Por qué la revolución de IA será dirigida por tostadoras

Por qué la revolución de IA será dirigida por tostadoras


¿Serán los algoritmos inteligentes del futuro robots de propósito general, expertos en bromas ociosas y leyendo mapas, ya que son útiles en la cocina? ¿O nuestros asistentes digitales se verán más como un saco de sorpresas de artilugios especializados, menos un solo masterchef parlante que una cocina llena de electrodomésticos?

Si un algoritmo intenta hacer demasiado, se mete en problemas. La siguiente receta fue generada por una red neuronal artificial, un tipo de inteligencia artificial (IA) que aprende con el ejemplo. Este algoritmo particular analizó las recetas de recetas de 30,000 de todo tipo, desde sopas hasta tartas y barbacoas, y luego intentó crear las suyas propias. Los resultados son, digamos, poco ortodoxos:

(Nota del editor: No pruebe estas recetas en casa, jaja)

Unte el arroz con pollo
queso / huevos, ensaladas, queso
2 lb corazones, sin semillas
1 taza de menta fresca rallada o pastel de frambuesa
Catrimas de copa 1 / 2, ralladas
1 cucharada de aceite vegetal
Sal 1
Pimienta 1
2 1 / 2 tb azúcar, azúcar
Combine unleaves y revuelva hasta que la mezcla esté espesa. Luego agregue los huevos, el azúcar, la miel y las semillas de alcaravea, y cocine a fuego lento. Agregue el jarabe de maíz, el orégano y el romero y la pimienta blanca. Poner la crema por calor. Cocine agregue la cucharadita 1 restante de levadura en polvo y sal. Hornee en 350F para 2 a 1 hora. Servir caliente.
Rendimiento: porciones 6

Ahora, aquí hay un ejemplo de una receta generada por el mismo algoritmo básico, pero en lugar de datos que incluían recetas de todo tipo, solo se veía en los pasteles. La receta no es perfecta, pero es mucho, mucho mejor que la anterior:

Pastel de zanahoria (Vera Ladies ")
pasteles, alcohol
Mezcla de pastel amarillo 1 pkg
3 taza de harina
1 cucharadita de polvo de hornear
1 1 / 2 cucharadita de bicarbonato de sodio
1 / 4 cucharadita de sal
1 cucharadita de canela en polvo
1 cucharadita de jengibre en polvo
1 / 2 cucharadita de clavo molido
1 cucharadita de polvo de hornear
1 / 2 cucharadita de sal
1 cucharadita de vainilla
Huevo 1, temperatura ambiente
taza de azúcar 1
1 cucharadita de vainilla
Taza de nueces picadas 1
Precalentar el horno a 350 grados. Engrase un molde de resorte de 9 pulgadas.
Para hacer la tarta: bata los huevos a alta velocidad hasta que estén gruesos y de color amarillo y déjelos a un lado. En otro recipiente, bata las claras de huevo hasta que estén firmes. Aprieta el primero como la mezcla en la sartén preparada y alisa la mezcla. Hornee durante aproximadamente 40 minutos o hasta que un palillo de madera insertado en el centro salga limpio. Enfriar en la sartén durante 10 minutos. Dé vuelta a una rejilla para que se enfríe por completo.
Retire la torta de la sartén para que se enfríe completamente. Sirve caliente.
HereCto Cookbook (1989) de Kitchen & Hawn in the Canadian Living
Rendimiento: porciones 16

Claro, cuando observas las instrucciones más de cerca, produce solo una sola yema de huevo al horno. Pero sigue siendo una mejora. Cuando se le permitió a la IA especializarse, había mucho menos de qué hacer un seguimiento. No tenía que tratar de averiguar cuándo usar el chocolate y cuándo usar las papas, cuándo hornear o cuándo cocinar a fuego lento. Si el primer algoritmo intentaba ser una caja de maravillas que pudiera producir arroz, helado y pasteles, el segundo algoritmo intentaba ser algo más parecido a una tostadora, especializado para una sola tarea.

Los desarrolladores que entrenan algoritmos de aprendizaje automático han descubierto que a menudo tiene sentido construir tostadoras en lugar de cajas de maravilla. Eso puede parecer contradictorio, porque las IA de la ciencia ficción occidental tienden a parecerse a C-3PO en Star Wars o WALL-E en la película del mismo nombre: ejemplos de inteligencia artificial artificial (AGI), autómatas que pueden interactuar con el mundo como un ser humano y que manejan muchas tareas diferentes. Sin embargo, muchas empresas utilizan de forma invisible y exitosa el aprendizaje automático para lograr objetivos mucho más limitados. Un algoritmo podría ser un robot de chat que maneja una gama limitada de preguntas básicas de los clientes sobre su factura de teléfono. Otro podría hacer predicciones sobre lo que un cliente está llamando para discutir, mostrando estas predicciones para el representante humano que contesta el teléfono. Estos son ejemplos de artificiales estrecho inteligencia (ANI) - restringido a funciones muy estrechas. Por otro lado, Facebook retiró recientemente su chatbot 'M', que nunca tuvo éxito en su objetivo de gestionar reservas de hotel, reservar entradas para el teatro, organizar visitas de loros, y más.

