COMPASS MAGAZINE #15

ORDENADORES QUE PIENSAN El aprendizaje profundo acerca la inteligencia artificial a la vida cotidiana

El aprendizaje profundo o deep learning se está convirtiendo en uno de los campos más prometedores de la inteligencia artificial. Con los grandes avances recientes, los expertos creen que esta tecnología transformará pronto muchos sectores.

En 2014, la firma de capital riesgo con sede en Hong Kong Deep Knowledge Ventures reveló que había nombrado a VITAL —un programa de aprendizaje automático capaz de tomar decisiones de inversión— nuevo miembro del consejo de administración.

Diseñado para analizar tendencias financieras en bases de datos de empresas del sector de las ciencias de la salud y para predecir inversiones de éxito, VITAL ya ha intervenido en dos decisiones de inversión. Aunque el miembro más nuevo del consejo de administración solo es un algoritmo, a muchos les ha llevado a cuestionar el papel que la inteligencia artificial (IA) podría tener en nuestras vidas.

Yoshua Bengio, profesor del Departamento de Investigación en Informática y Operaciones de la Universidad de Montreal, es uno de los pioneros del aprendizaje profundo, el área de moda de la IA. Los principios del aprendizaje profundo datan de la década de los ochenta, pero los recientes avances de los algoritmos de cálculo y los procesadores han llevado a Bengio y a otros científicos a crear máquinas capaces de imitar el comportamiento del cerebro humano: máquinas que reconocen a personas, palabras, objetos y muchas más cosas.

«Los potentes ordenadores de hoy en día nos permiten utilizar conjuntos de datos mucho más grandes y diversos para entrenar las redes, por lo que los resultados son mucho mejores», explica Bengio. «Los avances más impresionantes se han producido en los sistemas de reconocimiento de voz y de reconocimiento de objetos a partir de imágenes. En 2012, antes de que el aprendizaje profundo se extendiera tanto, la tasa de error de una referencia estándar se situaba en torno al 26 %, mientras que ahora es de apenas el 6 %. Eso supone un punto de inflexión.»

CÁLCULOS MÁS INTELIGENTES

Apple utiliza aplicaciones de aprendizaje profundo y de reconocimiento de voz para alimentar su asistente personal, Siri. Facebook se vale de la tecnología para automatizar el etiquetado de fotos y personalizar las fuentes de noticias. Netflix, el proveedor de series y películas por Internet, usa el aprendizaje profundo para recomendar contenidos a los usuarios. Google lo está aplicando a servicios como StreetView, Google Now y Google+ Photos.

Aunque son impresionantes, estos avances solo son la punta del iceberg. Conscientes del gran potencial de este campo de la IA, algunas de las principales empresas tecnológicas han contratado a expertos en aprendizaje profundo y han intensificado sus esfuerzos por lograr nuevos avances.

«En lo que se refiere a absorber enormes cantidades de datos y hacer predicciones, el aprendizaje profundo es más eficiente que los algoritmos de generaciones anteriores», asegura Adam Coates, director del laboratorio de inteligencia artificial de Baidu (el mayor buscador chino) en Silicon Valley. «Las unidades de procesameinto de gráficos realizan una cantidad ingente de cálculos, lo que nos permite crear unas redes neuronales capaces de aprender de enormes cantidades de datos de un modo que hace apenas diez años resultaba inconcebible.»

Baidu aprovecha las capacidades del aprendizaje profundo para mejorar ShiTu, su motor de búsqueda de imágenes basado en contenidos. Lanzado en 2010 en su versión beta, el sistema inicialmente fue diseñado como un sistema de reconocimiento facial en línea. En 2013, ShiTu se amplió para agrupar imágenes similares y proporcionar información sobre ellas. Por ejemplo, el sistema puede detectar imágenes similares de flores, así como sus especies, y enlazarlas con la información correspondiente de las enciclopedias en línea.

ShiTu es parecido al último proyecto de aprendizaje profundo de Microsoft: un sistema de reconocimiento de objetos denominado «Proyecto Adam» que Microsoft hizo público en julio de 2014 y que asegura que es el doble de preciso y 50 veces más rápido que otros sistemas de IA. Por ejemplo, tras utilizar una base de datos de ImageNet que contiene más de 14 millones de imágenes en 22 000 categorías, Microsoft anunció que el Proyecto Adam había aprendido a reconocer determinadas razas de perros.

«Con las técnicas del aprendizaje profundo hemos reducido en una tercera parte el porcentaje de error en las pruebas de referencia del reconocimiento de voz conversacional», revela Dong Yu, investigador principal del Speech and Dialog Research Group de Microsoft. «En los próximos años vamos a trabajar para mejorar aún más el procesamiento del habla, la clasificación de imágenes, el procesamiento del lenguaje natural y el reconocimiento de textos manuscritos.»

Aunque Microsoft no ha revelado cómo tiene previsto aprovechar las posibilidades del Proyecto Adam para crear aplicaciones comerciales, la compañía cree que podría revolucionar la forma en que las personas interactúan con el mundo, usando técnicas como la realidad aumentada.

USOS MÁS AMPLIOS

Los avances en torno al aprendizaje profundo empiezan a llegar a distintos sectores, como la automoción, la seguridad y la defensa.

Preferred Networks (PFN), una empresa con sede en Tokio, se ha asociado con Toyota Motor para buscar maneras de usar el aprendizaje profundo para desarrollar los sistemas de piloto automático de los coches de conducción autónoma. PFN también ha producido un prototipo de solución de análisis de vídeo que detecta, rastrea y predice el comportamiento de las personas en tiempo real, clasificándolas por factores como sexo, edad, vestimenta o movimientos corporales.

«EN LO QUE SE REFIERE A ABSORBER ENORMES CANTIDADES DE DATOS Y HACER PREDICCIONES, EL APRENDIZAJE PROFUNDO ES MÁS EFICIENTE QUE LOS ALGORITMOS DE GENERACIONES ANTERIORES.»

ADAM COATES DIRECTOR DEL LABORATORIO DE IA, BAIDU

 «Esto permitirá a los comercios observar los patrones de compra de sus clientes, o podría combinarse con el GPS y los sensores de vehículos para optimizar la gestión del tráfico rodado», explica Daisuke Okanohara, fundador y presidente ejecutivo de PFN. El lanzamiento de la solución está previsto para este año.

Mientras tanto, la National Information Communications Technology Australia (NICTA), el principal organismo de investigación sobre comunicaciones y tecnología de Australia, está desarrollando un rastreador visual en tiempo real basado en el aprendizaje profundo que es capaz de seguir a un determinado objeto durante un periodo prolongado de tiempo.

«Creemos que esta tecnología se puede usar en las interacciones entre personas y ordenadores, la búsqueda de imágenes, los sistemas inteligentes de transporte (desde mantenimiento de carreteras hasta sistemas de asistencia a la conducción), o incluso para crear un ojo biónico que la visión a personas con una discapacidad visual grave», sostiene Li Yi, investigador ejecutivo de la NICTA e investigador adjunto de la Universidad Nacional de Australia, en Canberra.

Al otro lado del Pacífico, Enlitic, una startup de San Francisco (California), piensa usar el aprendizaje profundo en el sector sanitario. El objetivo es aprovechar la tecnología para desarrollar un sistema integral de imágenes y datos que permita a los médicos diagnosticar enfermedades comunes y complejas más rápidamente y con precisión.

