Una red neuronal puede aprender a organizar el mundo que ve en conceptos, tal como lo hacemos nosotros.

Gabriel Santiago | Unsplash





Las GAN, o redes antagónicas generativas, son la estrella de las redes sociales de los algoritmos de IA. Son los responsables de crear la primera pintura de IA jamás vendida en un subasta de arte y para caras de celebridades superpuestas en los cuerpos de las estrellas porno. Funcionan enfrentando dos redes neuronales entre sí para crear resultados realistas basados ​​en lo que reciben. Alimente a uno con muchas fotos de perros, y puede crear perros completamente nuevos; aliméntalo con muchas caras, y puede crear nuevas caras.

Tan buenos como son para causar daño, los investigadores del MIT-IBM Watson AI Lab se dieron cuenta de que las GAN también son una herramienta poderosa: debido a que pintan lo que están pensando, podrían dar a los humanos una idea de cómo aprenden y razonan las redes neuronales. Esto ha sido algo que la comunidad de investigación en general ha buscado durante mucho tiempo, y se ha vuelto más importante con nuestra creciente dependencia de los algoritmos.

Existe la posibilidad de que aprendamos lo que sabe una red al tratar de recrear el mundo visual, dice David Bau, un estudiante de doctorado del MIT que trabajó en el proyecto.



Entonces, los investigadores comenzaron a probar la mecánica de aprendizaje de una GAN alimentándola con varias fotos de paisajes: árboles, césped, edificios y cielo. Querían ver si aprendería a organizar los píxeles en grupos sensibles sin que se le dijera explícitamente cómo.

Sorprendentemente, con el tiempo, lo hizo. Al encender y apagar varias neuronas y pedirle a la GAN que pintara lo que pensaba, los investigadores encontraron distintos grupos de neuronas que habían aprendido a representar un árbol, por ejemplo. Otros grupos representaban hierba, mientras que otros representaban paredes o puertas. En otras palabras, había logrado agrupar píxeles de árbol con píxeles de árbol y píxeles de puerta con píxeles de puerta independientemente de cómo estos objetos cambiaban de color de una foto a otra en el conjunto de entrenamiento.

El GAN ​​sabe no pintar puertas en el cielo. Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT



Estos GAN están aprendiendo conceptos que recuerdan mucho a los conceptos a los que los humanos han dado palabras, dice Bau.

No solo eso, sino que la GAN parecía saber qué tipo de puerta pintar según el tipo de pared representada en una imagen. Pintaría una puerta de estilo georgiano en un edificio de ladrillo con arquitectura georgiana, o una puerta de piedra en un edificio gótico. También se negó a pintar puertas en un trozo de cielo. Sin que se lo dijeran, la GAN había captado de alguna manera ciertas verdades tácitas sobre el mundo.

esto fue un gran revelación para el equipo de investigación. Hay ciertos aspectos del sentido común que están surgiendo, dice Bau. Hasta ahora no estaba claro si había alguna forma de aprender este tipo de cosas [a través del aprendizaje profundo]. que eso es posible sugiere que el aprendizaje profundo puede acercarnos más a cómo funcionan nuestros cerebros de lo que pensábamos anteriormente, aunque eso todavía no se acerca a ninguna forma de inteligencia a nivel humano.



Otros grupos de investigación han comenzado a encontrar comportamientos de aprendizaje similares en redes que manejan otros tipos de datos, según Bau. En la investigación del lenguaje, por ejemplo, las personas han encontrado grupos de neuronas para palabras en plural y pronombres de género.

Ser capaz de identificar qué grupos corresponden a qué conceptos hace posible controlar la salida de la red neuronal. El grupo de Bau puede activar solo las neuronas del árbol, por ejemplo, para que la GAN pinte árboles, o solo las neuronas de las puertas para que pinte las puertas. Las redes de idiomas, de manera similar, se pueden manipular para cambiar su salida, por ejemplo, para cambiar el género de los pronombres mientras se traduce de un idioma a otro. Estamos comenzando a habilitar la capacidad de una persona para realizar intervenciones para generar diferentes resultados, dice Bau.

El equipo ahora ha lanzado una aplicación llamada GAN pintura que convierte esta habilidad recién descubierta en una herramienta artística. Te permite activar grupos de neuronas específicos para pintar escenas de edificios en campos de hierba con muchas puertas. Más allá de su tontería como salida lúdica, también habla del mayor potencial de esta investigación.

El problema con la IA es que al pedirle que haga una tarea por ti, le estás dando una enorme confianza, dice Bau. Le das tu entrada, hace su pensamiento 'genial' y te da algo de salida. Incluso si tuviera un experto humano que es súper inteligente, tampoco es así como le gustaría trabajar con ellos.

Con GANpaint, comienza a abrir la tapa de la caja negra y establece algún tipo de relación. Puedes averiguar qué sucede si haces esto o qué sucede si haces aquello, dice Hendrik Strobelt, el creador de la aplicación. Tan pronto como puedas jugar con estas cosas, ganarás más confianza en sus capacidades y también en sus límites.

Una versión abreviada de esta historia apareció originalmente en nuestro boletín de AI The Algorithm. Para recibirlo directamente en su bandeja de entrada, suscríbase aquí de forma gratuita.

esconder