Arde la inteligencia artificial, venimos escuchando a diario sobre nuevos logros, aplicaciones y promesas de esta tecnología. En la nota de tapa de revista USERS de este mes hacemos un recorrido sobre las mismas. Pero para los que recién aterrizan en la tecnología que está cambiando nuestras vidas, van acá algunos conceptos claves a vuelo pájaro.
Machine learning
Las aplicaciones que estamos acostumbrados a utilizar están programadas para hacer siempre lo mismo, solo pueden hacer cosas nuevas cuando sale una nueva versión del programa y los actualizamos. Los sistemas de inteligencia artificial, por el contrario, tienen la capacidad de aprender a hacer cosas nuevas. Ejemplo: pusieron a Google DeepMind frente al dificilísimo juego clásico de Atari “Montezuma´s revenge“. No le explicaron nada, aprendió a jugar como un humano: mirando la pantalla, tocando botones y viendo qué es lo que funcionaba. Al principio Deepmind no pudo avanzar un solo nivel, pero luego le introdujeron “motivación intrínseca” o, como la llamamos habitualmente, “curiosidad”: se recompensaba al sistema por probar nuevas cosas (como cuando nuestro cerebro nos recompensa químicamente y nos da placer). Deepmind avanzó 15 niveles en el juego. Conclusión: si uno quiere aprender a dominar el mundo, hay q ser curioso. En este ejemplo vemos otro concepto fundamental de los sistemas de IA: no se programan, se entrenan: no les explicamos como realizar una tarea, solo necesitan suficientes datos y poder de procesamiento para aprender a realizarla.
Deep learning
El aprendizaje profundo es un tipo de machine learning en pleno auge. En el machine learning tradicional, es necesario modelar de alguna manera los datos que estamos analizando, es un “aprendizaje supervisado”. El deep learning, por el contrario, puede analizar un conjunto de datos (“dataset”) sin ninguna estructura, sacar conclusiones sobre los mismos y entender su estructura semántica en un “aprendizaje no supervisado“. El deep learning utiliza un sistema de procesamiento conocido como redes neuronales, inspiradas en el funcionamiento del cerebro: los bits que conocemos pueden valer 0 o 1, mientras que la unidad de procesamiento de las redes neuronales (“neuronas”) puede adoptar infinitos valores intermedios y estas “neuronas” se interconectan entre sí. A medida que el sistema aprende, el sistema varia la intensidad o “peso” de las conexiones (“sinapsis”) . Ejemplos: Facebook usa redes neuronales para reconocer caras en nuestras fotos y también Google para entender cuando le hablamos a nuestros smartphone.
Los líderes
Lo genial es que hoy cualquier programador puede explorar machine learning con los servicios online, algunos gratuitos, que ofrecen los grandes, los líderes del momento:
Conclusión
Desde que comenzó la revolución industrial las máquinas nos vienen liberando cada vez más de las tareas físicas, hoy buena parte de nosotros trabaja en la “industria del conocimiento“. La promesa última de la inteligencia artificial es liberarnos también de nuestras tareas intelectuales.
¿Viviremos una vida feliz de ocio creativo o nos convertiremos en esclavos de las máquinas?
Miguel Lederkremer
Director Editorial
Revista USERS
Esta nota forma parte de Revista USERS 319 – Noviembre 2017.
Suscribite para leer la nota completa y muchas más
Otras notas de esta edición:
– Windows 10. Utilizando el Modo Dios para modificar tu sistema operativo
– Los mejores servicios en la nube para mejorar tu productividad
– 11 Trucos para Google Play
– Hacer ejercicio con tu Android. Las 3 mejores apps para bajar la pancita
– Facebook Watch. La nueva TV que nos propone el amigo Zuckerberg
– Samsung Galaxy S8+. Review a fondo
– Bluetooth 5. Qué se trae de nuevo el protocolo inalámbrico que nunca termina de andar bien…
– Memoria RAM. Guía completa
– Y mucho más!
