Haz de tu vida la mejor RED SOCIAL! Conversa y comparte diariamente con tus amigos y familiares

El ordenador DeepMind, de Google, comienza a razonar

La inteligencia de los humanos es especialmente hábil a la hora de relacionar lugares, secuencias, objetos y palabras por medio de la lógica. Gracias a esta habilidad, se puede pensar de forma transversal y sacar conclusiones de forma intuitiva. Las máquinas, que son excelentes a la hora de usar la estadística para extraer patrones o bien establecer relaciones pero solo a partir de reglas preestablecidas, no pueden llegar al mismo nivel. Sin embargo, un nuevo estudio realizado por científicos que trabajan en el proyecto DeepMind, de Google, han desarrollado un sistema que pretende llevar a cabo un proceso más similar al que hacen los humanos. De momento, ya han logrado superar al hombre en pruebas de relación de imágenes complejas. La investigación, que se ha publicado en el portal ArXiv, ha construido una red neural para llevar a cabo este tipo de razonamiento basado en relaciones. En primer lugar, han preparado pequeños programas, cada uno con una arquitectura especializada y destinada a distintas tareas, como procesar imágenes, analizar el lenguaje o aprender juegos. Después, los han preparado para colaborar y encontrar patrones en los datos. De este modo, han logrado que trabajen en la tarea de comparar pares de entidades en escenarios individuales. «Hemos forzado a la red a descubrir las relaciones que existen entre los objetos», ha explicado en Sciencemag.org Timothy Lillicrap, coautor del estudio y científico del proyecto DeepMind. Los investigadores pusieron a prueba a su red con distintas pruebas. Por ejemplo, les hicieron relacionar imágenes de objetos, como cubos, cilindros o bolas, para saber si eran las mismas o no. Para ello, le preguntaron a la máquina cosas como esta: «Delante de la cosa azul hay un objeto. ¿Tiene la misma forma que la pequeña cosa azul que está a la derecha de la bola metálica?». Módulos neurales Las respuestas de la máquina se produjeron gracias a la acción de dos redes. En este caso, una estaba destinada a reconocer objetos, y la otra a interpretar la pregunta. En las pruebas, los humanos consiguieron 92 por ciento de tasa de éxitos, pero quedaron por detrás del nuevo algoritmo de Google, que logró un 96 por ciento de aciertos. Los investigadores también pusieron a la red a trabajar con pruebas de lenguaje. Le preguntaron cosas como: «Sandra cogió una pelota», y «Sandra fue a la oficina», así que, ¿«dónde está la pelota»? En este tipo e pruebas de inferencia, la máquina obtuvo tasas de acierto del 98 por ciento, mientras que los ordenadores anteriores se habían quedado en el 45 por ciento. El ordenador también obtuvo buenos resultados en pruebas de movimiento, en los que pudo identificar conexiones para explicar el patrón de desplazamiento de una pelota, y en análisis de forma, en los que captó la silueta humana a partir de meros puntos en movimiento. Tal como ha dicho Kate Saenko en Sciencemag.org, la gran ventaja de este algoritmo es que sencillo pero puede resolver preguntas complejas. Además, la simplicidad le permite ser combinado con otras redes. Por eso, los autores del artículo han hablado de que su red es como un «dispositivo de enchufar y listo» que le permite a cada parte del sistema centrarse en las tareas en las que destaca. Este sistema podría servir para entender redes sociales, analizar grabaciones de vídeo o guiar automóviles por el tráfico. Para lograrlo aún será necesario aumentar la complejidad de las preguntas y las posibles soluciones.

from Ciencia