Search
lunes 21 mayo 2018
  • :
  • :

La Inteligencia Artificial de Google construyó una IA que supera a todas las fabricadas por humanos

El proyecto AutoML de Google, diseñado para hacer que una IA construya otras IAs, ahora ha desarrollado un sistema de visión por computadora que supera ampliamente a los modelos más avanzados. El proyecto podría mejorar la forma en que los vehículos autónomos y los robots de inteligencia artificial de la próxima generación “ven”.

Una IA que puede construir IAs

En mayo de 2017, los investigadores de Google Brain anunciaron la creación de AutoML, una inteligencia artificial (IA) que es capaz de generar sus propias IA. Más recientemente, decidieron presentar AutoML con su mayor desafío hasta la fecha, y la IA que puede construir AI creó un “niño” que superó a todos sus contrapartes hechas por el hombre.

Los investigadores de Google automatizaron el diseño de modelos de aprendizaje automático utilizando un enfoque llamado aprendizaje reforzado. AutoML actúa como una red neuronal controladora que desarrolla una red infantil de inteligencia artificial para una tarea específica. Para esta IA infantil en particular, que los investigadores llamaron NASNet, la tarea consistía en reconocer objetos (personas, automóviles, semáforos, bolsos, mochilas, etc.) en un video en tiempo real.

AutoML evaluaría el rendimiento de NASNet y usaría esa información para mejorar su IA infantil, repitiendo el proceso miles de veces. Cuando se probaron en la clasificación de imágenes ImageNet y los conjuntos de datos de detección de objetos COCO, que los investigadores de Google llaman “dos de los conjuntos de datos académicos a gran escala más respetados en visión artificial”, NASNet superó a todos los demás sistemas de visión por computadora.

Según los investigadores, NASNet tenía un 82.7% de precisión en la predicción de imágenes en el conjunto de validación de ImageNet. Esto es un 1.2 por ciento mejor que cualquier resultado publicado previamente, y el sistema también es un 4% más eficiente, con un promedio de Precisión media (mAP) del 43.1%. Además, una versión menos computacionalmente exigente de NASNet superó a los mejores modelos de tamaño similar para plataformas móviles en un 3.1%.

Una vista del futuro

El aprendizaje automático es lo que le da a muchos sistemas de inteligencia artificial la capacidad de realizar tareas específicas. Aunque el concepto detrás de esto es bastante simple, un algoritmo aprende al ser alimentado con una tonelada de datos, el proceso requiere una gran cantidad de tiempo y esfuerzo. Al automatizar el proceso de creación de sistemas de inteligencia artificial precisos y eficientes, una IA que puede construir IA se lleva la peor parte de ese trabajo. En última instancia, eso significa que AutoML podría abrir el campo del aprendizaje automático y la inteligencia artificial a los no expertos.

En cuanto a NASNet específicamente, los algoritmos de visión por computadora precisos y eficientes son muy buscados debido a la cantidad de aplicaciones potenciales. Podrían utilizarse para crear sofisticados robots con inteligencia artificial o para ayudar a las personas con discapacidad visual a recuperar la vista, como sugirió un investigador. También podrían ayudar a los diseñadores a mejorar las tecnologías de los vehículos autónomos. Cuanto más rápido un vehículo autónomo puede reconocer objetos en su camino, más rápido puede reaccionar ante ellos, aumentando así la seguridad de dichos vehículos.

Los investigadores de Google reconocen que NASNet podría resultar útil para una amplia gama de aplicaciones y tiene una fuente abierta de AI para la inferencia en la clasificación de imágenes y la detección de objetos. “Esperamos que la comunidad más grande de aprendizaje automático pueda basarse en estos modelos para abordar multitud de problemas de visión artificial que aún no hemos imaginado”, escribieron en su publicación de blog.

A pesar de que las aplicaciones para NASNet y AutoML son abundantes, la creación de una IA que pueda construir inteligencia artificial plantea algunas preocupaciones. Por ejemplo, ¿qué impide que el padre transmita sesgos no deseados a su hijo? ¿Qué pasa si AutoML crea sistemas tan rápido que la sociedad no pueda mantener el ritmo? No es muy difícil ver cómo NASNet podría emplearse en sistemas de vigilancia automatizados en un futuro próximo, tal vez antes de que se establezcan regulaciones para controlar dichos sistemas.

Visto en : La Verdad Nos Espera

loading...



Deja una respuesta

Deja un comentario