El desarrollo de Inteligencia
Artificial se ha dado a pasos agigantados en los últimos años, especialmente
después de la llegada de las redes
neuronales. Sin embargo, debido a la complejidad de estos sistemas, solo
unas cuantas personas tienen el talento para
desarrollarlos bien.
Esta cantidad reducida de
ingenieros con la capacidad de desarrollar
sistemas inteligentes, ha hecho que se cree un cuello de botella, y no es
el único. Incluso los mejores investigadores no pueden desarrollar estos
servicios sin estar en constante ensayo y error en una escala inmensa.
Para solucionar parte de este
problema, grandes empresas como Google y Facebook están automatizando este
ensayo y error... o al menos parte de él. La lógica detrás de esta iniciativa
es que si se automatiza el trabajo más pesado, los ingenieros pueden
concentrarse en genera grandes ideas para
resolver problemas más difíciles. Esto aceleraría el poder de la AI
aplicada a productos como apps o servicios.
En resumen, y aunque suene a
ciencia ficción, las gigantes tecnológicas están desarrollando algoritmos de IA
para que les ayuden a desarrollar algoritmos de IA.
Una de estas herramientas se
llama “Flow”, la cual está diseñada para ayudar a los ingenieros a construir,
probar y ejecutar algoritmos de aprendizaje automático a gran escala. Y esto
incluye prácticamente cualquier forma de aprendizaje automático.
"Queríamos construir una línea de montaje de aprendizaje automático que
todos los ingenieros de Facebook podrían usar", dice
Hussein Mehanna ingeniero del departamento de anuncios de Facebook.
Básicamente, los ingenieros
pueden probar fácilmente un sin fin de ideas a través de la red en expansión de
la compañía. Pueden ejecutar todo tipo de posibilidades que involucran no sólo
el aprendizaje profundo, sino otras formas de IA. "Mientras más ideas se
prueben, mejor," dice
Mehanna. "Cuantos más datos prueben, mejor." También quería decir
que los ingenieros pueden reutilizar fácilmente algoritmos que otros habían
construido, ajustando estos algoritmos y su aplicación a otras tareas.
Actualmente los usos que le
dan a Flow dentro de la empresa son varios: el News Feed, reconocer rostros en
fotos publicadas en la red social o generar sonido para que los ciegos puedan
entender lo que está delante de ellos. Incluso podría ayudar a la empresa a
determinar qué partes del mundo aún necesitan tener acceso a Internet.
Mehanna dice que con Flow,
Facebook puede entrenar y probar unos 300 mil modelos de aprendizaje automático
cada mes y puede producir varios modelos nuevos cada semana, cuando antes solo
podían sacar uno cada 60 días.
Para el futuro Mehanna y Facebook quieren hacer que esta plataforma se acelere y planean hacer que Flow sea de código abierto, compartiéndola con todo el mundo. De hecho, de acuerdo a Mehanna, empresas como LinkedIn, Uber, y Twitter ya están interesadas en utilizarlo.
Mehanna y su equipo también
han construido una herramienta llamada AutoML que puede eliminar aún más la
carga de los ingenieros humanos. Esta correo sobre Flow y puede
"limpiar" automáticamente los datos necesarios para entrenar las redes
neuronales y algoritmos de aprendizaje automático dejándolos listos para ser
probados sin la intervención humana. AutoML utiliza inteligencia artificial
para ayudar a construir la inteligencia artificial.
Como dice Mehana, Facebook
entrena y prueba unos 300 mil modelos de aprendizaje automático cada mes.
AutoML a continuación, puede utilizar los resultados de estas pruebas para
entrenar a otro modelo de aprendizaje automático que puede optimizar la
formación de modelos de aprendizaje
automático.
Como es un poco complicado de
entender, Mehanna lo compara con la película Inception. Y aunque suena entreverado el sistema funciona, puede
automáticamente elegir algoritmos y parámetros que son usualmente correctos.
"Casi se puede predecir el resultado antes de la prueba", dice
Mehanna.
"(Esta herramienta)
Todavía no puede inventar un nuevo algoritmo de IA", dice
Mehanna. "Pero quién sabe...". La idea que una creación de ese
nivel pueda ocurrir sin la intervención del ser humano es fascinante, y algunas personas consideran
peligrosa. Sin embargo, tenemos que reconocer que es un importante paso que
debemos dar para construir inteligencias artificiales más potentes.
FUENTE: WIRED