La inteligencia artificial quiere dar un paso más.

En los humanos, el sueño nocturno y diurno ayuda a consolidar la memoria, llevándola del corto plazo al almacenamiento a largo plazo. A través de tres procesos distintos (estabilización, mejoramiento e integración), el cerebro transfiere recuerdos a una especie de archivo que facilita su recuperación en el futuro.

La estabilización codifica una especie de paquete memorialístico en los primeros seis milisegundos. Luego viene el mejoramiento, el cual se da cuando el cerebro introduce esta “memoria” en un proceso que dura minutos, horas, o un día completo, depende, para que ésta forme parte de la memoria a largo plazo. Finalmente, el último proceso, el de integración, se da cuando el cerebro agrega estas nuevos paquetes de memoria a los viejos, un proceso no muy distinto al de un archivador.

El primer gran logro de Google en términos de inteligencia artificial (IA) se dio con la red neuronal de DeepMind, que en un inicio se dedicó a resolver videojuegos de antaño, como los de Atari. Juegos como el de eliminar asteroides sirvieron para enseñar a la IA las secuencias más simples para vencer al juego, pero también sentaron las bases para las técnicas de aprendizaje “supervisado” que se usan hasta hoy.

Aunque DeepMind ya sea todo un logro, aún le falta para poder vencer a los humanos en juegos más complejos como StarCraft o Labyrinth. Donde nosotros soñamos todo tipo de situaciones y amenazas, los sueños de la IA consisten en ensayar secciones enteras de estos juegos para visualizar el camino a la victoria y repetirlo hasta alcanzar la experiencia.

De aquí surge un objetivo claro: instalar la inteligencia artificial en el aprendizaje a través de la experimentación, tal como lo hacen los humanos. El cambio del aprendizaje supervisado (es decir, con base en patrones) a un aprendizaje sin supervisión implica enseñar a los robots a experimentar y analizar cómo las diferentes decisiones de acción afectan el resultado. Algo así como los nuevos videojuegos multihistoria, donde depende mucho el camino que tomes para llegar a un final u otro.

Evidentemente, este tipo de aprendizaje es mucho más lento debido a un número infinito de variables, lo que lo convierte en candidato perfecto para periodos de inactividad o sueño.

Aunque todo esto sigue siendo un área en pañales para la investigación de la IA, hasta ahora los científicos informan un impresionante aumento de la velocidad (10x) en la tasa de aprendizaje, y que ya va por encima de la formación supervisada. Esto sólo significa que los robots ya están aprendiendo a tomar sus propias decisiones.

Quizá todos vemos demasiado Westworld, pero los primeros resultados sugieren que estos robots podrían tener un papel bastante protagónico en la inteligencia artificial del futuro. ¿Hay que temer o no? Sólo el tiempo lo dirá.

vía The Next Web

fuente Extreme Tech

temas