211service.com
La IA armada con múltiples sentidos podría obtener una inteligencia más flexible
La inteligencia humana surge de nuestra combinación de sentidos y habilidades lingüísticas. Tal vez lo mismo sea cierto para la inteligencia artificial.
Diseño Selman
24 de febrero de 2021
Por qué importa:La IA que puede sentir y hablar será mucho mejor para navegar nuevos desafíos y trabajar junto a las personas.
Jugadores claves. Jugadores principales:• IA abierta
• AI2
• Facebook
Disponibilidad:Ahora
A fines de 2012, los científicos de IA descubrieron por primera vez cómo obtener redes neuronales para ver. Demostraron que el software diseñado para imitar vagamente el cerebro humano podría mejorar drásticamente los sistemas de visión por computadora existentes. Desde entonces, el campo ha aprendido cómo hacer que las redes neuronales imiten la forma en que razonar, oír, hablar y escribir .
Pero si bien la IA se ha vuelto notablemente similar a la humana, incluso sobrehumana, para lograr una tarea específica, todavía no captura la flexibilidad del cerebro humano. Podemos aprender habilidades en un contexto y aplicarlas a otro. Por el contrario, aunque el algoritmo de juego de DeepMind AlphaGo puede vencer a los mejores maestros de Go del mundo, no puede extender esa estrategia más allá del tablero. Los algoritmos de aprendizaje profundo, en otras palabras, son maestros en captar patrones, pero no pueden comprender y adaptarse a un mundo cambiante.
Esta historia fue parte de nuestra edición de marzo de 2021
- Ver el resto del número
- Suscribir
Los investigadores tienen muchas hipótesis sobre cómo se podría superar este problema, pero una en particular ha cobrado fuerza. Los niños aprenden sobre el mundo sintiéndolo y hablando sobre él. La combinación parece clave. A medida que los niños comienzan a asociar palabras con imágenes, sonidos y otra información sensorial, pueden describir fenómenos y dinámicas cada vez más complicados, separar lo que es causal de lo que refleja solo una correlación y construir un modelo sofisticado del mundo. Luego, ese modelo los ayuda a navegar en entornos desconocidos y poner nuevos conocimientos y experiencias en contexto.
Historia relacionada
La IA de DeepMind ahora ha superado a casi todos los jugadores humanos en StarCraft II AlphaStar cooperó consigo mismo para aprender nuevas estrategias para conquistar el popular juego de guerra galáctica.Los sistemas de IA, por otro lado, están diseñados para hacer solo una de estas cosas a la vez. Los algoritmos de reconocimiento de audio y visión por computadora pueden detectar cosas, pero no pueden usar el lenguaje para describirlas. Un modelo de lenguaje natural puede manipular palabras, pero las palabras están separadas de cualquier realidad sensorial. Si los sentidos y el lenguaje se combinaran para dar una IA, una forma más humana de recopilar y procesar nueva información , ¿podría finalmente desarrollar algo así como una comprensión del mundo?
La esperanza es que estos sistemas multimodales, con acceso tanto a los modos sensoriales como lingüísticos de la inteligencia humana, den lugar a un tipo de IA más robusta que pueda adaptarse más fácilmente a nuevas situaciones o problemas. Dichos algoritmos podrían ayudarnos a abordar problemas más complejos, o trasladarse a robots que puedan comunicarse y colaborar con nosotros en nuestra vida diaria.
Los nuevos avances en algoritmos de procesamiento de lenguaje como GPT-3 de OpenAI han ayudado. Los investigadores ahora entienden cómo replicar la manipulación del lenguaje lo suficientemente bien como para hacer que combinarla con capacidades de detección sea más potencialmente fructífera. Para empezar, están utilizando la primera capacidad de detección que logró el campo: la visión artificial. Los resultados son modelos bimodales simples, o IA de lenguaje visual .
En el último año, ha habido varios resultados interesantes en esta área. En septiembre, investigadores del Instituto Allen de Inteligencia Artificial, AI2, crearon un modelo que puede generar una imagen a partir de una leyenda de texto , demostrando la capacidad del algoritmo para asociar palabras con información visual. En noviembre, investigadores de la Universidad de Carolina del Norte, Chapel Hill, desarrollaron un método que incorpora imágenes en modelos de lenguaje existentes , que potenció la comprensión lectora de los modelos.
202110 tecnologías innovadoras
OpenAI luego usó estas ideas para extender GPT-3. A principios de 2021, el laboratorio lanzó dos modelos de lenguaje visual. Uno vincula los objetos en una imagen con las palabras que los describen en una leyenda. El otro genera imágenes a partir de una combinación de los conceptos que ha aprendido. Puede pedirle, por ejemplo, que produzca una pintura de un carpincho sentado en un campo al amanecer. Aunque es posible que nunca haya visto esto antes, puede mezclar y combinar lo que sabe sobre pinturas, capibaras, campos y amaneceres para imaginar docenas de ejemplos.
Lograr una inteligencia más flexible no solo desbloquearía nuevas aplicaciones de IA: también las haría más seguras.
Los sistemas multimodales más sofisticados también harán posible más asistentes robóticos avanzados (Piense en mayordomos robot, no solo en Alexa). La generación actual de robots impulsados por IA utiliza principalmente datos visuales para navegar e interactuar con su entorno. Eso es bueno para completar tareas simples en entornos limitados, como cumplir con pedidos en un almacén. Pero laboratorios como AI2 están trabajando para agregar lenguaje e incorporar más entradas sensoriales, como audio y datos táctiles, para que las máquinas puedan entender comandos y realizar operaciones más complejas, como abrir una puerta cuando alguien llama.
A la larga, los avances multimodales podrían ayudar a superar algunas de las mayores limitaciones de la IA. Los expertos argumentan, por ejemplo, que su incapacidad para comprender el mundo también es la razón por la que puede fallar o ser engañado fácilmente. (Una imagen se puede alterar de una manera que es imperceptible para los humanos, pero hace que una IA la identifique como algo completamente diferente). Lograr una inteligencia más flexible no solo desbloquearía nuevas aplicaciones de IA: también las haría más seguras. Los algoritmos que analizan los currículos no tratarían características irrelevantes como el género y la raza como signos de capacidad. Los coches autónomos no se desorientarían en un entorno desconocido y chocarían en la oscuridad o con nieve. Los sistemas multimodales podrían convertirse en las primeras IA en las que realmente podemos confiar nuestras vidas.