Google i altres empreses del sector consideren que si és possible crear un software capaç d’aprendre a aprendre per si mateix, aquest podria fer-se càrrec inclús de treballs realitzats per experts en Intel·ligència Artificial (AI).
23 de de gener de 2017
En aquest tipus d’avanços en investigació sobre AI comporten unes quantes opinions escèptiques que qüestiona la capacitat que un software d’aquestes característiques tinga la possibilitat de realitzar treballs humans. Encara així, els principals investigadors segueixen treballant per fer un software que puga aprendre just a fer una de les parts més difícils de les seues pròpies faenes: dissenyar un software d’aprenentatge màquina.
En un experiment previ, els professionals de Google Brain dissenyaren un sistema d’aprenentatge màquina per realitzar una prova de comparació amb el software capaç de processar el llenguatge. Les evidències superaren els resultats publicats de software per humans.
Durant els últims mesos, altres grups també han progressat en les seues investigacions per aconseguir un software d’aprenentatge que puga construir software d’aprenentatge. Entre ells, destaquen els de OpenAI (que fou co-fundat per Elon Musk); el MIT; la Universitat de Califòrnia, Berkeley i altre grup d’investigació d’intel·ligència artificial de Google, DeepMind.
Si finalment aquestes tècniques d’autoposada en marxa en relació al software en Intel·ligència Artificial es tornen pràctiques, podrien incrementar el ritme d’implementació del software d’aprenentatge automàtic en l’economia de l’empresa. Actualment, aquestes cal que paguen una prima pels experts que treballen en AI, ja que no existeixen molts professionals d’aquest àmbit. En aquest sentit, Jeff Dean, director del grup d’investigació de Google Brain, va comentar en una entrevista la setmana passada que part del treball d’aquests experts podria ser suplantat pel software d’AI. Va descriure el que va denominar “aprenentatge automatitzat de màquines” com una de les vies d’investigació més prometedores que el seu equip estava explorant.
Per la seua part, un conjunt d’experiments del grup DeepMind de Google suggereix que el que els investigadors denominen “aprendre a aprendre” també podria ajudar a disminuir el problema del software d’aprenentatge màquina que necessita consumir grans quantitats de dades sobre una feina específica per a poder realitzar-la correctament. D’aquesta manera, desafiaren el seu software per a crear sistemes d’aprenentatge per a col·leccions de múltiples problemes diferents, però relacionats, com navegar en laberints. Plantejaren dissenys que mostraren una habilitat per a generalitzar i recollir noves feines amb menys entrenament addicional del que serà habitual.
El que els investigadors denominen “aprendre a aprendre” també podria ajudar a disminuir el problema del software d’aprenentatge màquina que necessita consumir grans quantitats de dades sobre una feina específica per a poder realitzar-la correctament
Cal destacar que una disminució de la càrrega sobre el científic de dades és una gran recompensa, ja que això podria fer a l’empleat més productiu i alliberar-lo perquè puga explorar idees de nivell superior, així com fer millors models.
