Se han producido recientes mejoras en el reconocimiento de voz  e imágenes gracias a empresas como Google, que construyen sistemas de ordenadores más grandes y más potentes para la ejecución de software de aprendizaje automático. La empresa privada Sentient, un renacuajo aún con tan sólo 70 empleados, afirma que puede montar, de forma barata, sistemas computacionales aún más grandes para alimentar software de inteligencia artificial.

Aunque el enfoque de Sentient puede que no se adapte a todos los tipos de aprendizaje automático, cuyos usos varían desde el reconocimiento facial hasta la compra y venta de acciones. La empresa no ha hecho públicos los detalles, pero asegura que ha demostrado que puede juntar suficiente potencia computacional para producir resultados significantes en algunos casos.

La fuerza de Sentient proviene de la conexión de cientos de miles de ordenadores a internet para que trabajen juntos, como si fueran una sola máquina. La empresa no quiere desvelar dónde se ubican todas las máquinas de las que hace uso. Pero muchos se encuentran inactivos dentro de centros de procesamiento de datos, esas instalaciones con aspecto de almacén de las que se alimentan servicios como páginas web y apps para dispositivos móviles, según el cofundador y director de Tecnología de Sentient, Babk Hodjat. La empresa paga a un operador de centro de procesamiento de datos para sacar provecho de sus máquinas en desuso.

Los centros de procesamiento de datos a menudo tienen un número elevado de máquinas inactivas porque se diseñan para tener capacidad de soportar picos repentinos en la demanda de sus servicios, como el aumento de ventas que se producen en rebajas. Sentient ha diseñado un software que conecta máquinas de distintos lugares de internet y las pone a trabajar en la ejecución de software de aprendizaje artificial como si constituyesen una sola máquina extremadamente poderosa. El software está diseñado para que los datos sigan encriptados en la medida de lo posible para mantener la confidencialidad  del contenido del trabajo de Sentient, que a su vez puede pertenecer a un cliente suyo.

Sentient puede poner a trabajar juntos en el mismo problema hasta a un millón de núcleos procesadores durante meses, dice el principal arquitecto de la Computación Distribuida de la empresa, Adam Beberg. Los sistemas más grandes de aprendizaje artificial de Google no llegan a esta escala, añade. Un portavoz de Google rehusó compartir detalles de la infraestructura de la empresa y apuntó que los resultados obtenidos mediante el aprendizaje artificial son más importantes que la escala del sistema que hay detrás. Google emplea el aprendizaje artificial de forma amplia en áreas como las búsquedas, el reconocimiento de voz y la colocación de anuncios publicitarios.

Beberg fue uno de los pioneros de la idea de conectar ordenadores de distintas ubicaciones para trabajar juntos en la resolución de un mismo problema (ver Innovadores menores de 35: 1999). Fue el fundador de Distributed.net, un proyecto que fue de los primeros en demostrar la viabilidad de este concepto a gran escala. Su tecnología dio paso a iniciativas como Seti@Home y Folding@Home, mediante el cual millones de personas instalaron software para permitir que sus ordenadores ayudasen en la búsqueda de vida alienígena o contribuyesen en la investigación molecular.

Sentient se constituyó en 2007, y ha recibido más de 140 millones de dólares (unos 128 millones de euros) de fondos de inversión, de los cuales el 71% lo recibieron hacia finales del año pasado. Hasta ahora la empresa se ha centrado en la utilización de su tecnología para alimentar una técnica de aprendizaje artificial conocida como algoritmos evolutivos que tratan de generar la solución al problema desde una población inicial de muchos algoritmos ligeramente distintos entre sí. Los algoritmos de primera generación que consiguen el mayor rendimiento se utilizan como la base de la próxima generación, y así sucesivamente, mejorando las soluciones con cada nueva generación.

Actualmente parte de los ingresos de Sentient provienen de la operación de algoritmos de bolsa creados mediante la ejecución del proceso evolutivo en cientos de miles de procesadores durante meses. Pero la empresa tiene planes de utilizar su infraestructura para ofrecer servicios enfocados a industrias como la sanidad o comercios online dice Hodjat. En teoría, las empresas de esos sectores comprarían esos servicios a Sentient.

Pero no da más información acerca de cuáles podrían ser. Sentient ha colaborado en las investigaciones de la Universidad de Toronto y el MIT (Instituto Tecnológico de Massachusetts, de sus siglas en inglés, en EEUU) para la creación de un software capaz de predecir el desarrollo de la sepsis en pacientes de cuidados intensivos a partir de datos como la presión sanguínea y otros indicadores vitales, cuenta Hodjat. Los resultados demostraron que el software podía avisar del desarrollo de sepsis con una antelación de 30 minutos y una fiabilidad del 90%, pero según el director de Tecnología la empresa ha decidido no comercializar el producto de ese trabajo.

Más recientemente, Sentient ha estado intentando adaptar su enfoque para trabajar con un tipo de inteligencia artificial llamado aprendizaje profundo. Hace poco esta técnica dio lugar a avances significativos en áreas como el reconocimiento de voz e imágenes, y se ha convertido en el enfoque principal de trabajos de inteligencia artificial de empresas como Google, Facebook y Baidu (ver Aprendizaje profundo). Algunos de los mejores resultados de la inteligencia artificial provienen de la ejecución de software en ordenadores muy potentes y especializados (ver China derrota a Google en aprendizaje profundo para el reconocimiento de imágenes).

La profesora consultora de la Universidad de Stanford (EEUU) Reza Zedah, que ahora se dedica a poner a trabajar el aprendizaje artificial a escala, dice que la utilización de una colección amplia de ordenadores de distinta ubicación funciona bien para algunos problemas, pero no para todos.

Alcanza su potencia máxima cuando una tarea se puede dividir en partes más pequeñas de las que se pueden encargar ordenadores distintos sin tener necesidad de comunicarse demasiado por internet, lo que ralentiza la labor. Pero algunos de las formas más prometedoras de aumentar la potencia del aprendizaje artificial requieren distintos procesadores para comunicarse de forma frecuente, dice Zedah.

Google y Baidu han anunciado resultados importantes del uso del aprendizaje artificial para el reconocimiento de voz e imágenes mediante el uso de grandes conjuntos de datos o la construcción de redes neurales artificiales más grandes. Ambos enfoques requieren un flujo constante de datos entre distintos procesadores, explica Zedah.

Beberg está de acuerdo en que el aprendizaje profundo es más difícil de adaptar a un sistema de cientos de miles de ordenadores conectados por internet, pero dice que Sentient está haciendo progresos en este sentido. Tiene miles de procesadores trabajando a la vez en el aprendizaje profundo, comenta.