Por qué el CEO de Google está entusiasmado con la automatización de la inteligencia artificial

Sundar Pichai en la conferencia anual de desarrolladores de la compañía en Mountain View, California.

Los expertos en aprendizaje automático son escasos, ya que las empresas de muchas industrias se apresuran a aprovechar los avances recientes en el poder de la inteligencia artificial. El CEO de Google dice que una solución a la escasez de habilidades es hacer que el software de aprendizaje automático se haga cargo de parte del trabajo de creación de software de aprendizaje automático.

Hoy, en la conferencia anual de desarrolladores de Google, Pichai presentó un proyecto llamado AutoML que surge del grupo de investigación de inteligencia artificial Google Brain de la compañía. Los investigadores allí han demostrado que sus algoritmos de aprendizaje pueden automatizar una de las partes más difíciles del trabajo de diseñar software de aprendizaje automático para realizar una tarea en particular. En algunos casos, su sistema automatizado ideó diseños que rivalizan o superan el mejor trabajo de los expertos humanos en aprendizaje automático.

'Este es un desarrollo muy emocionante', dice Pichai. Revisión de tecnología del MIT , en un correo electrónico. Podría acelerar todo el campo y ayudarnos a abordar algunos de los problemas más desafiantes que enfrentamos hoy.

Pichai espera que el proyecto AutoML pueda ampliar la cantidad de desarrolladores capaces de utilizar el aprendizaje automático al reducir la experiencia necesaria. Esto encajaría con la estrategia de Google de posicionar sus servicios de computación en la nube como el mejor lugar para construir y hospedar con aprendizaje automático. La compañía está tratando de atraer nuevos clientes en el mercado corporativo de computación en la nube, donde está rezagada con el líder Amazon y el segundo lugar Microsoft (ver Google revela un nuevo y poderoso chip y supercomputadora de IA).

Historia relacionada

Historia relacionada

AutoML tiene como objetivo facilitar el uso de una técnica llamada aprendizaje profundo, que Google y otros utilizan para potenciar el reconocimiento de voz e imágenes, la traducción y la robótica (consulte 10 Tecnologías innovadoras 2013: Aprendizaje profundo).

El aprendizaje profundo enseña al software a ser inteligente al pasar datos a través de capas de matemáticas inspiradas libremente en la biología y conocidas como redes neuronales artificiales. Elegir la arquitectura adecuada para la red matemática de una red neuronal es una parte crucial para hacer que algo funcione. Pero no es fácil de averiguar. Lo hacemos por intuición, dice Quoc Le, investigador de aprendizaje automático de Google que trabaja en el proyecto AutoML.

El mes pasado, Le y su compañero investigador Barret Zoph presentaron los resultados de experimentos en los que encargaron a un sistema de aprendizaje automático que descubriera la mejor arquitectura para usar para que el software aprenda a resolver tareas de lenguaje y reconocimiento de imágenes.

En la tarea de imagen, su sistema rivalizó con las mejores arquitecturas diseñadas por expertos humanos. En la tarea de lenguaje, los superó.

Quizás lo más significativo es que se le ocurrieron arquitecturas de un tipo que los investigadores no consideraban previamente adecuadas para esas tareas. En cierto sentido, encontró algo que no sabíamos, dice Le. es sorprendente

La noción de software que aprende a mejorar en el aprendizaje existe desde hace algún tiempo. Pero como muchas ideas en el campo de la inteligencia artificial, el poder del aprendizaje profundo está permitiendo nuevos avances. Los investigadores de la otra división de investigación de IA de Google, DeepMind, en el ámbito académico, y OpenAI, una organización sin fines de lucro respaldada por Elon Musk, están explorando conceptos relacionados (consulte El software de IA aprende a crear software de IA).

Sin embargo, cuando se les pregunta si van por buen camino para quedarse sin trabajo, Le y Zoph se ríen. En este momento, la técnica es demasiado costosa para ser ampliamente utilizada. Los experimentos de la pareja utilizaron 800 potentes procesadores de gráficos durante varias semanas, acumulando el tipo de factura de energía que pocas empresas podrían permitirse para la investigación especulativa.

Aún así, Google ahora tiene un equipo más grande que trabaja en AutoML, incluso en cómo hacerlo menos intensivo en recursos. Le cree que podría ayudar a que el reconocimiento de video o voz sea más preciso, o incluso conducir al progreso en el problema más espinoso de hacer que el software aprenda sin instrucciones explícitas de los humanos (ver El eslabón perdido de la inteligencia artificial).

esconder