La razón por la que tenemos ANI de nivel tostador en lugar de AGI de nivel WALL-E es que cualquier algoritmo que intente generalizar se vuelve peor en las diversas tareas que enfrenta.

'este pájaro es amarillo con negro en la cabeza y tiene un pico muy corto'

En los ejemplo, aquí hay un algoritmo entrenado para generar una imagen basada en un título.

Este es su intento de crear una imagen a partir de la frase: "este pájaro es amarillo con negro en la cabeza y tiene un pico muy corto".

Cuando se entrenó en un conjunto de datos que consistía enteramente en pájaros, lo hizo bastante bien (a pesar del extraño cuerno de unicornio):

Pero cuando su tarea era generar cualquier cosa - desde señales de alto hasta barcos, vacas y personas - tuvo problemas. Aquí está su intento de generar "una imagen de una niña comiendo una rebanada grande de pizza":

'una imagen de una niña comiendo una gran rebanada de pizza'

No estamos acostumbrados a pensar que hay una brecha tan grande entre un algoritmo que hace una cosa bien, y un algoritmo que hace muchas cosas bien. Pero nuestro día actual algoritmos tienen un poder mental muy limitado en comparación con el cerebro humano, y cada nueva tarea los extiende más delgado. Piense en un aparato del tamaño de una tostadora: es fácil incorporar un par de ranuras y algunas bobinas de calentamiento para que pueda tostar pan. Pero eso deja poco espacio para cualquier otra cosa. Si también intenta agregar la funcionalidad de cocción de arroz y helados, entonces tendrá que renunciar a una de las ranuras para pan por lo menos, y probablemente no sea bueno para nada.

Hay trucos que los programadores usan para obtener más de los algoritmos ANI. Uno de ellos es el aprendizaje por transferencia: entrena un algoritmo para realizar una tarea y puede aprender a hacer una tarea diferente pero estrechamente relacionada después de una capacitación mínima. La gente usa el aprendizaje de transferencia para entrenar algoritmos de reconocimiento de imágenes, por ejemplo. Un algoritmo que ha aprendido a identificar animales ya ha acumulado muchas habilidades de detección de bordes y análisis de texturas, que pueden pasar a la tarea de identificar la fruta. Pero, si reciclas el algoritmo para identificar la fruta, un fenómeno llamado olvido catastrófico significa que ya no recordará cómo identificar animales.

Otro truco que utilizan los algoritmos de hoy es modularidad. En lugar de un solo algoritmo que pueda manejar cualquier problema, es probable que las IA del futuro sean un conjunto de instrumentos altamente especializados. Un algoritmo que aprendido para jugar el videojuego Doom, por ejemplo, tenía módulos de visión, controlador y memoria dedicados y separados. Los módulos interconectados también pueden proporcionar redundancia contra fallas y un mecanismo para votar sobre la mejor solución a un problema basado en múltiples enfoques diferentes. También pueden ser una forma de detectar y solucionar errores algorítmicos. Normalmente es difícil determinar cómo un algoritmo individual toma sus decisiones, pero si una decisión se toma mediante subalgoritmos cooperativos, al menos podemos ver la salida de cada subalgoritmo.

Cuando imaginamos las IA del futuro lejano, tal vez WALL-E y C-3PO no son los droides que deberíamos estar buscando. En cambio, podríamos imaginarnos algo más parecido a un teléfono inteligente lleno de aplicaciones o un armario de cocina lleno de artilugios. A medida que nos preparamos para un mundo de algoritmos, debemos asegurarnos de que no estamos pensando en cajas de ideas de propósito general que nunca se construirán, sino en tostadores altamente especializados.Contador Aeon - no eliminar

Sobre el Autor

Janelle Shane entrena redes neuronales para escribir humor en aiweirdness.com. También es científica investigadora en óptica y vive en Boulder, Colorado.

Este artículo fue publicado originalmente en el Eón y ha sido republicado bajo Creative Commons.

Libros relacionados:

{amazonWS: searchindex = Libros; palabras clave = libros de inteligencia artificial; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

seguir a InnerSelf en

facebook-icontwitter-iconrss-icon

Obtenga lo último por correo electrónico

{Off} = emailcloak