08 de julio de 2018
08.07.2018
Serendipias

Máquinas que necesitan aprender

Si queremos alcanzar el desarrollo de la inteligencia artificial, las máquinas deben ser capaces de aprender por sí mismas

08.07.2018 | 00:13
Máquinas que necesitan aprender

La aplicación pix?pix ( https:// affinelayer.com/pixsrv) convierte nuestros bocetos digitales en imágenes realistas. Ratón en mano, trazamos sobre la pantalla unas cuantas rayas, y el programa interpreta a su lado una imagen reconocible de este boceto. Si somos hábiles, el esbozo de un gato, por ejemplo, se transformará en un adorable felino fotorrealista. Pero, como nos tiemble el pulso, al engendro resultante de carne y pelo, no nos lo podremos sacar fácilmente de la memoria. Hiperrealismo gatuno o bultos a medio cocer: al programa aún le queda mucho para aprender a descifrar los gestos humanos.

Y no es el único. Otros muchos programas inteligentes como los asistentes virtuales de Apple (Siri) o Microsoft (Cortana), el buscador automático de canciones de Google Music Play (según gustos y actividades que realizas mientras escuchas música), o el coche sin conductor de Uber, todavía están lejos de ser las inteligencias artificiales, eficaces y amigables, que muchos hemos visto en las películas de ciencia ficción. Cuando no ofrecen respuestas o interpretaciones imprecisas, se llevan a un ciclista por delante, como le pasó a este automóvil autónomo durante el mes de marzo (Arizona).

Pero están en ello. Tras estos tropiezos, cada una de estas aplicaciones esconde una programación diseñada para aprender de sus propios errores. Es lo que se conoce como machine learning o aprendizaje automático, los procesos que permiten a las máquinas aprender por sí mismas. Un campo específico del estudio de la inteligencia artificial, que ha copado prácticamente todas las áreas de la computación actual. Desde las aplicaciones inteligentes que pretenden aligerar nuestro día a día (como las anteriormente citadas), hasta las que, directamente, pretenden sustituirnos en el trabajo: ya se están diseñando softwares de aprendizaje automático, capaces de realizar, entre otras cosas, operaciones quirúrgicas o retrasmisiones deportivas en directo (en este grupo, mejor no mencionar a las operadoras telefónicas virtuales).

La estrategia del machine learning consiste, básicamente, en desarrollar procesos que permitan a las máquinas ser autosuficientes a partir de los datos y las experiencias supervisadas que introducimos en ellas. Pongamos, por ejemplo, que queremos un coche sin conductor como el de Uber, capaz de circular, algún día, de forma segura. No basta con insertar en su disco duro todos los mapas, normas de tráfico, y rutas del planeta (en cualquiera de sus idiomas o legislaciones); es necesario que, además de estos datos, el software del coche aprenda a conducir. Que tenga las herramientas necesarias para predecir e improvisar reacciones ante los otros conductores, los baches de la carretera o cualquier otro accidente inesperado. Solo de esta manera, nos podríamos asegurar un viaje tranquilo, mientras la computadora adquiere experiencia y mejora la conducción.

Este aprendizaje automático, ha alcanzado grandes avances gracias, también, al desarrollo de internet. El crecimiento constante de plataformas de datos y aplicaciones en red (de cualquier tipo: para cine, deportes o rutas de tráfico), ha abierto el machine learning a grupos de información cada vez mayores, con lo que la máquina puede ampliar, exponencialmente y casi de forma indefinida, sus conocimientos. La intención es llegar a diseñar máquinas que empleen la red como una suerte de cerebro global, una fuente ilimitada de información en directo, con la que poder llegar a definirse como una entidad autónoma y -quizás- una inteligencia artificial.

Compartir en Twitter
Compartir en Facebook