Por qué la inteligencia artificial no existe realmente todavía
Los procesos que subyacen a la inteligencia artificial hoy en día son, de hecho, estúpidos. Los investigadores de Bochum intentan hacerlos más inteligentes.
Reconocer imágenes que nunca antes habían visto es una tarea difícil para las máquinas de hoy.
© Roberto Schirdewahn
Cambio radical, revolución, megatendencia, quizás incluso un riesgo: la inteligencia artificial ha penetrado en todos los segmentos industriales y mantiene ocupados a los medios de comunicación. Los investigadores del Instituto de Computación Neural del Ruhr-Universtität Bochum (RUB) lo han estado estudiando durante 25 años. Su principio rector es: para que las máquinas sean verdaderamente inteligentes, los nuevos enfoques deben primero hacer que el aprendizaje de las máquinas sea más eficiente y flexible.
Incluya siempre la solución
"Hay dos tipos de aprendizaje automático que tienen éxito hoy en día: las redes neuronales profundas, también conocidas como aprendizaje profundo, así como el aprendizaje de refuerzo", explica el profesor Laurenz Wiskott, presidente de la Cátedra de Teoría de Sistemas Neuronales. Ambos se basan en el entrenamiento del sistema para realizar una tarea específica, por ejemplo, para tomar una decisión. Durante el entrenamiento, el resultado deseado se proporciona junto con la tarea. Con el tiempo, el ordenador aprende a resolver la tarea con precisión cada vez más rápido, en muchos casos mucho mejor que los humanos.
Básicamente, completamente tonto.
Pero: "El problema con estos procesos de aprendizaje automático es que básicamente son completamente tontos", dice Laurenz Wiskott. "Las técnicas subyacentes se remontan a la década de 1980. La única razón de su éxito actual es que hoy tenemos más capacidad informática y más datos a nuestra disposición". Debido a esto, es posible ejecutar rápidamente los procesos de aprendizaje virtualmente ineficientes innumerables veces y alimentar las redes neuronales con una plétora de imágenes y descripciones de imágenes con el fin de entrenarlas.
"Lo que queremos saber es: ¿cómo podemos evitar todo ese largo y absurdo entrenamiento? Y sobre todo: ¿cómo podemos hacer más flexible el aprendizaje con máquinas? La inteligencia artificial puede ser superior a los humanos en exactamente la única tarea para la que fue entrenada, pero no puede generalizar o transferir su conocimiento a tareas relacionadas.
Nuevos enfoques para el aprendizaje automático
Es por ello que los investigadores del Neural Computation Institute se están centrando en nuevas estrategias que ayudan a las máquinas a descubrir estructuras de forma autónoma. Las tareas pueden incluir, por ejemplo, la formación de grupos o la detección y evaluación de cambios graduales en los vídeos. Este aprendizaje sin supervisión permite que las computadoras exploren el mundo de manera autónoma y aborden tareas para las que no habían sido entrenadas en detalle.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Más noticias del departamento ciencias
Noticias más leídas
Más noticias de nuestros otros portales
Contenido visto recientemente
Un nuevo estudio sobre una molécula de clorofila recientemente descubierta podría ser clave para mejorar las células solares - Los científicos descubren por primera vez la ubicación y las funciones de un nuevo tipo de molécula de clorofila
Las bacterias podrían aprender a predecir el futuro - Una nueva investigación sugiere que las bacterias podrían aprender del pasado para predecir el futuro
Pajitas y vajillas desechables: también de papel y a menudo con sustancias químicas nocivas para el medio ambiente y la salud - La alternativa supuestamente mejor a menudo no lo es en absoluto, subrayan los científicos
Merck y la start-up Inbrain Neuroelectronics colaboran para desarrollar la próxima generación de terapias bioelectrónicas
Un nuevo experimento revela cómo progresa la conversión ultrarrápida de la urea - Hallada la clave del origen de la vida
¿Pueden los chips sustituir a los ensayos con animales? - La Universidad Hebrea y una empresa emergente desarrollan chips biónicos para crear fármacos contra el cáncer sin necesidad de experimentarlos en animales
Observación en tiempo real de los procesos enzimáticos en el ADN - La comprensión de los procesos moleculares involucrados en la detección de roturas de cadenas de ADN
Los nanoplásticos pueden alterar los procesos de las células pulmonares y hepáticas humanas en experimentos de laboratorio - ¿Qué ocurre cuando la gente come, bebe o inhala, sin saberlo, trozos de plástico casi invisibles?
Pfizer y BioNTech anuncian datos positivos tempranos de un estudio en curso de fase 1/2 del candidato a la vacuna basada en ARNm contra el SARS-CoV-2 - Los esfuerzos para fabricar los principales candidatos, en riesgo, se están preparando
Cuando las proteínas trabajan juntas, pero viajan solas - Si una proteína puede realizar su función sólo cuando se ensambla en un complejo, ¿cuál es entonces el beneficio del desmontaje de un complejo?
Mondi y traceless se asocian para desarrollar una innovadora solución de recubrimiento a partir de subproductos agrícolas - Alternativa a los envases plastificados
