Crédito: Mark Perrice.
El año pasado fue increíble en cuanto a los avances en inteligencia artificial (IA) y aprendizaje de máquinas. Pero el 2017 bien puede que nos traiga muchos más. Aquí detallamos cinco aspectos a no perder de vista en el año que empieza.
1. Refuerzo positivo
La histórica victoria de AlphaGo contra uno de los mejores judagores de Go de todos los tiempos, Lee Sedol, representó un hito para el campo de la IA, y especialmente para la técnica conocida como aprendizaje profundo reforzado.
Mediante el aprendizaje reforzado, una máquina aprende a resolver un problema no gracias a la programación ni los ejemplos explícitos, sino a través de la experimentación combinada con refuerzos positivos. Al igual que la forma de aprender de los animales, un ordenador podría averiguar cómo escapar de un laberinto a partir del ensayo y error y asociar una recompensa -salir del laboratorio- con las acciones que lo han permitido.
Aunque la idea existe desde hace décadas, combinarla con grandes (o profundas) redes neuronales proporciona la potencia necesaria para que funcione con problemas realmente complejos (como el juego Go). A través de una experimentación incesante y el análisis de partidas anteriores, AlphaGo averiguó por sí mismo cómo jugar al mismo nivel que lo haría un experto.
La esperanza es que el aprendizaje reforzado pueda resultar útil en muchas situaciones del mundo real. Para ello, el reciente lanzamiento de varios ento os simulados (1, 2, 3) debería impulsar los progresos de los algoritmos necesarios al aumentar el abanico de habilidades que pueden adquirir los ordenadores.
En 2017, es probable que observemos intentos de aplicar el aprendizaje reforzado a problemas como la conducción autónoma y la robótica industrial. Google ya se ha jactado de emplear el aprendizaje profundo reforzado para aumentar la eficiencia de sus centros de datos. Pero el enfoque sigue siendo experimental, y aún necesita simulaciones que requieren mucho tiempo. Será interesante comprobar cómo de eficaz puede llegar a ser.
2. Redes neuronales rivales
En la reunión académica insignia de IA celebrada recientemente en Barcelona (España), la Conferencia de Sistemas de Procesamiento de Información Neuronales (NIPS, por sus siglas en inglés), gran parte del entusiasmo se centró en una nueva técnica de aprendizaje de máquinas conocida como redes adversarias generativas (del inglés generative adversarial networks).
Inventada por Ian Goodfellow, ahora un investigador científico de OpenAI, las redes adversarias generativas (GAN, por sus siglas en inglés), son sistemas que constan de una red que genera datos nuevos después de aprender de un conjunto de datos de entrenamiento, y otra red que intenta distinguir entre datos reales y falsos. Al trabajar en conjunto, estas redes pueden producir datos sintéticos muy realistas. El enfoque podría utilizarse para crear escenas de videojuegos, aumentar la nitidez de imágenes de vídeo pixeladas o aplicar cambios estilísticos a diseños generados por ordenador.
Yoshua Bengio, uno de los expertos de aprendizaje de máquinas más destacados del mundo (y asesor doctoral de Goodfellow en la Universidad de Montreal en Canadá), dijo en la conferencia NIPS que este enfoque resulta especialmente emocionante porque ofrece una potente manera para que los ordenadores aprendan de datos no etiquetados; algo que muchos creen que podría ser la clave para lograr ordenadores mucho más inteligentes en los próximos años.
3. El bum chino de la IA
2017 también podría ser el año en el que China empiece a destacar como un actor principal en el campo de la inteligencia artificial. La industria tecnológica del país está distanciándose de la copia estratégica de las empresas occidentales, y ha identificado la IA y el aprendizaje de máquinas como las próximas grandes áreas de innovación.
Hace tiempo que la empresa líder de búsquedas de China, Baidu, tiene un laboratorio centrado en la IA, y ya está recogiendo los beneficios en forma de mejoras tecnológicas como el reconocimiento de voz y el procesamiento del lenguaje natural, sin olvidar un negocio de publicidad en línea más optimizado. Otros actores del país se afanan por ponerse al día. Tencent, el proveedor de la exitosa app de mensajería móvil WeChat, abrió un laboratorio de IA el año pasado, y la empresa estuvo muy ocupada reclutando talento en la conferencia NIPS. Didi Chuxing, el gigante de los viajes compartidos que compró las operaciones chinas de Uber el año pasado, también está montando un laboratorio y según los informes está trabajando en el desarrollo de sus propios coches sin conductor.
Los inversores chinos ahora están financiando start-ups centradas en la IA, y el Gobie o chino ha señalado su deseo de ver florecer la industria de IA del país con su compromiso de invertir alrededor de 15.000 millones de dólares (unos millones de 14.378 euros) para 2018.
4. Reconocimiento del lenguaje
Si se pregunta a los investigadores de IA cuál será su próximo gran objetivo, probablemente mentarían el lenguaje. La esperanza es que las técnicas que han generado progresos espectaculares en el reconocimiento de voz e imágenes, entre otras áreas, también podrían ayudar a los ordenadores a analizar y producir el lenguaje de manera más eficaz.
Este es un viejo objetivo de la inteligencia artificial, y la perspectiva de que los ordenadores se comuniquen e interactúen con nosotros por medio del lenguaje es fascinante. Un mejorado entendimiento del lenguaje haría que las máquinas sean mucho más útiles. Pero el reto es formidable dada la complejidad, la sutileza y el poder del lenguaje.
No espere entablar conversaciones profundas y significativas con su smartphone durante algún tiempo aún. Pero se están logrando algunos progresos impresionantes, y puede esperar observar más avances en este campo durante el 2017.
5. Moderar las expectativas
Además de avances reales y emocionantes aplicaciones nuevas, el 2016 vio aumentar las expectativas en to o a la inteligencia artificial hasta unos niveles embriagadores. Aunque muchas personas tienen fe en el potencial de las tecnologías que se están desarrollando en la actualidad, es difícil evitar pensar que la publicidad que rodea la IA se está desmadrando un poco.
Algunos investigadores del área están claramente molestos. Se organizó una fiesta de lanzamiento durante la conferencia NIPS para una start-up de IA falsa llamada Rocket AI para resaltar la creciente obsesión y los sinsentidos que rodean las investigaciones auténticas. El engaño no fue demasiado convincente, pero fue una manera divertida de llamar la atención sobre el problema.
Un problema real es que el entusiasmo desmedido da paso inevitablemente a una sensación de decepción cuando no se producen grandes avances, lo que lleva a start-ups sobrevaloradas a fracasar y frena la inversión en otras iniciativas. Tal vez el 2017 traiga alguna forma de reacción contra la máquina publicitaria de la IA; tal vez no sea tan malo que pase.