Por qué la inteligencia artificial no existe realmente todavía
Los procesos que subyacen a la inteligencia artificial hoy en día son, de hecho, estúpidos. Los investigadores de Bochum intentan hacerlos más inteligentes.
Reconocer imágenes que nunca antes habían visto es una tarea difícil para las máquinas de hoy.
© Roberto Schirdewahn
Cambio radical, revolución, megatendencia, quizás incluso un riesgo: la inteligencia artificial ha penetrado en todos los segmentos industriales y mantiene ocupados a los medios de comunicación. Los investigadores del Instituto de Computación Neural del Ruhr-Universtität Bochum (RUB) lo han estado estudiando durante 25 años. Su principio rector es: para que las máquinas sean verdaderamente inteligentes, los nuevos enfoques deben primero hacer que el aprendizaje de las máquinas sea más eficiente y flexible.
Incluya siempre la solución
"Hay dos tipos de aprendizaje automático que tienen éxito hoy en día: las redes neuronales profundas, también conocidas como aprendizaje profundo, así como el aprendizaje de refuerzo", explica el profesor Laurenz Wiskott, presidente de la Cátedra de Teoría de Sistemas Neuronales. Ambos se basan en el entrenamiento del sistema para realizar una tarea específica, por ejemplo, para tomar una decisión. Durante el entrenamiento, el resultado deseado se proporciona junto con la tarea. Con el tiempo, el ordenador aprende a resolver la tarea con precisión cada vez más rápido, en muchos casos mucho mejor que los humanos.
Básicamente, completamente tonto.
Pero: "El problema con estos procesos de aprendizaje automático es que básicamente son completamente tontos", dice Laurenz Wiskott. "Las técnicas subyacentes se remontan a la década de 1980. La única razón de su éxito actual es que hoy tenemos más capacidad informática y más datos a nuestra disposición". Debido a esto, es posible ejecutar rápidamente los procesos de aprendizaje virtualmente ineficientes innumerables veces y alimentar las redes neuronales con una plétora de imágenes y descripciones de imágenes con el fin de entrenarlas.
"Lo que queremos saber es: ¿cómo podemos evitar todo ese largo y absurdo entrenamiento? Y sobre todo: ¿cómo podemos hacer más flexible el aprendizaje con máquinas? La inteligencia artificial puede ser superior a los humanos en exactamente la única tarea para la que fue entrenada, pero no puede generalizar o transferir su conocimiento a tareas relacionadas.
Nuevos enfoques para el aprendizaje automático
Es por ello que los investigadores del Neural Computation Institute se están centrando en nuevas estrategias que ayudan a las máquinas a descubrir estructuras de forma autónoma. Las tareas pueden incluir, por ejemplo, la formación de grupos o la detección y evaluación de cambios graduales en los vídeos. Este aprendizaje sin supervisión permite que las computadoras exploren el mundo de manera autónoma y aborden tareas para las que no habían sido entrenadas en detalle.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Más noticias del departamento ciencias
![Visualización de la catálisis de la [Fe]-hidrogenasa mediante espectroscopia de resonancia magnética nuclear potenciada con parahidrógeno](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Reciba la química en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de química, análisis, laboratorio y tecnología de procesos le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
