Cómo la inteligencia artificial te hará más inteligenteLas personas más máquinas superarán las capacidades de cualquiera de los elementos por sí solos. metamorworks / Shutterstock.com

El futuro no lo lograrán ni los humanos ni las máquinas, sino los dos, trabajando juntos. Las tecnologías basadas en cómo funcionan los cerebros humanos ya están aumentando las capacidades de las personas, y solo se harán más influyentes a medida que la sociedad se acostumbre a estas máquinas cada vez más capaces.

Los optimistas de la tecnología han imaginado un mundo con el aumento Productividad humana y calidad de vida. A medida que los sistemas de inteligencia artificial se hacen cargo de la monotonía y la administración de la vida, beneficiando a todos. Los pesimistas, por otro lado, han advertido que estos avances podrían venir en Gran costo en trabajos perdidos y vidas interrumpidas.. Y los temerosos temen que la IA pueda eventualmente hacer a los seres humanos obsoletos.

Sin embargo, las personas no son muy buenas imaginando el futuro. Ni utopía ni apocalipsis es probable. En mi nuevo libro, "La revolución del aprendizaje profundo", Mi objetivo era explicar el pasado, el presente y el futuro de esta área de la ciencia y la tecnología de rápido crecimiento. Mi conclusión es que la inteligencia artificial te hará más inteligente, pero de una manera que te sorprenderá.

Reconociendo patrones

El aprendizaje profundo es la parte de la IA que más ha progresado en resolviendo problemas complejos como identificar objetos en imágenes, reconocer el habla de múltiples oradores y procesar texto de la forma en que las personas lo hablan o lo escriben. El aprendizaje profundo también ha demostrado ser útil para identificar patrones en los conjuntos de datos cada vez más grandes que se generan a partir de Sensores, dispositivos médicos e instrumentos científicos..


gráfico de suscripción interior


El objetivo de este enfoque es encontrar maneras en que una computadora pueda representar la complejidad del mundo y generalizar a partir de la experiencia anterior, incluso si lo que sucede a continuación no es exactamente lo mismo que sucedió antes. Así como una persona puede identificar que un animal específico que nunca ha visto antes es de hecho un gato, Los algoritmos de aprendizaje profundo pueden identificar aspectos. de lo que podría llamarse "cat-ness" y extraer esos atributos de nuevas imágenes de gatos.

Cómo la inteligencia artificial te hará más inteligenteLos sistemas de aprendizaje profundo pueden decir cuál de estos es un gato. Gelpi / Shutterstock.com

Los métodos de aprendizaje profundo se basan en la mismos principios que impulsan el cerebro humano. Por ejemplo, el cerebro maneja muchos datos de varios tipos en muchas unidades de procesamiento al mismo tiempo. Las neuronas tienen muchas conexiones entre sí, y esos enlaces se fortalecen o debilitan dependiendo de cuánto se usanEstableciendo asociaciones entre entradas sensoriales y salidas conceptuales.

La La red de aprendizaje profundo más exitosa se basa en la investigación de 1960 sobre la arquitectura de la corteza visual, una parte del cerebro que usamos para ver, y en los algoritmos de aprendizaje que se inventaron en los 1980. En aquel entonces, las computadoras aún no eran lo suficientemente rápidas para resolver problemas del mundo real. Ahora, sin embargo, lo son.

Además, las redes de aprendizaje se han colocado una encima de la otra, creando redes de conexiones más cercanas asemejándose a la jerarquía de capas que se encuentran en la corteza visual. Esto es parte de un convergencia teniendo lugar entre inteligencia artificial y biologica.

Cómo la inteligencia artificial te hará más inteligenteUna red neuronal de cuatro capas acepta la entrada desde la izquierda, pasa la salida de la primera capa a la siguiente capa, a la siguiente y la siguiente, antes de entregar la salida. Sin314 / Shutterstock.com

Aprendizaje profundo en la vida real.

El aprendizaje profundo ya está añadiendo a las capacidades humanas. Si usa los servicios de Google para buscar en la web, o usa sus aplicaciones para traducir de un idioma a otro o para convertir el habla en texto, la tecnología lo ha hecho más inteligente o más efectivo. Recientemente, en un viaje a China, un amigo habló inglés en su teléfono Android, que lo tradujo al chino hablado para un conductor de taxi, igual que el traductor universal en “Star Trek."

