Yann Lecun, director de investigación en inteligencia artificial de Facebook, explica su potencial y sus límites
La nueva inteligencia artificial está basada en deep learning, el cual está casi totalmente fundamentado en el aprendizaje supervisado. Yann Lecun, profesor de la Universidad de Nueva York y científico jefe en el departamento de investigación en inteligencia artificial de Facebook, lo define así: “La idea es que entrenas a una máquina con ejemplos supervisados, para que esta máquina distinga, por ejemplo, imágenes de automóviles o aviones entre millones de diferentes objetos. Después se pone a prueba el sistema por el que hace la detección y, si no ha funcionado todo lo bien que necesitamos, se ajustan los parámetros de manera que en la siguiente vuelta aumente la precisión. Luego de haber estado expuestos a suficientes ejemplos y haber recibido todos los ajustes, alcanzan rendimientos extraordinarios”. Esta técnica no sirve solo para imágenes, también para textos, algoritmos, bases de datos o planos, entre otras muchas cosas.
Tienes que pensar que los objetos están hechos de partes, y las partes de subpartes, las cuales están hechas de combinaciones de límites en una imagen que a su vez está hecha de píxeles», explica el profesor de la Universidad de Nueva York.
“Si quieres reconocer un automóvil, es probable que sea buena idea tener algo capaz de detectar formas redondeadas, para poder determinar si hay ruedas en la imagen”, nos explica. La máquina procede con todo el ‘deep learning’ que por sí misma ha adquirido, partiendo de los principios de percepción que nosotros le introdujimos”, dice. Se llama ‘deep learning’ porque la máquina va aprendiendo y operando por un sistema de capas.
Aprendizaje por refuerzo
El aprendizaje supervisado no es la única aproximación a las máquinas moderadamente inteligentes. Otra posibilidad es lo que se conoce como ‘aprendizaje por refuerzo’: “Este sistema es fascinante porque, a diferencia de lo que ocurre con el aprendizaje supervisado, no necesitas darle a la máquina desde el principio el objetivo concreto”, precisa. La estrategia en este caso es que el sistema interactúe un gran número de veces con el entorno en cuestión para lograr el aprendizaje”, señala el profesor.
Hoy estos sistemas son prácticos, por ejemplo, para enseñar a un robot a tomar determinados objetos, o a un auto a conducir solo, pero está claro que van a ir evolucionando para conseguir cosas que en la actualidad son inverosímiles. “El problema, por ahora, es que estas máquinas no nacen albergando en su interior un modelo del funcionamiento del mundo: lo construyen a base de ensayo y error. No obstante, vamos camino de avanzar mucho en eso”, explica el ejecutivo de Facebook.
“Mi propuesta es lo que llamo aprendizaje autosupervisado. La idea es entrenar a una red neuronal muy grande para entender el mundo a través de la predicción”, avanza el experto. Por ejemplo, ante una porción de un vídeo, este sistema tendría que ser capaz de determinar lo que va a ocurrir a continuación.
