Los ordenadores empiezan a razonar como humanos
Un nuevo desarrollo por ordenador de Inteligencia Artificial es capaz de relacionar objetos y conceptos casi como las personas.
¿Cuántas zonas verdes hay cerca de la oficina? ¿Cuál es el mejor restaurante de la zona? Estas son preguntas cotidianas que requieren capacidad de razonar, de relacionar y crear conexiones, un aspecto básico del pensamiento sofisticado que la Inteligencia Artificial (IA) no había logrado manejar. Ahora, investigadores de Google’s DeepMind han desarrollado un sencillo algoritmo de razonamiento conectivo que ha logrado superar a humanos en un test de comprensión de imágenes complejas.
A las personas generalmente se nos da bien ese tipo de razonamiento capaz de relacionar a través de la lógica que permite conectar y comparar lugares, secuencias y otras realidades. Pero las dos clases principales de IA (estadística y simbólica) se han mostrado lentas para desarrollar esa capacidad. La IA estadística (aprendizaje automático o aprendizaje de máquinas) es muy buena en el reconocimiento de patrones, pero no a la hora de usar la lógica. Por su parte, la IA simbólica es capaz de razonar y establecer relaciones usando reglas predeterminadas, pero no se le da bien aprender sobre la marcha.
El estudio de Google’s DeepMind propone un nuevo camino: una red neural artificial capaz de relacionar conceptos. Del mismo modo que las neuronas están conectadas al cerebro, las redes neurales se ensamblan entre sí mediante pequeños programas que encuentran patrones en los datos de forma colaborativa. Y pueden disponer de estructuras especializadas para procesar imágenes, analizar el lenguaje o incluso aprender juegos.
La red de relaciones está diseñada para comparar pares de objetos en diferentes escenarios de forma individual. Según Timothy Lillicrap, científico de computación de DeepMind en Londres y coautor de la investigación, "estamos forzando explícitamente a la red a que encuentre las relaciones que hay entre los objetos".
Este experto y su equipo retaron a la red a llevar a cabo diversas tareas, como responder a preguntas sobre las relaciones entre objetos –cubos, pelotas, cilindros– que aparecían en una misma imagen.
Por ejemplo: Hay un objeto enfrente de una cosa azul. ¿Tiene la misma forma que esa otra cosa de color rojo que está la derecha de la bola metálica gris? Para resolver este problema, la red capaz de relacionar actuaba en combinación con otras redes neutrales, como una capaz de reconocer objetos en la imagen y otra capaz de interpretar preguntas. En el total de pruebas y cuestiones planteadas, otras máquinas de aprendizaje automático acertaron entre el 42 y el 77 %, los humanos que participaron llegaron al 92 % y la nueva red relacional acertó el 96 % de las preguntas.
Esta nueva red de IA también brilló en los ejercicios de lenguaje, particularmente en los ejercicios de inferencia. Por ejemplo, le preguntaban: "Lily es un cisne; Lily es blanco; Greg es un cisne; ¿de qué color es Greg? (blanco)". En este tipo de ejercicio su nivel de acierto fue del 98 %, frente al 45 % de otros programas de IA.
Es un gran avance, pero según los expertos, para alcanzar la flexibilidad de la inteligencia humana, la red deberá aprender por ejemplo a comparar no solo parejas de cosas, sino tríos, dobles parejas y otras combinaciones.
Fuente informativa: Muy Interesante / Luis Otero
Fecha de consulta: 19/06/2017