Las técnicas de aprendizaje de la inteligencia artificial rivalizan con la destreza humana

Investigadores del área de informática dieron a conocer avances en el ámbito de la inteligencia artificial, los cuales superaron las capacidades humanas en relación con un reducido grupo de tareas vinculadas con la visión.

Los avances son destacables porque los famosos sistemas de visión artificial se están tornando comunes en muchos aspectos de la vida (en los sistemas de seguridad de los automóviles, que detectan peatones y ciclistas, en los controles de los videojuegos, en la búsqueda en Internet y en los robots que se emplean en las fábricas).

Desde el Instituto de Tecnología de Massachusetts (Massachusetts Institute of Technology, o MIT, por su sigla en inglés), de la Universidad de Nueva York (New York University, en inglés) y de la Universidad de Toronto informaron sobre un nuevo y exclusivo tipo de aprendizaje asistido por computadora en la revista Science, en el cual un programa de visión computarizada superó a un grupo de seres humanos en la identificación de caracteres que habían sido escritos a mano tomando como base un solo ejemplo.

El programa puede aprender rápidamente los caracteres en una variedad de idiomas y generalizar a partir de lo que aprendió. Los autores sugieren que esta habilidad es similar a la manera en la que aprenden y entienden conceptos los seres humanos.

El nuevo método, conocido como Bayesian Program Learning (Programa de Aprendizaje Bayesiano, o B.P.L., por su sigla en idioma inglés), es diferente de las tecnologías actuales que se utilizan para el aprendizaje, denominadas redes neuronales profundas.

Las redes neuronales se pueden entrenar para reconocer la voz humana, detectar objetos en imágenes o identificar clases de comportamiento exponiéndolas a grandes conjuntos de ejemplos.

Aunque dichas redes están creadas tomando como modelo el comportamiento de las neuronas biológicas, todavía no aprenden de la misma manera en que lo hacen los seres humanos (adquiriendo nuevos conceptos rápidamente). En contraste, el nuevo programa de software descripto en el artículo de la revista Science puede aprender a reconocer caracteres escritos después de "ver" únicamente unos pocos de ellos o incluso un solo ejemplo.

Es sorprendente lo que puedes hacer con montones de datos y computadoras más rápidas. Pero cuando observas a los niños, es sorprendente lo que pueden aprender a partir de muy pocos datos

Los investigadores compararon las destrezas de su método Bayesiano con otros modelos de programación utilizando cinco tareas de aprendizaje por separado que involucraron un conjunto de caracteres de un grupo de datos de investigación conocido como Omniglot, el cual incluye 1.623 grupos de caracteres escritos a mano en 50 idiomas. Se captaron tanto las imágenes como los trazos de bolígrafo necesarios para crear los caracteres.

"Con todos los avances en el aprendizaje artificial, es sorprendente lo que puedes hacer con montones de datos y computadoras más rápidas", dijo Joshua B. Tenenbaum, un profesor de ciencia cognitiva y computación en el M.I.T., quien también es uno de los autores del artículo que fue publicado en la revista Science. "Pero cuando observas a los niños, es sorprendente lo que pueden aprender a partir de muy pocos datos. Algo de lo que aprenden proviene de conocimientos previos y otra parte, se construye en el cerebro".

Los organizadores de una competencia académica anual de visión artificial informaron avances registrados en la reducción de la tasa de error en el software destinado a hallar y clasificar objetos en imágenes digitales.

"Constantemente me sorprendo por los progresos que se logran en este campo", expresó Alexander Berg, un profesor asistente de informática de la Universidad de Carolina del Norte, en Chapel Hill.

La competencia, conocida como Imagenet Large Scale Visual Recognition Challenge (Desafío Imagenet de Reconocimiento Visual a Gran Escala, en idioma español), enfrenta a equipos de investigadores de laboratorios académicos, gubernamentales y corporativos. Ellos deben diseñar programas para clasificar y detectar objetos. Este año ganó la competencia un grupo de investigadores del laboratorio de Investigaciones de Microsoft, en Beijing.

El equipo de Microsoft pudo reducir a la mitad el número de errores en una tarea que requería que su programa clasificara objetos de un grupo de 1.000 categorías. El equipo también ganó una segunda competencia al detectar con precisión todos los ejemplos de objetos en 200 categorías.

La competencia requiere que los programas examinen un gran número de imágenes digitales y que rotulen o hallen objetos en las imágenes. Por ejemplo, pueden tener que distinguir entre objetos como bicicletas o automóviles, los cuales podrían parecer tener dos ruedas desde una determinada perspectiva.

Tanto en la tarea de reconocimiento de la escritura a mano descripta en la revista Science como en la competencia de detección y clasificación visual, los investigadores realizaron sus mejores esfuerzos para comparar sus adelantos con las destrezas humanas. En ambos casos, los avances en el software ahora parecen superar las capacidades de los seres humanos.

Sin embargo, los científicos del área de la informática advirtieron que no se deben sacar conclusiones sobre máquinas "pensantes" ni hacer comparaciones directas con la inteligencia humana.

"Yo sería muy cuidadoso con las expresiones como ‘desempeño súper humano’", señaló Oren Etzioni, quien es el director ejecutivo del Instituto Allen para la Inteligencia Artificial (Allen Institute for Artificial Intelligence, en idioma inglés), ubicado en Seattle. "Por supuesto, la calculadora muestra un desempeño súper humano, con la posible excepción de Dustin Hoffman", agregó, en referencia a la interpretación que realizó el autor de un autista prodigio que poseía extraordinarias capacidades para la matemática en la película "Rain Man".

Los avances reflejan el foco cada vez mayor sobre el tema en Silicon Valley, y en todos lados, respecto de la inteligencia artificial.

El mes último, la firma Toyota Motor Corporation anunció una inversión de mil millones de dólares por cinco años destinada a crear un centro de investigaciones ubicado al lado de la Universidad Stanford con el fin de enfocarse en la inteligencia artificial y en la robótica.

Asimismo, una conferencia académica que antes era desconocida, y que fue denominada Neural Information Processing Systems (Sistemas Neuronales de Procesamiento de Información, en idioma español), y que está teniendo lugar esta semana en Montreal, ha duplicado su tamaño respecto del año último y ha atraído a una creciente lista de patrocinadores, entre los que se incluye a Apple por primera vez.

"Ahora hay una alta demanda; no hay suficientes personas talentosas para cubrir la demanda de las compañías que las necesitan", dijo Terrence Sejnowski, quien es el director del Laboratorio de Neurobiología Computacional (Computational Neurobiology Laboratory, en idioma inglés), del Instituto Salk para Estudios Biológicos (Salk Institute for Biological Studies, en idioma inglés), en San Diego. "Quienes están haciendo el doctorado están siendo contratados en sitios que no son las escuelas de posgrados y perciben salarios más elevados que los profesores que les enseñan".

TRADUCCIÓN DE ÁNGELA ATADÍA DE BORGHETTI