Un programa usa el razonamiento inductivo para captar conceptos generales a partir de unos pocos ejemplos, el vídeo muestra el mismo carácter dibujado por 20 personas a la (izquierda) y la predicción que hace el algoritmo de estos trazos a la (derecha)...
A un niño le basta ver un elefante una vez para identificar a todos los elefantes que verá en el futuro. Ya sean africanos o asiáticos, los vea en una película o en el zoo, se trate de una manada en la sabana o de uno solo tras los árboles, sabrá que está viendo elefantes. Hasta ahora, la inteligencia artificial necesitaba miles de imágenes de elefantes en todo tipo de situaciones para identificar a uno nuevo que no estuviera en su base de datos. A diferencia de los humanos, no era capaz de generalizar basándose en unos pocos ejemplos. Sin embargo, este tipo de aprendizaje tan humano acaba de ser replicado por una máquina.
Un grupo de investigadores americanos han creado un algoritmo matemático que permite a las máquinas aprender a la manera de un niño. Esta forma inductiva de adquirir nuevo conocimiento es una de las fortalezas de la versatilidad humana. Ante un nuevo concepto u objeto, bastan unos cuantos ejemplos, a veces solo uno, para extraer de ellos los elementos básicos que componen el objeto y las relaciones entre sus partes. De esta manera, el niño apenas necesitará entrenamiento para distinguir un elefante de un mamut. Aún más importante, este tipo de aprendizaje lleva dentro el germen de la creatividad. Sabiendo lo que es un elefante, los humanos pueden imaginar nuevos ejemplos de elefante, incluso el de un elefante rosa volando.
"Hay muchos sistemas de aprendizaje [de máquinas]", dice el profesor de la Universidad de Toronto (Canadá) y cocreador del algoritmo, Ruslan Salakhutdinov. "Por lo general, necesitan cientos de miles de ejemplos para entrenar el concepto que uno quiere aprender. Pero, los humanos, son capaces de captar esas categorías similares, esos conceptos parecidos, con solo unos cuantos ejemplos, cuando no un único entrenamiento", añade Salakhutdinov, considerado uno de los pioneros de las redes neuronales artificiales claves para el aprendizaje de las máquinas (o machine learning, por su terminología original en inglés).
Sistemas tan poderosos como el superordenador Watson, el reconocimiento facial de Facebook o el asistente personal Siri de Apple usan este aprendizaje de máquinas basado en acaparar tantos ejemplos como se pueda, acumular muchos datos y relacionarlos mediante algoritmos.Leer el articulo completo y ver el vídeo, clic! ELPAÍS.com / Ciencia |
