Un equipo de científicos ha desarrollado un algoritmo que permite a los ordenadores reconocer y dibujar trazosvisuales sencillos que en el mayor de los casos no se distinguen de los creados por seres humanos.

Estos investigadores de la Universidad de Toronto, avanzan en el campo de la inteligencia artificial(I.A.) y elaprendizajeautomático. El estudio ha sido portada de la conocida revista Science.

El autor principal del artículo, Brenden Lake, afirma que “nuestros resultados muestran que a través de ingeniería inversa sobre cómo la gente resuelve un problema, podemos desarrollar mejores algoritmos”. Si bien, subraya que a nivel de aprendizaje “la gente sigue siendo mucho más eficiente que las máquinas”.

Cuando los humanos nos exponemos a un nuevo concepto, como por ejemplo el uso de un aparato de cocina o un nuevo paso de baile, con frecuencia nos basta con que se nos muestren algunos ejemplos para comprender el funcionamiento o desarrollo de la habilidad. En cambio, aunque las máquinas pueden reproducir ciertos patrones, como leer los números escritos en una cuenta matemática, necesitan cientos o miles de ejemplos para llevarlos a cabo con una precisión similar a la humana.  

Ruslan Salakthutdinov, profesor asistente de Ciencias de la Computación en la Universidad de Toronto puntualiza que “ha sido muy difícil construir máquinas que requieran tan pocos datos para aprender nuevos conceptos de la manera en que los humanos lo hacen”.

Los autores aplicaron su modelo a más de 1.600 tipos de caracteres escritos a mano en 50 sistemas de escritura del mundo, incluyendo el sánscrito, el tibetano, el gujarati, el glagolítica e incluso el inventado por personajes como los de la serie de televisión Futurama.

Salakhutdinov ayudó a crear el reciente interés en el aprendizaje con redes neuronales profundas, a través de un artículo publicado en Science hace casi 10 años. El algoritmo que enseña a las máquinas a escribir como humanos aprendió la estructura de 10 conceptos escritos a mano (mediante dígitos de 0-9) que necesitaron 6.000 ejemplos cada uno. Un total de 60.000 ejemplos de entrenamiento.

Para ello, desarrollaron un Programa de Aprendizaje Bayesiano"(BPL) en el que los conceptos se representan como programas informáticos sencillos. Por ejemplo, el ordenador representa la letra "A" mediante un código similar al utilizado por un programador informático, generando ejemplos de esa letra cuando se ejecuta el código.

La I.A. llegará a los humanos en el 2030

Por el momento no es necesario un programador durante el proceso de aprendizaje: el propio algoritmo del programa construye el código para reproducir la letra que ve.

También, a diferencia de los programas estándar de ordenador que reproducen el mismo resultado cada vez que se ejecutan, estos programasprobabilísticos generan diferentes respuestas en cada ejecución. Esto les permite asimilar las variaciones de conceptos como pueden ser las diferencias con las que dos personas diferentes dibujan la letra 'A'.

Veremos cómo evoluciona la inteligencia artificial en las máquinas, pero de momento, algunos seguiremos echando cuentas con los dedos de la mano.

[Fuente: Science]