211service.com
5 grandes predicciones para la inteligencia artificial en 2017
El año pasado fue enorme para los avances en inteligencia artificial y aprendizaje automático. Pero 2017 bien puede ofrecer aún más. Aquí hay cinco cosas clave que esperar.
Refuerzo positivo
La histórica victoria de AlphaGo contra uno de los mejores jugadores de Go de todos los tiempos, Lee Sedol, fue un hito para el campo de la IA, y especialmente para la técnica conocida como aprendizaje de refuerzo profundo.
El aprendizaje por refuerzo se inspira en las formas en que los animales aprenden cómo ciertos comportamientos tienden a resultar en un resultado positivo o negativo. Usando este enfoque, una computadora puede, digamos, descubrir cómo navegar por un laberinto por ensayo y error y luego asociar el resultado positivo (salir del laberinto) con las acciones que lo llevaron a él. Esto permite que una máquina aprenda sin instrucciones o incluso ejemplos explícitos. La idea ha existido durante décadas, pero combinarla con redes neuronales grandes (o profundas) proporciona la potencia necesaria para que funcione en problemas realmente complejos (como el juego de Go). A través de una experimentación incesante, así como del análisis de juegos anteriores, AlphaGo descubrió por sí mismo cómo jugar el juego a un nivel experto.
La esperanza es que el aprendizaje por refuerzo ahora resulte útil en muchas situaciones del mundo real. Y el lanzamiento reciente de varios entornos simulados debería estimular el progreso en los algoritmos necesarios al aumentar la gama de habilidades que las computadoras pueden adquirir de esta manera.
En 2017, es probable que veamos intentos de aplicar el aprendizaje por refuerzo a problemas como la conducción automatizada y la robótica industrial. Google ya se ha jactado de usar el aprendizaje de refuerzo profundo para hacer que sus centros de datos sean más eficientes . Pero el enfoque sigue siendo experimental y aún requiere una simulación que requiere mucho tiempo, por lo que será interesante ver qué tan efectivamente se puede implementar.
Duelo de redes neuronales
En la reunión académica de AI celebrada recientemente en Barcelona, la conferencia Neural Information Processing Systems, gran parte del rumor se centró en una nueva técnica de aprendizaje automático conocida como redes adversarias generativas .
Inventadas por Ian Goodfellow, ahora científico investigador en OpenAI, las redes adversarias generativas, o GAN, son sistemas que consisten en una red que genera nuevos datos después de aprender de un conjunto de entrenamiento y otra que intenta discriminar entre datos reales y falsos. Al trabajar juntas, estas redes pueden producir datos sintéticos muy realistas. El enfoque podría usarse para generar escenarios de videojuegos, desenfocar secuencias de video pixeladas o aplicar cambios estilísticos a diseños generados por computadora.
Yoshua Bengio, uno de los principales expertos mundiales en aprendizaje automático (y asesor de doctorado de Goodfellow en la Universidad de Montreal), dijo en NIPS que el enfoque es especialmente emocionante porque ofrece una forma poderosa para que las computadoras aprendan de datos no etiquetados, algo que muchos creen. puede ser la clave para hacer que las computadoras sean mucho más inteligentes en los próximos años.
El auge de la IA en China
Este también puede ser el año en el que China comience a verse como un jugador importante en el campo de la IA. La industria tecnológica del país está dejando de copiar a las empresas occidentales y ha identificado la IA y el aprendizaje automático como las próximas grandes áreas de innovación.
La principal empresa de búsqueda de China, Baidu, ha tenido un laboratorio centrado en la IA durante algún tiempo y está cosechando los frutos en términos de mejoras en tecnologías como el reconocimiento de voz y el procesamiento del lenguaje natural, así como un negocio de publicidad mejor optimizado. Otros jugadores ahora están luchando para ponerse al día. Tencent, que ofrece WeChat, la aplicación de red y mensajería para dispositivos móviles de gran éxito, abrió un laboratorio de IA el año pasado y la empresa estaba ocupada reclutando talento en NIPS. Didi, el gigante de viajes compartidos que compró las operaciones chinas de Uber a principios de este año, también está construyendo un laboratorio y, según se informa, está trabajando en sus propios autos sin conductor.
Los inversores chinos ahora están invirtiendo dinero en nuevas empresas centradas en la IA, y el gobierno chino ha señalado su deseo de ver florecer la industria de la IA del país. comprometiéndose a invertir unos 15.000 millones de dólares para 2018.
Aprendizaje de idiomas
Pregunte a los investigadores de IA cuál es su próximo gran objetivo y es probable que mencionen el idioma. La esperanza es que las técnicas que han producido un progreso espectacular en el reconocimiento de voz e imagen, entre otras áreas, también puedan ayudar a las computadoras a analizar y generar lenguaje de manera más efectiva.
Este es un objetivo de larga data en inteligencia artificial, y la perspectiva de que las computadoras se comuniquen e interactúen con nosotros usando el lenguaje es fascinante. Una mejor comprensión del lenguaje haría que las máquinas fueran mucho más útiles. Pero el desafío es formidable, dada la complejidad, la sutileza y el poder del lenguaje.
No espere entablar una conversación profunda y significativa con su teléfono inteligente por un tiempo. Pero se están logrando algunos avances impresionantes y puede esperar más avances en esta área en 2017.
Reacción al bombo
Además de los avances genuinos y las nuevas y emocionantes aplicaciones, en 2016 el entusiasmo por la inteligencia artificial alcanzó nuevas alturas. Si bien muchos tienen fe en el valor subyacente de las tecnologías que se están desarrollando hoy en día, es difícil escapar de la sensación de que la publicidad que rodea a la IA se está yendo un poco de las manos.
Algunos investigadores de IA están evidentemente irritados. Se organizó una fiesta de lanzamiento durante NIPS para una startup de IA falsa llamada IA de cohetes , a destacar la creciente manía y tonterías en torno a la investigación real de IA. El engaño no fue muy convincente, pero fue una forma divertida de llamar la atención sobre un problema real.
Un problema real es que la exageración conduce inevitablemente a una sensación de decepción cuando no se producen grandes avances, lo que hace que las nuevas empresas sobrevaloradas fracasen y la inversión se agote. Tal vez 2017 presente algún tipo de reacción contra la máquina de exageraciones de la IA, y tal vez eso no sea algo tan malo.