¿Por qué la inteligencia artificial está resurgiendo?

google-deepmind-artificial-intelligence-970x646El término “Inteligencia Artificial” se ha asociado con la arrogancia y la decepción desde sus primeros días. Fue acuñado formalmente en 1956 durante la conferencia de Darthmounth. Sus comienzos fueron optimistas y a pesar de ciertos estallidos de progreso y entusiasmo, la investigación en AI (Artificial Intelligence) se hizo famosa por prometer mucho más de lo que podía  ofrecer. Los investigadores, en su mayoría, terminaron evitando el término completo y prefiriendo en su lugar hablar de “sistemas expertos” o “redes neuronales”. Sin embargo, en los últimos dos años se ha producido un cambio radical. De repente, los sistemas de AI están logrando resultados impresionantes en una serie de tareas, y la gente está volviendo a usar el término sin vergüenza. ¿Qué ha cambiado?

El auge actual se basa en una vieja idea pero con un toque moderno: las denominadas redes neuronales artificiales (RNA), que siguen la arquitectura de un cerebro humano. Un cerebro biológico está formado por células interconectadas, llamadas neuronas, cada una de las cuales pueden ser activas por otras neuronas y éstas hacer funcionar otras a su vez. Una simple RNA tiene una capa de entrada de neuronas donde los datos son introducidos en la red, una capa de salida donde se dejan los resultados y algunas capas intermedias ocultas donde se procesa la información. Cada neurona dentro de la red tiene un conjunto de “pesos” y una “función de activación” que controla su salida. El entrenamiento de una red neuronal implica ajustar los pesos de las neuronas para que una determinada entrada produzca la salida deseada. Las RNA estaban empezando a lograr algunos resultados útiles a principios de 1990, por ejemplo, en el reconocimiento  de números escritos a mano. Pero al intentar que hiciesen tareas más complejas es cuando aparecían los problemas. Las redes neuronales aprenden mediante ejemplos y la técnica de entrenamiento estándar no funcionó con redes más grandes (deeper) y con más capas. Después de un rayo de luz, el entusiasmo por las RNA se desvaneció. Una vez más, al parecer, la AI no había cumplido y el campo entró en uno de sus períodos de barbecho conocidos como “inviernos AI”.

Pero las cosas han cambiado en los últimos años, por tres razones. En primer lugar, las nuevas técnicas de entrenamiento hicieron que el entrenamiento profundo (deep training) fuese viable. En segundo lugar, el auge de Internet ha hecho que tengamos miles de millones de documentos, imágenes y videos disponibles para fines de entrenamiento. Pero eso requiere una gran cantidad de potencia de cálculo, que es donde el tercer elemento entra en juego: en torno al 2009, varios grupos de investigación de AI se dieron cuenta de que las unidades de procesamiento gráfico (GPU), los chips utilizados en PCs y videoconsolas para generar gráficos, eran también muy adecuados para el modelado de redes neuronales. Un grupo de investigación de AI de la Universidad de Stanford dirigido por Andrew Ng, que se transladó posteriormente a Google y ahora trabaja para Baidu, un gigante de Internet en China, encontró que las GPU podrían acelerar la formación de sus redes neuronales profundas casi cien veces más. Con las redes más profundas, más datos de entrenamiento y un hardware más potente para hacer que todo funcione, las redes neuronales profundas (o sistemas “deep-learning”) de repente comenzaron a progresar rápidamente en áreas tales como el reconocimiento de voz, la clasificación de imágenes y traducción de idiomas. Cuando un sistema de deep learning ganó en 2012 un concurso de de reconocimiento de imágenes, superando ampliamente a los sistemas rivales, las personas tanto dentro de la comunidad académica como fuera de ella tomaron nota del suceso.

El deep learning resulta ser aplicable en una amplia gama de campos. Ya se está utilizando todos los días sin darnos cuenta: en la potencia del motor de búsqueda de Google, en el etiquetado automático de de fotos de Facebook, en el asistente de voz de Apple, en las recomendaciones de compras de Amazon y en los coches con auto-conducción de Tesla. Por primera vez, la tecnología de AI se está expandiendo ampliamente. Y los investigadores continúan buscando nuevas formas de aplicarla a la ingente cantidad de datos que se acumulan en la era de Internet. “Inteligencia Artificial” es ahora una palabra de moda. De hecho, es más correcto decir que el auge actual de la AI es realmente un boom en deep learning. Pero como sea que se quiera llamar, el campo está progresando rápidamente. Ha tomado décadas y está todavía muy lejos de los robots inteligentes que se encuentran en la ciencia ficción, pero la inteligencia artificial está finalmente empezando a cumplir con sus promesas.


Suscribirse a comentarios Respuestas cerradas, se permiten trackback. |

Comentarios cerrados.


Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies