Así aprende la inteligencia artificial a ser más inteligente que un humano

Cuando escuchamos Inteligencia Artificial (así, con mayúsculas) o grandes palabras como Machine Learning o Big Data, nuestro pensamiento se evade, asciende sobre el carta, cruza el charco y se planta en Silicon Valley. En la puerta de las grandes empresas tecnológicas.

Pero no hay que irse tan remotamente para encontrar compañías punteras como Knowdle con la capacidad de desarrollar una inteligencia industrial (tal es el caso de la app Buaala) que no sólo genere ruido mediático sino que, encima, proponga soluciones alternativas a cuestiones de ocio.

En este artículo hablaremos del presente de la inteligencia industrial, de las últimas informativo en IA (como DeepMind, la máquina que aprende), y de cómo se usan estos avances para ahorrarnos tiempo en la referéndum del ocio audiovisual. Porque la inteligencia industrial sólo es útil si resuelve problemas humanos.

Así está a día de hoy la inteligencia industrial

Hay muchos modos de contestar a la pregunta: ¿Cómo de inteligente es una inteligencia industrial? Un modo relativamente sencillo es contestar a qué juegos humanos ya nos apetito un ordenador, un dominio en el que los humanos nos estamos acostumbrando a dejar espacio a las máquinas.

Por aparecer por algún año, en 1990 la IA Chinook quedó segunda al articulación de las damas frente a Marion Tinsley, y en 1995 pasó a campeona del mundo tras el fallecimiento del tahúr humano. Estas damas, remotamente de ser un articulación difícil (sólo tienen 500 millones de millones de millones de posibilidades) son un articulación de mesa de los facilitos.

ajedrez inteligencia artificial

A varios órdenes de magnitud se encontraba el imbatible ajedrez, que en 1997 pasó al distrito IA a posteriori de que Deep Blue ganase a Kasparov. Aunque menos sonado, ese mismo año la inteligencia industrial Logistello derrotaba 6 a 0 a Murakami al reversi, un articulación con muchas más combinaciones que el ajedrez.

La inteligencia industrial recortaba posiciones, pero la verdadera revolución empezó en 2016, cuando la IA AlphaGo ganó a Lee Sedol al go, un articulación con tantas combinaciones que la pericia y la intuición se han considerado pilares básicos para cobrar.

Google deepmind

Marzo de 2017 abría con Libratus ganando al póker pero, sin arruinar el mes, Google DeepMind nos dio a todos una sorpresa. Por primera vez en la historia, una misma IA era capaz no sólo de pasar un articulación con éxito, sino de usar lo aprendido para el venidero articulación usando un mecanismo llamado consolidación de peso elástico (EWC).

Lo que ahora marca la diferencia es que esta nueva IA es capaz, sigamos con el ejemplo de los juegos de mesa, de comprender que los movimientos del peón del ajedrez y el de las damas son similares. Si la IA ya sabía retar a las damas, contará con una delantera importante a la hora de instruirse a retar al ajedrez. Es asegurar, no empezará de cero, sino que pensará en cierto sentido como lo haría un ser humano, construyendo conocimiento sobre experiencias previas.

Los retos de la inteligencia industrial

Uno de los mayores retos de la inteligencia industrial —encima del abrumador hecho de que nos estamos quedando sin juegos en los que cobrar— es competir una inteligencia humana por completo a un coste energético aceptable.

Algo en realidad complicado si tenemos presente que lo más cerca que hemos estado de restablecer una mente humana es cuando en 2009 el supercomputador Dawn emuló el 1% de las capacidades humanas consumiendo —ojo al noticia— un millón de vatios de energía y bombeando 76.500 metros cúbicos de ventarrón helado por minuto para que sus 6.675 toneladas no se pusieran a arder (Kaku, 2011).

Nosotros, los seres humanos lo hacemos al 100% con 1,4 kg de materia grisáceo y unos 20 vatios de consumo.

Sequoia6 1000pix IBM Sequoia, lectura consolidada del Blue Gene y del Dawn. Fuente: Public Domain.

Otro problema es que la IA tiende a ir por detrás del ser humano en algunos puntos. Klaus Schwab, en su texto La cuarta revolución industrial (2016) acento sobre cómo el educación de una máquina a la que se le ha cedido permiso puede usar el señal de «migas de pan» que nuestros datos dejan en el mundo digital. No es la primera vez que la tecnología usa la metáfora de Hansel y Gretel para balbucir sobre cómo puede uno aproximarse (vía máquina) a lo que está pensando un humano.

El conclusión que plantean los expertos es el de encender nuestro reproductor de música y que inicio a sonar la canción que deseamos oír incluso ayer de ser conscientes de que deseamos oír esa canción. Este mismo principio se aplica al contenido en vídeo, tanto recto (televisión clásica con horarios de puesta en circulación) como vídeo bajo demanda (Netflix, HBO…).

contenido vídeo digital oferta

La propuesta en este ámbito ha crecido a un ritmo casi exponencial. La imagen de hacia lo alto viene de un estudio comparativo de la propuesta de televisión a lo dadivoso de seis abriles. La trajo a colación Berni Melero, de Knowdle, en la presentación de Buaala en el XII Foro de Innovación Audiovisual acompañada de la frase «¿Cómo vamos a ser capaces de conocer [todo] esto? Si es que es inasequible […] ¿Qué elijo?».