Una prueba de un dispositivo de traducción en tiempo real.

{youtube}Nu-nlQqFCKg{/youtube}

Estos y muchos otros sistemas ya están en funcionamiento, ayudándole en su vida diaria, incluso si no los conoce. Por ejemplo, el aprendizaje profundo está comenzando a hacerse cargo de la Lectura de imágenes de rayos X y fotografías de lesiones cutáneas. para la detección del cáncer. Su médico local pronto podrá detectar problemas que son evidentes hoy solo para los mejores expertos.

Incluso cuando sabe que hay una máquina involucrada, es posible que no comprenda la complejidad de lo que realmente están haciendo: detrás de Amazon, Alexa es un grupo de Redes de aprendizaje profundo que reconocen tu solicitud., tamice los datos para responder a sus preguntas y tomar acciones en su nombre.

Avanzando el aprendizaje

El aprendizaje profundo ha sido altamente efectivo para resolver problemas de reconocimiento de patrones, pero para ir más allá de esto se requieren otros sistemas cerebrales. Cuando un animal es recompensado por una acción, es más probabilidades de tomar acciones similares en el futuro. Las neuronas de dopamina en los ganglios basales del cerebro informan la diferencia entre las recompensas esperadas y las recibidas, error de predicción llamado recompensa, que se utiliza para cambiar las fortalezas de las conexiones en el cerebro que predicen futuras recompensas.

La combinación de este enfoque, denominado aprendizaje por refuerzo, con el aprendizaje profundo puede dar a las computadoras el poder de identificar posibilidades inesperadas. Al reconocer un patrón y luego responder a él de una manera que produce recompensas, las máquinas pueden enfocar los comportamientos en la línea de lo que podría llamarse creatividad humana. Este enfoque acoplado es cómo DeepMind desarrolló una programa llamado AlphaGo, Que a su 2016 derrotó al gran maestro Lee Sedol y al año siguiente vencer al campeón mundial, ke jie.

Los juegos no son tan complicados como el mundo real, que está lleno de incertidumbres cambiantes. Massimo Vergassola en la Universidad de California, San Diego, y recientemente usé el aprendizaje por refuerzo para enseñar un planeador en el campo Cómo elevarse como un pájaro en térmicas turbulentas.. Se pueden conectar sensores a las aves reales para probar si usan las mismas señales y responden de la misma manera.

A pesar de estos éxitos, los investigadores aún no comprenden completamente cómo el aprendizaje profundo resuelve estos problemas. Por supuesto, tampoco sabemos cómo el cerebro los resuelve.

Si bien el funcionamiento interno del cerebro puede seguir siendo esquivo, es solo cuestión de tiempo antes de que los investigadores desarrollen una teoría del aprendizaje profundo. La diferencia es que al estudiar computadoras, los investigadores tienen acceso a todas las conexiones y patrones de actividad en la red. El ritmo del progreso es rápido, con trabajos de investigación que aparecen diariamente en arXiv. Avances sorprendentes se anticipan con entusiasmo este diciembre en el Conferencia de sistemas de procesamiento de información neural en Montreal, que entradas agotadas 8,000 en minutos 11, dejando a los solicitantes esperanzados de 9,000 en la lista de espera.

Hay un largo camino por recorrer antes de que las computadoras alcancen la inteligencia humana general. La red de aprendizaje profundo más grande de hoy solo tiene el poder de un pedazo de corteza neural humana el tamaño de un grano de arroz. Y todavía no sabemos cómo el cerebro organiza dinámicamente las interacciones entre áreas cerebrales más grandes.

La naturaleza ya tiene ese nivel de integración, creando sistemas cerebrales a gran escala capaces de operar todos los aspectos del cuerpo humano mientras reflexiona sobre preguntas profundas y completa tareas complejas. En última instancia, los sistemas autónomos pueden volverse tan complejos, uniéndose a las innumerables criaturas vivientes en nuestro planeta.La conversación

Sobre el Autor

Terrence Sejnowski, Profesor Francis Crick y Director del Laboratorio de Neurobiología Computacional en el Instituto Salk de Estudios Biológicos, y Profesor Distinguido de Neurobiología, Universidad de California en San Diego

Este artículo se republica de La conversación bajo una licencia Creative Commons. Leer el articulo original.

Libros relacionados

at InnerSelf Market y Amazon