La idea de construir tecnologías con “cerebros” que logren aprender, e incluso que estén estructurados como el nuestro, hasta hace poco parecía una historia de ciencia ficción.

El 12 de septiembre fue celebrado el evento llamado “Samsung AI Forum 2018”, en Seúl, la segunda edición de inteligencia artificial de Samsung Electronics (AI); este foro contó con grandes expertos especializados en la inteligencia artificial, quienes se encargaron de debatir sobre cómo los avances innovadores no sólo están ayudando a crear una tecnología que hará que nuestras vidas sean mucho más cómodas, convenientes y eficientes, sino que además nos ha enseñado más sobre cómo funcionan nuestras propias mentes.

Yann LeCun

El foro comenzó con una presentación del director fundador del Centro de Ciencias de Datos de la Universidad de Nueva York y una de las mentes líderes en el mundo del aprendizaje profundo, Yann LeCun.

El discurso del director sentó las bases para los emocionantes debates sobre el aprendizaje no supervisado que seguirían durante el transcurso del evento con una duración de dos días. LeCun explicó por qué él y muchos de sus compañeros creen que el aprendizaje no supervisado, también conocido como aprendizaje auto controlado, representa el futuro de la IA. También profundizó en las posibles aplicaciones y limitaciones que pondrían tener los algoritmos de aprendizaje sin supervisión, y explicó cómo difieren de los algoritmos de aprendizaje supervisado y de refuerzo.

LeCun en el evento enfatizó que los algoritmos de aprendizaje supervisado aprenden a utilizar conjunto de datos etiquetados y claves de respuesta que les permiten evaluar su precisión. Esto significa esencialmente que cada ejemplo en el conjunto de datos de entrenamiento incluye la respuesta que el algoritmo debe producir. En cambio, con el aprendizaje de refuerzo, un algoritmo se entrena usando un sistema de recompensa que ofrece retroalimentación cuando realiza una acción óptima para una situación dada. Depende de esta retroalimentación, en lugar de los conjuntos de datos etiquetados, para tomar la decisión que ofrezca la mayor recompensa.

Con el aprendizaje no supervisado, el algoritmo tiene la tarea de dar sentido a un conjunto de datos sin etiqueta, un conjunto de ejemplos que no tiene una respuesta correcta o el resultado deseado, por sí mismo. Si bien estos algoritmos pueden ser más impredecibles que sus contrapartes, también pueden realizar tareas de procesamiento más complejas.

En este caso, LeCun utilizó el entrenamiento de autos sin conductor como un ejemplo clave del potencial que podría existir en el aprendizaje no supervisado. “Mucha gente que está trabajando en la conducción autónoma espera utilizar el refuerzo para que los autos aprendan a conducir por sí mismos por prueba y error”, expresó LeCun. “El problema con esto es que, debido a las ineficiencias inherentes del aprendizaje de refuerzo, tendrías que conseguir un automóvil para conducir por un acantilado miles de veces antes de que descubra cómo no hacer eso”.

Por otro lado, LeCun se encargó de explicar detenidamente cómo, a diferencia de los modelos de aprendizaje de refuerzo, que se basan en prueba y error, los modelos de aprendizaje no supervisados podrían ser capaces de adivinar qué hacer en una situación similar, demostrando capacidades mentales muy similares a las que llamaríamos sentido común.

También habló sobre su experiencia en el desarrollo de redes neuronales artificiales (específicamente redes neuronales convolucionales (ConvNets)) y demostró cómo estas pueden usarse para construir no solo automóviles autónomos sino también una amplia variedad de dispositivos innovadores, incluidas tecnologías para señalización médica y análisis de imágenes bioinformática, reconocimiento de voz, traducción de idiomas, restauración de imágenes, robótica y física.

La presentación de LeCun fue seguida por una conferencia de otra fuente destacada en el campo del aprendizaje profundo: el profesor Yoshua Bengio de la Universidad de Montreal. La conferencia del profesor Bengio se centró específicamente en el descenso de gradiente estocástico (SGD), un método de optimización de la inteligencia artificial que se utiliza para minimizar los errores cometidos por las redes neuronales artificiales.

“SGD es realmente el caballo de batalla del aprendizaje profundo. Esta es la técnica de optimización que se utiliza en todas partes para el aprendizaje supervisado, el aprendizaje de refuerzo y el aprendizaje auto-supervisado. Ha estado con nosotros durante muchas décadas y funciona increíblemente bien, pero aún no lo entendemos por completo”, explicó Bengio.

