Apple obtiene su primer director de IA

Apple está contratando a una estrella en ascenso en el mundo del aprendizaje profundo para que se desempeñe como su primer director de investigación de IA. Ruslan Salakhutdinov , profesor asociado de la Universidad Carnegie Mellon en Pittsburgh, asumirá el nuevo cargo, que tiene como objetivo ayudar a la empresa a asegurarse de que Siri y sus otros productos hagan uso de los avances fundamentales que surgen de la investigación académica de IA. Salakhutdinov hablará sobre su investigación en EmTech MIT 2016, una conferencia de MIT Technology Review celebrada esta semana.

Salakhutdinov investiga redes neuronales muy grandes utilizadas en una tecnología llamada aprendizaje profundo, que permite que una computadora aprenda a realizar una tarea difícil al consumir muchos ejemplos de capacitación. Continuará trabajando a tiempo parcial en CMU y contratará a un equipo de investigadores para trabajar con él en Apple.

La medida es parte del esfuerzo de Apple por ponerse al día en la carrera con Google, Facebook, Amazon y otras compañías tecnológicas para obtener una ventaja a través de los avances recientes en IA y aprendizaje automático. En particular, cada vez es más importante que el software sea capaz de aprender por sí mismo cómo realizar una tarea, utilizando técnicas como el aprendizaje profundo. Las últimas técnicas de inteligencia artificial se utilizan en el nuevo teléfono inteligente de Google, Pixel, por ejemplo. Su asistente de voz, llamado Assistant, competirá cara a cara con Siri de Apple, utilizando el aprendizaje automático para tratar de comprender las consultas habladas de los usuarios.

El trabajo de Salakhutdinov sobre técnicas de aprendizaje automático de vanguardia podría ayudar a impulsar el progreso en la IA y podría aplicarse en muchas áreas diferentes, incluida la visión por computadora, el procesamiento del lenguaje natural e incluso la robótica.

Hablando recientemente, Salakhutdinov dijo que hay tres grandes áreas en las que la IA está progresando: dar a las computadoras una mejor comprensión del lenguaje; permitirles aprender a través de la repetición y el refuerzo positivo; y desarrollar formas para que las máquinas aprendan de datos no etiquetados. También destacó el trabajo que está haciendo para enseñar a las máquinas a aprender de datos no estructurados en la Web, algo que posiblemente podría ayudar a que un producto como Siri sea más inteligente.

Estamos trabajando en la idea de tratar de usar bases de conocimiento externas, dijo. Si le pregunto algo sobre algo en particular, ¿puede su sistema básicamente ir a Wikipedia, leer algunos artículos diferentes, aprender algunos datos sobre el mundo y brindarle la respuesta correcta?

El trabajo reciente de Salakhutdinov también se ha centrado en permitir que las máquinas aprendan de diferentes tipos de datos y en las formas en que las cosas aprendidas en un contexto se aplican en otro completamente nuevo, áreas conocidas, respectivamente, como aprendizaje multimodal y aprendizaje por transferencia. También colaboró ​​en un proyecto que mostró, inspirándose en la ciencia cognitiva, cómo las computadoras pueden aprender a partir de cantidades de datos relativamente pequeñas (consulte Este algoritmo de IA aprende tareas simples tan rápido como nosotros).

En los últimos años, competidores como Google y Facebook han contratado a figuras líderes en aprendizaje profundo para liderar sus esfuerzos de IA. Apple tiene un esfuerzo de investigación de IA mucho menos prominente que sus competidores, y algunos han sugerido que su secreto tradicional ha dificultado que la empresa reclute a los mejores investigadores en el campo.

El aprendizaje profundo ha cobrado protagonismo en los últimos años, después de demostrar ser espectacularmente bueno para permitir que las máquinas reconozcan objetos en imágenes y palabras habladas en audio. Google y Facebook usan la tecnología para subtitular automáticamente las imágenes. Y ha hecho que Siri y otros productos activados por voz reconozcan mejor las palabras. Sin embargo, analizar el significado de esas palabras sigue siendo un desafío mayor (consulte el Problema del lenguaje de AI).

esconder