La inteligencia artificial impulsada por el aprendizaje automático igualará y superará las capacidades humanas en las áreas de la visión por computadora y el reconocimiento del habla en un plazo de cinco a diez años, dice el director general de Facebook, Mark Zuckerberg.
La mayoría de las grandes compañías web, como Facebook (NASDAQ: FB), utilizan la tecnología de aprendizaje automático para utilizar su enorme conjunto de datos y ofrecer mejores servicios a sus clientes. Los algoritmos trabajan en segundo plano en Facebook para hacer cosas como prescribir, recomendar nuevas conexiones a los usuarios de Facebook, introducir contenido que coincida con el interés del usuario y bloquear el spam.
Sin embargo, la organización está empezando a utilizar el aprendizaje automático de formas más avanzadas, por ejemplo, para el reconocimiento facial en las imágenes presentadas en el sitio. Después de identificar a un individuo en una fotografía, la nueva aplicación Moments puede incluso recomendar a un usuario que la comparta con ese individuo.
En un informe reciente, un grupo de investigadores de diferentes empresas y universidades alemanas ha puesto de relieve las dificultades de evaluar el rendimiento del aprendizaje profundo en el procesamiento de datos visuales. En su documento, titulado «La notoria dificultad de comparar la percepción humana y la de las máquinas», los investigadores destacan los problemas de los métodos actuales que comparan las redes neuronales profundas y el sistema de visión humana.
En su estudio, el investigador dirigió una serie de exámenes que escarban bajo la superficie de los resultados de aprendizaje profundo y los comparan con las operaciones del marco visual humano. Sus descubrimientos son un recordatorio de que debemos ser cautelosos al comparar la IA con la gente, independientemente de si muestra un rendimiento equivalente o mejor en una tarea similar.
La visión de hacer máquinas que puedan pensar y actuar como la gente ha evolucionado de la ficción cinematográfica a los hechos del mundo real. Desde hace tiempo nos hemos esforzado por adquirir la Inteligencia en las Máquinas para facilitar nuestro trabajo. Hay bots, humanoides, robots y gente digital que o bien flanquean a la gente o facilitan con nosotros de muchas maneras. Estas aplicaciones impulsadas por la IA tienen una mayor velocidad de ejecución, tienen una mayor capacidad operativa y precisión, mientras que también son excepcionalmente críticas en trabajos aburridos y monótonos en comparación con los humanos.
Inesperadamente, la Inteligencia Humana se relaciona con el aprendizaje y la experiencia de adaptación. Generalmente no se basa en datos prealimentados como los que requiere la IA. La memoria humana, su potencia de cálculo y el cuerpo humano como elemento pueden parecer irrelevantes comparados con la infraestructura de hardware y software de la máquina. En cualquier caso, la profundidad y las capas presentes en nuestras mentes son inequívocamente más complejas y refinadas, que las máquinas, a pesar de todo, no pueden superar en un futuro próximo.
Bueno, la IA está terminando siendo un dispositivo importante, y un proceso de trabajo inteligente será la norma que ahorre trabajo dentro de pocos años», dijo Scott Robinson, un experto en SharePoint e inteligencia de negocios con sede en Louisville, Ky. En cualquier caso, los procesos de negocios incluyen ideas inteligentes y comportamiento inteligente. La inteligencia artificial es extraordinaria para replicar el comportamiento inteligente, sin embargo, el pensamiento inteligente es otro tema. No vemos completamente cómo crecen los pensamientos humanos inteligentes, así que no vamos a fabricar máquinas que puedan tenerlos en un futuro próximo.
El aprendizaje profundo (DL), un subconjunto de la IA, utiliza la idea de las redes neuronales que es fundamentalmente la misma que la del sistema nervioso y el cerebro humanos. Nuestra inteligencia reside en el aprendizaje adaptado y en darse cuenta de cómo aplicar la información en situaciones del mundo real. En el aprendizaje profundo, copiamos la capacidad de los cerebros humanos para aprender en varias etapas. Nos ocupamos de temas complejos separándolos en niveles de información. Me pregunto qué tan bien lees un largo libro anecdótico hace mucho tiempo y todavía puedes recordar tu personaje favorito y las famosas citas.
Aparentemente, en la interminable búsqueda por reconstruir la percepción humana, el campo que ha llegado a conocerse como visión por computadora, el aprendizaje profundo ha dado hasta ahora los mejores resultados. Las redes neuronales convolucionales (CNN), una arquitectura que se utiliza regularmente en los algoritmos de aprendizaje profundo de la visión por computador, están logrando tareas que eran extremadamente difíciles con el software tradicional.
En cualquier caso, comparar las redes neuronales con la percepción humana sigue siendo un desafío. Además, esto se debe en parte al hecho de que, a pesar de todo, tenemos un largo camino por recorrer para aprender sobre el sistema de visión humano y el cerebro humano en general. Las complejas funciones de los marcos de aprendizaje profundo intensifican aún más la cuestión. Las redes neuronales profundas funcionan de maneras enrevesadas que a menudo confunden a sus propios creadores.
Seguir con los datos actuales y nuestras progresiones de IA, el procesamiento del lenguaje, la visión, el procesamiento de la imagen y el sentido común es todavía un desafío para las máquinas y requiere mediaciones humanas. Dado que la IA está todavía en su etapa de avance, el futuro reside en lo bien que nosotros, la gente, gobernamos las aplicaciones de la IA con el objetivo de que mantengan los valores humanos y las medidas de seguridad. Como Nick Burns, Científico de Datos de Servicios SQL aclaró: «Independientemente de lo bueno que sean tus modelos, están a la par de tus datos».
A medida que nuestros marcos de IA se vuelven más intrincados, deberíamos desarrollar técnicas más complejas para probarlos. Trabajos anteriores en este campo muestran que muchos de los famosos puntos de referencia utilizados para medir la precisión de los sistemas de visión artificial son engañosos. El trabajo de los investigadores alemanes es uno de los numerosos esfuerzos que tratan de medir la inteligencia artificial y medir mejor las diferencias entre la IA y la inteligencia humana. Es más, llegan a conclusiones que pueden dar encabezamiento a futuras investigaciones de la IA.
El desafío general en los estudios de comparación entre humanos y máquinas es, por supuesto, el fuerte sesgo interno de la interpretación humana. «Las herramientas de análisis adecuadas y las extensas comprobaciones cruzadas -por ejemplo, las variedades en la arquitectura de la red, la alineación de los procedimientos experimentales, las pruebas de generalización, los ejemplos de confrontación y las pruebas con redes restringidas- ayudan a justificar la interpretación de los hallazgos y a poner de manifiesto este sesgo interno. En definitiva, hay que tener cuidado de no forzar nuestro sesgo sistemático al comparar la percepción humana y la de las máquinas.
Compartir este artículo
Haz la cosa de compartir