.

Inteligencia Artificial

"La analogía del aprendizaje profundo con el cerebro es muy vaga"

1

El CEO de Nvidia, Jen-Hsun Huang, considera que el aprendizaje profundo puede revolucionar la robótica, pero que todavía dista mucho de parecerse al cerebro humano

  • por Will Knight | traducido por Teresa Woods
  • 11 Abril, 2016

Foto: El CEO del fabricante de chips Nvidia, Jen-Hsun Huang. Crédito: Nvidia.

El CEO del fabricante de chips Nvidia, Jen-Hsun Huang, o es muy profético o tiene mucha suerte. Su empresa construyó su negocio en torno a los procesadores y tarjetas gráficas para los videojuegos. Los mismos instrumentos que ahora se utilizan ampliamente en los proyectos de inteligencia artificial (IA), como los esfuerzos para desarrollar coches autónomos.

Los chips de Nvidia han resultado ser especialmente eficientes a la hora de entrenar las redes neuronales utilizadas con la técnica llamada aprendizaje profundo y que recientemente ha hecho mucho más inteligente al software, lo que ha provocado que gigantes tecnológicos e inversores destinen enormes cantidades de dinero a las investigaciones relacionadas. Esta semana, la empresa anunció un nuevo chip, diseñado específicamente para esta tarea (ver Este chip de 2.000 millones de dólares acelerará la inteligencia artificial). Huang habló con el editor de IA y robótica de MIT Technology Review, Will Knight, en la conferencia anual de tecnología de la empresa celebrada la semana pasada en San José (EEUU).

¿Cuál espera que sea el próximo gran mercado para su hardware?

Creo que la robótica será enorme. La razón por la que elegimos [fabricar un chip para] los coches autónomos es porque representan el reto de la robótica más fácil. El aprendizaje profundo nos ha proporcionado un algoritmo que por fin puede permitir que los robots aprendan solos, a partir de unos objetivos de alto nivel y realicen descubrimientos por ellos mismos a través de la iteración. No creo que sea posible enseñarle eso a un robot mediante la programación.

El aprendizaje profundo ha gozado de un gran éxito, pero sólo representa una simulación muy aproximada de lo que sucede dentro del cerebro humano. ¿Le interesa desarrollar hardware que funcione de una manera más parecida a la inteligencia biológica?

Intentamos desarrollar un avión mejor en lugar de intentar descubrir cómo vuelan los pájaros. Algunas personas lo describen como neuronas, pero la analogía con el cerebro es muy vaga. Para nosotros, son un montón de matemáticas que extraen y procesan los componentes de imágenes, la voz o la información de sensores. Cualquier analogía con el cerebro no resulta necesariamente tan importante. 

El software AlphaGo de DeepMind ha vencido recientemente al mejor jugador de Go del mundo. ¿Darán forma estas investigaciones de vanguardia de IA al hardware del futuro?

Colaboramos estrechamente con el equipo de DeepMind, y no hay duda de que AlphaGo logró un hito del esfuerzo humano. Resulta increíble que una máquina sea capaz de adquirir la intuición necesaria para jugar. Me encantaría que desarrolláramos más estas ideas nuevas, sea la memoria, el aprendizaje reforzado o de transferencia o el aprendizaje no supervisado. Todas estas áreas de investigación aumentarán las capacidades de esta herramienta llamada aprendizaje profundo de forma radical. Tan pronto conozca los retos de su arquitectura actual, podré aplicar esas ideas a la próxima.

Inteligencia Artificial

 

La inteligencia artificial y los robots están transformando nuestra forma de trabajar y nuestro estilo de vida.

  1. Esta IA ayuda a que los profesores enseñen mejor matemáticas a los niños

    La herramienta, llamada Tutor CoPilot, demuestra cómo la IA podría mejorar, en lugar de sustituir, el trabajo de los educadores

  2. Meta ofrece gratis un gran conjunto de datos para acelerar el descubrimiento de nuevos materiales mediante IA

    Open Materials 2024 (OMat24) es uno de los mayores conjuntos de datos de entrenamiento de IA para la ciencia de materiales y está disponible de forma abierta y gratuita

  3. ChatGPT discrimina por raza y género según el nombre de usuario en el 0,1% de las interacciones

    MIT Technology Review accede en exclusiva a la investigación sobre estereotipos negativos en los grandes modelos lingüísticos de la empresa