211service.com
IBM impulsa el aprendizaje profundo con una actualización de Watson
de IBM ¡Peligro! -juego de sistema informático, watson , combinó dos áreas separadas de investigación de inteligencia artificial con resultados ganadores. La comprensión del lenguaje natural se combinó con el análisis estadístico de enormes pilas de texto sin estructura para encontrar las respuestas probables a las preguntas crípticas. ¡Peligro! pistas
Ahora, IBM tiene como objetivo agregar otra poderosa técnica de inteligencia artificial, conocida como aprendizaje profundo, a la versión comercial de Watson. El movimiento podría hacer que la plataforma sea considerablemente más inteligente y útil, y apunta a una dirección futura prometedora para la investigación de IA.
En su esfuerzo por comercializar Watson, IBM ha realizado algunas de las características desarrolladas para el ¡Peligro! desafío, así como algunos nuevos, disponibles para los desarrolladores a través de una interfaz de programación de aplicaciones (API) en la nube. Ahora ha agregado tres funciones basadas en aprendizaje profundo a esta API de Watson: traducción, voz a texto y texto a voz. Estos podrían usarse para crear, por ejemplo, aplicaciones o sitios web que ofrezcan servicios de traducción o transcripción. Pero los desarrolladores también podrían conectarlos a otros servicios de Watson que analicen preguntas y busquen respuestas en grandes cantidades de texto. Esto podría conducir a una aplicación que permita buscar una gran cantidad de documentos con consultas habladas de forma natural.
La compañía también ha dicho que colaborará con Yoshua Bengio , profesor de la Universidad de Montreal en Canadá, una figura destacada en el campo del aprendizaje profundo.
El aprendizaje profundo implica entrenar una computadora para que reconozca patrones a menudo complejos y abstractos al alimentar grandes cantidades de datos a través de sucesivas redes de neuronas artificiales y refinar la forma en que esas redes responden a la entrada. En los últimos años, el enfoque ha demostrado ser muy efectivo para reconocer palabras habladas u otro audio, o para clasificar información visual (consulte Breakthrough Technologies 2013: Deep Learning).
Se han logrado rápidos avances en el aprendizaje profundo en los últimos años gracias a la disponibilidad de grandes cantidades de datos clasificados, especialmente en línea, y porque los potentes procesadores de gráficos paralelos han demostrado ser particularmente efectivos para realizar los cálculos necesarios. Algunas de las empresas de tecnología más grandes del mundo están interesadas en aplicar el aprendizaje profundo de manera comercialmente relevante (consulte Facebook lanza un esfuerzo de inteligencia artificial para encontrar significado en sus publicaciones y ¿Google está acaparando el mercado en el aprendizaje profundo?). Google y Facebook también han contratado a figuras líderes en aprendizaje profundo para aplicar la tecnología a sus negocios.
Sin embargo, aunque los resultados producidos por los sistemas de aprendizaje profundo suelen ser espectaculares, los sistemas responsables son extremadamente especializados y pueden fallar de manera sorprendente porque no comprenden el mundo de una manera muy significativa. Si el aprendizaje profundo se puede combinar con otras técnicas de IA de manera efectiva, eso podría producir sistemas más completos y útiles.
Puedes imaginar muchos casos de uso diferentes, dice Jerónimo Pesenti , vicepresidente de tecnologías centrales de Watson. Digamos que tiene un producto bancario o de seguros, puede hablar por teléfono y decir: 'Oye, este es mi problema', y tener algo que realmente interactúe con usted automáticamente, o se lo brinde a un ser humano real cuando el sistema no lo hace. No sé cómo responder. Ese es el tipo de sistema que estamos lanzando ahora mismo.
La combinación de líneas dispares de investigación en IA podría convertirse en una tendencia importante en los próximos años.
Un desafío clave para la IA moderna es volver a armar un campo que casi se ha dividido entre estas metodologías, dice james hendler , director del Instituto Politécnico Rensselaer para la Exploración y Aplicaciones de Datos en Troy, Nueva York. RPI tiene acceso a una versión anterior de Watson donada a la universidad por IBM, y Hendler imparte cursos basados en la tecnología. La clave de Watson, dice, es que se trata inherentemente de tomar muchas soluciones diferentes para las cosas e integrarlas para llegar a una decisión.
La aplicación del aprendizaje de un área, como la visión, a otra, como el habla, se conoce como enfoque multimodal. Podría hacer que los futuros sistemas de IA sean mucho más útiles y podría generar conocimientos fundamentales sobre la naturaleza de intelligene.
Cuando se trata de comercializar tales avances, IBM puede tener, gracias a Watson, una ventaja inicial en la integración de nuevas técnicas de manera útil. Pesenti dice que su equipo ya está progresando en esta área. Si te hablo de un perro, es muy difícil comprender qué es un perro sin tener una experiencia de ese perro, que se obtiene a través de una visión multimodal de eso, dice. Creemos que en el futuro eso es realmente una parte muy, muy importante de nuestra estrategia.