Utilizamos cookies propias y de terceros para mejorar nuestros servicios y facilitarte el uso de la web mediante el análisis de tus preferencias de navegación. También compartimos la información sobre el tráfico por nuestra web a los medios sociales y de publicidad con los que colaboramos. Si continúas navegando, consideramos que aceptas nuestra Política de cookies .

1 de Octubre de 2019
Computación

Imaginación artificial

Las máquinas podrían aprender la creatividad y el sentido común, entre otras cualidades humanas.

GABRIEL SILVEIRA

En síntesis

Varios métodos emergentes confieren a los sistemas de inteligencia artificial, como las redes neuronales, características que se consideraban puramente humanas.

El metaaprendizaje prepara las redes para que puedan adaptarse rápidamente y aprender nuevas tareas sin necesitar una miríada de datos.

Las redes generativas antagónicas proporcionan una forma de imaginación y permiten a las máquinas reproducir las propiedades estadísticas de un conjunto de datos.

El «desenredo» logra que la red neuronal perciba la estructura subyacente de los datos y que su funcionamiento interno resulte más comprensible.

Si alguna vez se siente escéptico respecto al ser humano, hablar con los investigadores en inteligencia artificial (IA) constituye un buen antídoto. Pese a que los sistemas de IA ya nos han igualado o superado en el reconocimiento facial, la traducción de idiomas, los juegos de mesa o electrónicos y la señalización de las maniobras de conducción, estos expertos no tienen una actitud triunfalista, sino que siempre están hablando de las maravillas del cerebro humano, de lo eficiente y adaptable que es, de su infinidad de facultades. Las máquinas carecen aún de esas cualidades: son inflexibles, son opacas y aprenden despacio, precisando un entrenamiento exhaustivo. Y hasta sus tan pregonados éxitos se limitan a ámbitos muy concretos.

Muchos investigadores se embarcaron en el campo de la IA con el propósito de comprender, reproducir y, en última instancia, superar la inteligencia humana. Pero incluso aquellos con intereses más prácticos creen que las máquinas deberían parecerse más a nosotros. Una red social que entrene sus algoritmos de reconocimiento de imágenes no tendrá dificultades para encontrar fotos de gatos o de famosos; pero otras clases de datos son más difíciles de identificar, y las máquinas podrían resolver un abanico más amplio de problemas si fueran más ingeniosas. Los datos relacionados con el mundo material son especialmente limitados. Si un robot tiene que aprender a manipular bloques, no es factible enseñarle todas las disposiciones que podría encontrarse: como los seres humanos, necesita adquirir destrezas generales en lugar de memorizar mecánicamente.

Al arreglárselas con menos datos de entrada, las máquinas también deben ser más generosas con su salida. No basta con la respuesta: la gente también quiere conocer su razonamiento, sobre todo cuando los algoritmos emiten juicios sobre préstamos bancarios o penas de prisión. Uno puede interrogar a los burócratas humanos sobre sus prejuicios y conflictos de intereses, pero no tendrá tanta suerte con los sistemas actuales de IA. En 2018, la Unión Europea concedió a los ciudadanos derecho limitado a recibir una explicación sobre cualquier decisión basada en un proceso automatizado. En EE.UU., la Agencia de Proyectos Avanzados de Investigación para la Defensa financia un programa de «IA explicable», pues los militares preferirían no enviar soldados al frente sin saber por qué.

Un gran número de investigadores están abordando estos problemas. Se discute sobre si una inteligencia más parecida a la humana requerirá cambios radicales, aunque es reseñable lo lejos que hemos llegado con mejoras bastante graduales. La autosuperación, la imaginación, el sentido común: estas cualidades que parecían puramente humanas están incorporándose a las máquinas, al menos hasta cierto punto. La clave está en un entrenamiento inteligente. Guiadas por instructores humanos, las máquinas dan los mayores pasos por sí solas.

Redes profundas

Las redes neuronales son la técnica de IA en auge. Están formadas por unidades básicas de computación, o «neuronas» (que pueden ser tan simples como un interruptor que se activa o desactiva según el estado de las neuronas a las que está conectado), por lo general agrupadas en capas. Una capa inicial acepta la entrada (por ejemplo, los píxeles de una imagen), una capa final genera la salida (una descripción de alto nivel del contenido de la imagen), y las capas intermedias u «ocultas» producen combinaciones aritméticas de la entrada. Algunas redes, en especial las usadas en problemas que se extienden en el tiempo, como el reconocimiento de idiomas, presentan bucles que reconectan la salida o las capas ocultas a la entrada.

Artículos relacionados

Puedes obtener el artículo en...

¿Tienes acceso?

Los boletines de Investigación y Ciencia

Elige qué contenidos quieres recibir.