«Queremos que el software ofrezca a los médicos diversas pruebas que, al combinarlas, indiquen la posibilidad de que el paciente padece una determinada enfermedad», señala Ahna Girshick, científica de datos de Enlitic. «Por ejemplo, si una exploración revela unos bultos en el pulmón del paciente, el software identificará ejemplos de otras personas cuyas exploraciones hayan demostrado anomalías similares, así como una lista detallada de sus síntomas, resultados del laboratorio, sexo del paciente y éxito del tratamiento administrado. De esta forma, los médicos podrían tomar decisiones más fundamentadas, rápidas y exactas que afectarían al bienestar de los pacientes.»

MIRANDO HACIA EL FUTURO

Aunque muchas de estas aplicaciones de aprendizaje profundo se encuentran aún en fase de desarrollo, podrían revolucionar la manera en que los seres humanos interactuamos con las máquinas y el mundo que nos rodea.

«Actualmente, los sensores ya pueden medir cosas con facilidad y los ordenadores pueden aprender a reconocer los objetos por sí mismos, pero aún nos queda mucho para resolver el problema de la percepción», afirma Bengio. «Hay mucho que investigar; tenemos un largo camino por recorrer antes de que el aprendizaje profundo llegue a una etapa en que las máquinas verdaderamente puedan percibir y comprender lo que ven, igual que los humanos. Cuando lleguemos a esa etapa, las aplicaciones comerciales serán infinitas.»

MANTENER LA PRUDENCIA

Eminentes científicos de todo el mundo ya avisan de que tal vez la ciencia ficción no esté tan desencaminada cuando plantea un mundo dirigido por ordenadores inteligentes.
En una entrevista con la BBC en diciembre de 2014, el físico teórico Stephen Hawking afirmó: «Desarrollar la inteligencia artificial en toda su extensión podría significar el final de la raza humana. Podría tomar el control de sí misma y rediseñarse a una velocidad cada vez mayor. Los seres humanos, que estamos limitados por la lenta evolución biológica, no podríamos competir y seríamos desbancados.»
En enero de 2015, Hawking firmó junto a otros científicos, profesores e investigadores de universidades y organizaciones de todo el mundo –entre los que se encontraban Yann LeCun, de Facebook, y Geoffrey Hinton y Peter Norvig, de Google– una carta abierta pidiendo que se establezcan nuevas prioridades de investigación en el campo de la IA.

Conscientes de las enormes ventajas que podría llegar a aportar la IA, en dicha carta, titulada «Research Priorities for Robust and Beneficial Artificial Intelligence: an Open Letter», hacían hincapié en la importancia de «investigar el modo de lograr esas ventajas sin caer en las posibles trampas» para garantizar que la tecnología de IA contribuya al bienestar de la humanidad. Un documento complementario mostraba varios ejemplos de proyectos de investigación que podrían ayudar a maximizar los beneficios sociales, económicos y sanitarios de la IA, y garantizar que fuera «robusta y beneficiosa, y que respondiera al interés de la humanidad». El documento también contenía una advertencia: «El desarrollo de sistemas que incorporan una cantidad significativa de inteligencia y autonomía plantea inevitablemente cuestiones éticas y jurídicas de gran calado».

Elon Musk, fundador y consejero delegado de Tesla Motors y de la compañía de transporte espacial SpaceX, también firmó la carta y se comprometió a donar 10 millones de dólares para financiar un programa de investigación global de IA dirigido por el Future of Life Institute (FLI), una organización sin ánimo de lucro. «Todos estos destacados investigadores afirman que la inteligencia artificial es importante», señaló Musk. «Estoy de acuerdo con ellos, así que me comprometo a aportar 10 millones de dólares para financiar la investigación con el fin de que la IA sea beneficiosa para la humanidad.»

FLI asignará la mayor parte de la subvención a los investigadores de IA, y el resto a investigaciones relacionadas con la IA en otros ámbitos, tales como la economía, el derecho, la ética y la política.

por Rebecca Gibson Ir arriba
por Rebecca Gibson

Vea cómo aplica Google el aprendizaje profundo
https://www.youtube.com/watch?v=JBtfRiGEAFI