En mayo de este año, los
investigadores de Google Brain anunciaron la creación de AutoML, una
inteligencia artificial (IA) capaz de generar sus propias IA. Unos meses
después decidieron darle a AutoML su mayor desafío hasta la fecha, y la IA construyó
una “hija” que superó a todas sus contrapartes hechas por el hombre.
Los investigadores automatizaron el diseño de
modelos de “aprendizaje
automático” utilizando un enfoque llamado “aprendizaje reforzado”, de esta
manera AutoML actúa como una red neuronal controladora que desarrolla una red
de inteligencia artificial “hija” para una tarea específica.
Para esta nueva IA 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 hija, repitiendo el proceso miles de veces.
Cuando la IA hija fue probada en la clasificación
de imágenes ImageNet y los conjuntos de datos de detección de objetos COCO,
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 obtuvo un 82.7% de
precisión en la predicción de imágenes en el conjunto de validación de
ImageNet. Esto es un 1.2% 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%.
El aprendizaje automático es lo que le da a muchos
sistemas de inteligencia artificial la capacidad de realizar tareas
específicas. Aunque el concepto detrás 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 IAs
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 potenciales aplicaciones. 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 podrá reaccionar ante
ellos, lo que aumenta 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 blog.
A pesar de que las aplicaciones para NASNet y
AutoML son abundantes, la creación de una IA que pueda construir inteligencias
artificiales plantea algunas preocupaciones. Por ejemplo: ¿Qué impide que esta
AI madre transmitan sesgos no deseados a sus “hijas”? ¿Qué pasa si AutoML crea
sistemas tan rápido que la sociedad no puede 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.
FUENTES: FOSSBYTE,
SCIENCEALERT
Si quieres estar siempre enterado de lo último y lo mejor en
descubrimientos, investigaciones y avances científicos y tecnológicos SUSCRÍBETE AQUÍ en un solo paso. Recibirás un boletín
semanal con lo mejor de Sophimania.