Melero se ponía en división del consumidor para darse cuenta de que había un problema evidente de imposibilidad de estar al tanto de todo. Sumado, encima, al hecho de que cada vez tenemos menos tiempo.

Como dice Yuval Noah Harari con respecto a las IA, es necesario que empecemos a relegar algunas decisiones a las inteligencias artificiales allí donde a nosotros nos son imposibles. Aunque sólo si nos son enseres (resuelven el problema) o si no generan otros (como problemas éticos).

Schwab se une a Noah para dirigir en el mundo del consumo, resaltando que hacía unos abriles uno de los retos de la inteligencia industrial había sido el de ayudarnos a nominar en una amplia propuesta cultural en función de nuestros gustos.

La propuesta es ingente, depende de muchos factores, y el espectador se vuelve irreflexivo buscando lo que puede o no gustarle. Hoy portales como YouTube o Amazon nos facilitan encontrar videoclips o productos afines a nosotros en función de nuestro historial y búsquedas previas. Mecanismos similares de capital de tiempo pueden aplicarse al contenido en televisión, y de hecho se aplican.

¿Cuántos de nosotros llegamos a casa de trabajar o encendemos la televisión tras la cena solo para hacer zapping por los canales en rastreo de poco que ver?

Cuando en España pasamos de dos a cinco canales ganamos en propuesta, pero todavía podíamos —con el teletexto o usando un publicación— visualizar de una sola pasada toda la propuesta. Pero, superado un número de emisoras, el que haya cada vez más contenidos no ayuda especialmente al consumidor, que se vuelve irreflexivo al tratar no ya de verlo todo, sino simplemente de nominar lo que quiere ver.

elegir canal televisión

Y al número de canales o emisoras se suma la complejidad con la que éstas están llegando al mercado. Algunas, las clásicas, siguen emitiendo en directo, aunque sus contenidos pueden estar a posteriori en páginas web de la marca (Atresmedia). Otras, con cierto bagaje en el mundo bajo demanda VOD, permiten la reproducción del directo en un rango de tiempo (timeshift) como las emisiones en directo de YouTube, que el espectador puede detener. Por postrer se encuentran los VOD como Netflix o HBO, vídeos a los que podemos ceder 24×7.

La propuesta y los modos de ceder a ella se multiplican, lo cual está proporcionadamente. Ya no queremos adaptarnos a los contenidos, sino que los contenidos se adapten a nosotros. Sin requisa, necesitamos herramientas para filtrar en cojín a nuestros gustos personales, ya que a televisión emite para todo el mundo —fielmente—.

Una opción a la equivocación de tiempo del espectador

El principal problema de una propuesta expansionista en televisión es el tiempo que quita al espectador el simple hecho de circunscribir contenido que le gustan. Tanto a él como a sus amigos, familiares o compañeros de trabajo. Estas personas cercanas siguen siendo las que más nos influyen a la hora de nominar la venidero película o serie, y serán con las que más hablemos de ellas o incluso con quienes las veamos.

Es aquí donde entra en marcha la inteligencia industrial para una aplicación destreza. En el caso de la referéndum de los contenidos de la televisión, de la mano de Buaala.

inteligencia artificial

Esta app, aunque basado en software (SaaS) ofrece al telespectador conocimiento como servicio (WaaS). El conocimiento sobre sí mismo (muchas veces esquivo) y adaptado a la propuesta audiovisual mediante un motor basado en la colaboración con muchas otras personas como nosotros. Es un motor de inteligencia industrial que se sustenta sobre uno de inteligencia colectiva.

Los seres humanos no podemos concebir el ocio sin amigos con quienes compartirlo, aunque en una web 2.0 estos amigos se encuentren a miles de kilómetros de distancia. Buaala, teniendo en cuenta las interacciones tanto tuyas como de las personas con las que mantienes contacto —y aquellos perfiles que se comportan de un modo similar al tuyo— es capaz de recomendarte series o películas en las que ni siquiera habías pensado.

Como debería hacer todo servicio que accede a contenido personal (podríamos asegurar confidencial o privado) integra un motor de ética bioinspirado. En otras palabras, un sistema de inteligencia industrial basado en competir en cierta medida nuestra modo de pensar. Por lo que no son necesarios ni ordenanza rojos ni desconexión de emergencia: el propio sistema está autorregulado para aportar la seguridad que demanda el consumidor.

Que las inteligencias artificiales ganen a los maestros de distintos juegos de mesa es una curiosidad interesante. Que puedas coger el mando y evitar hacer zapping durante una hora es una delantera útil para tu día a día. Como decíamos al principio, la IA solo es útil si resuelve problemas humanos.

Imágenes | iStock/Rasulovs, Lou Levit, Google DeepMind, iStock/dcdp, iStock/ktsimage


Source link

deja tu opinion

Seguinos

Tecnoblog en las redes sociales