Inteligencia Artificial, Machine Learning y Learning Reinforcement

26 Mayo 2017

Imagen Destacada
Vamos buscando en estos posts dedicados a la Inteligencia Artificial, entrar en algunos avances actuales en esta materia relacionados con el aprendizaje de las máquinas. Para muchos profesionales de este campo, la IA no es otra cosa, hoy por hoy, que conseguir que las máquinas aprendan. De ahí la importancia actual de temas como el “Machine Learning”, “Deep Learning” y “Learning Reinforcement”, a los que haremos referencia en los próximos posts.

Adolfo Castilla

La IA como ciencia

La conexión de la IA con dimensiones del hombre de gran altura conceptual y teórica, relacionadas con la labor de los científicos y los filósofos, a la que nos referimos al final del post anterior, ha hecho de la IA una materia de gran importancia que atrae la atención de profesionales de procedencia muy diversa. La simple idea de construir máquinas capaces de pensar y actuar como los humanos la rodea de un aura especial capaz de crear expectativas y temores. Así como desencadenar preocupaciones éticas sobre su desarrollo y aplicación.

No es extraño, por tanto, la existencia, por un lado, de lo que se llama “Filosofía de la IA” y, por otro, que se hable de ella como de una verdadera ciencia destinada a buscar el desarrollo de teorías y su demostración experimental.

Para muchos otros profesionales, los procedentes de la Informática, es sólo una actividad de programación más, donde se pueden crear software y aplicaciones para ayudar a los hombres a resolver sus problemas. Lo cual a su vez permita la creación de productos por los que muchas personas estén dispuestas a pagar dinero, es decir, productos que permitan a esta actividad echar raíces económicas. Cosa que no ha ocurrido todavía de una forma clara.

El gran reto actual está en una aplicación amplia de la Inteligencia Artificial. Dicha inteligencia, o la inteligencia de las máquinas, se une directamente a su capacidad de aprender. Por eso se trabaja hoy mucho en temas como el “Machine Learning”, “Deep Learning”, “Learning Reinforcement” e, incluso, “MASH Learning”. Temas a ser tratados en próximos posts.

No se puede olvidar a este respecto que aunque la inteligencia del hombre se considera hoy  algo múltiple y complejo, se ha unido siempre de forma básica a la “facilidad para aprender”

IBM y su esfuerzo de años en los superordenadores inteligentes

Como ejemplo inmediato de esta cuestión se puede hacer referencia a la conferencia impartida en la Fundación Telefónica el pasado jueves día 7 de abril por Darío Gil, Vicepresidente de Ciencia y Tecnología del IBM Research Center de Nueva York. La conferencia con el título de “Fronteras de la Tecnología” fue la segunda del ciclo “Tech & Society” organizado conjuntamente por el Aspen Institute España y Fundación Telefónica.

El ponente se refirió a la Inteligencia Artificial y sus aplicaciones y a los trabajos de IBM en pro de un ordenador cuántico. En el primer aspecto dejó claro que para ellos en IBM, la inteligencia de las máquinas está ligada a que estas aprendan, y explicó la situación actual de la tecnología relacionada con el famoso proyecto de superordenador inteligente, Watson, puesta a disposición de los usuarios en forma de aplicaciones inteligentes diversas colgadas en la nube.

Las capacidades de una máquina inteligente

Pero antes de entrar en esos temas conviene revisar lo indicado por los estadounidenses Stuart Russell (nacido en 1962) y Peter Norvig (nacido en 1956) en su libro, Inteligencia Artificial. Un enfoque moderno, muy utilizado en estos posts.

Al hablar del posible comportamiento cercano a lo humano de una máquina que le permitiera pasar el test de Turing, señalan la siguiente lista de capacidades:

1.- Procesamiento de lenguaje natural que le permitiera comunicarse con los humanos.

2.- Representación del conocimiento. Lo que haría posible al almacenamiento de lo que se conoce o se siente.

3.- Razonamiento automático. Con lo que podría utilizar la información almacenada para responder a a preguntas y extraer conclusiones.

4.- Aprendizaje automático. Para adaptarse a nuevas circunstancias y detectar e interpretar patrones

Respondiendo además a las críticas hechas a la IA  a partir de mediados de los 70 del siglo pasado, por personajes tan notables como el propio John McCarthy, proponen que las máquinas para acercarse al pensamiento humano deben ser capaces de tener:

5.- Visión computacional. Para percibir objetos y

6.- Ser robots en algún sentido. Para manipular y mover objetos y moverse ellos mismos.

Estos dos autores, Stuart y Norvig, concluyen además que estas seis capacidades son las líneas por las que se mueven los trabajos de IA en la actualidad.

Deja un comentario

Tu dirección de correo electrónico no será publicada.