Yoshua Bengio

La presentación del profesor permitió que los participantes lograran obtener una mejor comprensión de SDG, específicamente sobre cómo las variantes de SGD pueden afectar la optimización y generalización de redes neuronales. Bengio habló sobre cómo la visión tradicional del aprendizaje automático considera que la optimización y la generalización están claramente separadas, pero ese no es el caso. También presentó hallazgos de investigación detallados sobre los efectos de las técnicas de aprendizaje basadas en SGD en ambos aspectos del diseño de red.

¿Lograrán ser revelados los secretos de nuestro cerebro?


Sebastian Seung, vicepresidente ejecutivo de Samsung Research y científico jefe de investigación de Samsung Electronics, realizó una presentación especialmente esclarecedora que describió por qué el aprendizaje no supervisado será esencial para desarrollar IA con capacidades mentales a nivel humano.

El vicepresidente ejecutivo describió cómo las redes neuronales convolucionales que LeCun había examinado en detalle, las cuales están de hecho basadas en ideas obtenidas a través del estudio de la neurociencia. También discutió cómo su investigación en redes neuronales artificiales y biológicas lo llevó a estudiar formas de aplicar la inteligencia artificial para obtener una mejor comprensión de cómo están conectados nuestros cerebros.

Seung enfatizó que el modelo para diseñar redes de aprendizaje no supervisadas yace en la corteza del cerebro, y destacó un estudio reciente en el que su equipo participó que usó la inteligencia artificial para mapear todas las neuronas contenidas en un milímetro cúbico de la corteza visual de un ratón.

El algoritmo de aprendizaje no supervisado que utilizaron los investigadores les permitió no solo crear una reconstrucción tridimensional del cableado de la red neuronal, sino que también permitió etiquetar y colorear las células individuales y sus componentes. “Esa es la magia del aprendizaje profundo”, expresó Seung. “Si un humano tuviera que colorear todo eso, tomaría unos 100 años de trabajo. Y eso es sin espacios para descansar o dormir”.

Robots entre nosotros


Otro aspecto relevante del evento fue el discurso realizado por Cynthia Breazeal, fundadora y directora científica de Jibo Inc., y directora fundadora del Personal Robotics Group en el Media Lab del MIT (Instituto de Tecnología de Massachusetts), el cual se centró en la aplicación de IA para desarrollar robótica avanzada. 

Su discurso fue titulado “Vivir y florecer con robots sociales”, donde discutió acerca de los enfoques necesarios para desarrollar sistemas autónomos que utilicen la IA para mejorar nuestra calidad de vida. Como explicó Breazeal, las tecnologías autónomas, social y emocionalmente inteligentes (robots con lo que se conoce como ‘IA relacional’) presentan una amplia gama de beneficios para la comunidad

“Estoy realmente emocionado de pensar en los próximos 10 a 20 años, de que estos robots se conviertan realmente en parte de nuestra vida cotidiana”, expresó Breazeal.

La presentación destacó las utilidades de tecnología complementaria en particular, e incluyó ejemplos específicos de formas en que los robots podrían usarse para ayudar a niños y adultos mayores. Breazel enfatizó los estudios en los que los compañeros robóticos de IA se les dieron a los pacientes en un hospital infantil, así como a los estudiantes de jardín de infantes y personas mayores.

Los videos de los estudios mostraron cómo los niños en el hospital se sentían cómodos al tener un acompañante parecido a un compañero a su lado, y demostraron cómo se pueden usar los robots para impulsar el aprendizaje. Como explicó Breazeal, “se trata de una visión diferente para la inteligencia artificial. En este momento hay tanto énfasis en las herramientas para profesionales, y no hay mucho pensamiento profundo sobre cómo la IA beneficiará a toda la comunidad”. Los estudios, agregó Breazeal, “demuestran que hay muchas promesas con estas tecnologías en el mundo real…haciendo una verdadera diferencia”.

El foro de este año también incluyó una gran variedad de discursos que ofrecieron una mirada completa sobre el estado actual del desarrollo de la inteligencia artificial. Estas incluyeron presentaciones sobre temas que cubren los avances en el aprendizaje de refuerzo, la estimación neural de la información mutua, inteligencia artificial social y emocionalmente inteligente, robots asistentes personales y medicina de precisión a través del aprendizaje automático. Los desarrollos discutidos en el Samsung AI Forum 2018 representan grandes avances hacia la creación de un futuro cada vez más conectado a la IA.

Dejar respuesta

Please enter your comment!
Please enter your name here

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.