<pre>La inteligencia artificial está evolucionando por sí sola | Ciencias

La inteligencia artificial (IA) está evolucionando, literalmente. Los investigadores han creado un software que toma prestados conceptos de la evolución darwiniana, incluida la “supervivencia del más apto”, para crear programas de inteligencia artificial que mejoren generación tras generación sin el aporte humano. El programa reprodujo décadas de investigación de IA en cuestión de días, y sus diseñadores piensan que algún día podría descubrir nuevos enfoques para la IA.

“Mientras que la mayoría de las personas estaban dando pequeños pasos, dieron un salto gigante hacia lo desconocido”, dice Risto Miikkulainen, un científico informático de la Universidad de Texas, Austin, que no participó en el trabajo. “Este es uno de esos documentos que podría lanzar una gran cantidad de investigaciones futuras”.

Construir un algoritmo de IA lleva tiempo. Tome las redes neuronales, un tipo común de aprendizaje automático utilizado para traducir idiomas y conducir automóviles. Estas redes imitan libremente la estructura del cerebro y aprenden de los datos de entrenamiento al alterar la fuerza de las conexiones entre las neuronas artificiales. Los subcircuitos más pequeños de neuronas llevan a cabo tareas específicas, por ejemplo, detectar señales de tráfico, y los investigadores pueden pasar meses descubriendo cómo conectarlos para que trabajen juntos sin problemas.

En los últimos años, los científicos han acelerado el proceso al automatizando algunos pasos. Pero estos programas todavía se basan en unir circuitos listos para usar diseñados por humanos. Eso significa que la producción aún está limitada por la imaginación de los ingenieros y sus prejuicios existentes.

Entonces, Quoc Le, un científico de la computación de Google, y sus colegas desarrollaron un programa llamado AutoML-Zero que podría desarrollar programas de inteligencia artificial con cero aporte humano, utilizando solo conceptos matemáticos básicos que un estudiante de secundaria conocería. “Nuestro objetivo final es desarrollar conceptos novedosos de aprendizaje automático que incluso los investigadores no pudieron encontrar”, dice.

El programa descubre algoritmos utilizando una aproximación flexible de la evolución.

Comienza creando una población de 100 algoritmos candidatos combinando aleatoriamente operaciones matemáticas. Luego los prueba en una tarea simple, como un problema de reconocimiento de imagen en el que tiene que decidir si una imagen muestra un gato o un camión.

En cada ciclo, el programa compara el rendimiento de los algoritmos con los algoritmos diseñados a mano. Las copias de los mejores artistas se “mutan” al reemplazar, editar o eliminar al azar parte de su código para crear ligeras variaciones de los mejores algoritmos. Estos “niños” se agregan a la población, mientras que los programas más antiguos se eliminan. El ciclo se repite.

El sistema crea miles de estas poblaciones a la vez, lo que le permite pasar decenas de miles de algoritmos por segundo hasta encontrar una buena solución. El programa también utiliza trucos para acelerar la búsqueda, como intercambiar ocasionalmente algoritmos entre poblaciones para evitar cualquier callejón sin salida evolutivo y eliminar automáticamente algoritmos duplicados.

En un documento de preimpresión publicado el mes pasado en arXiv, los investigadores muestran el enfoque puede tropezar con una serie de técnicas clásicas de aprendizaje automático, incluyendo redes neuronales. Las soluciones son simples en comparación con los algoritmos más avanzados de hoy, admite Le, pero dice que el trabajo es una prueba de principio y es optimista de que se puede ampliar para crear IA mucho más complejas.

Aun así, Joaquín Vanschoren, un científico de la computación de la Universidad Tecnológica de Eindhoven, cree que pasará un tiempo antes de que el enfoque pueda competir con lo último en tecnología. Una cosa que podría mejorar el programa, dice, no es pedirle que comience desde cero, sino sembrarlo con algunos de los trucos y técnicas que los humanos han descubierto. “Podemos preparar la bomba con conceptos aprendidos de aprendizaje automático”.

Eso es algo en lo que Le planea trabajar. Centrarse en problemas más pequeños en lugar de algoritmos completos también es prometedor, agrega. Su grupo publicó otro artículo sobre arXiv el 6 de abril que utilizó un enfoque similar para rediseñar un popular componente listo para usar utilizado en muchas redes neuronales.

Pero Le también cree que aumentar el número de operaciones matemáticas en la biblioteca y dedicar aún más recursos informáticos al programa podría permitirle descubrir capacidades de IA completamente nuevas. “Esa es una dirección que realmente nos apasiona”, dice. “Descubrir algo realmente fundamental que llevará mucho tiempo para que los humanos lo descubran”.

Fuente: Por Edd Gent.

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí