión que los servicios creados únicamente por expertos humanos.

Desde la derecha, Pieter Abbeel, profesor de la Universidad de California en Berkeley; Sergey Levin, investigador posdoctoral; y el estudiante de doctorado Chelsea Finn trabajando en un robot que usa software de aprendizaje profundo. Las computadoras van a inventar los algoritmos para nosotros, esencialmente ", dijo el profesor Abbeel.
Desde la derecha, Pieter Abbeel, profesor de la Universidad de California en Berkeley; Sergey Levin, investigador posdoctoral; y el estudiante de doctorado Chelsea Finn trabajando en un robot que usa software de aprendizaje profundo. Las computadoras van a inventar los algoritmos para nosotros, esencialmente “, dijo el profesor Abbeel.

Barret Zoph, uno de los investigadores de Google que trabajan en el proyecto, cree que el mismo método funcionará bien para otras tareas, como el reconocimiento de voz o la traducción automática.

Esto no siempre es algo fácil de entender. Pero es parte de una tendencia significativa en A. I. investigación. Los expertos lo llaman “aprender a aprender” o “meta-aprender”.

Muchos creen que tales métodos acelerarán significativamente el progreso de A. I. tanto en el mundo físico como en el online. En la Universidad de California en Berkeley, los investigadores están construyendo técnicas que podrían permitir a los robots aprender nuevas tareas basadas en lo que han aprendido en el pasado.

Las computadoras van a inventar los algoritmos para nosotros, esencialmente “, dijo un profesor de Berkeley, Pieter Abbeel. Algoritmos inventados por las computadoras pueden resolver muchos, muchos problemas muy rápidamente, al menos esa es la esperanza.

Esta es también una forma de expandir el número de personas y empresas que pueden construir inteligencia artificial. Estos métodos no reemplazarán a A. I. investigadores enteramente. Los expertos, como los de Google, deben seguir realizando gran parte del importante trabajo de diseño. Pero la creencia es que el trabajo de unos pocos expertos puede ayudar a muchos otros a construir su propio software.

Renato Negrinho, un investigador de la Universidad Carnegie Mellon que está explorando tecnología similar a AutoML, dijo que esto no era una realidad hoy en día, sino que debería ser en los años venideros. “Sólo es cuestión de cuándo”, dijo.

Deja un comentario

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