Si bien estamos asistiendo a una verdadera revolución de la Inteligencia Artificial, todavía estamos lejos de aproximarnos a la llamada Inteligencia Artificial General (IAG), es decir, una inteligencia multipropósito similar a la humana. Hasta ahora solo se logran herramientas muy capacitadas para realizar tareas muy específicas.
Los investigadores de DeepMind, la división de Inteligencia Artificial de Google, está trabajando en un enfoque que podría ser significativo en la búsqueda de hacer máquinas tan inteligentes como nosotros.
IAG
En dos artículos publicados esta semana y publicados en New Scientist, los investigadores de la filial del Alphabet describen los esfuerzos para enseñar a sus máquinas el uso del razonamiento relacional.
En pocas palabras, el razonamiento relacional es la capacidad de considerar relaciones entre diferentes representaciones mentales, tales como objetos, palabras o ideas. Este tipo de razonamiento es crucial para el desarrollo cognitivo humano y es vital para resolver cualquier problema.
La mayoría de los sistemas de aprendizaje de máquina existentes no intentan entender la relación entre conceptos. Un sistema de visión puede identificar un perro o un gato en un cuadro, por ejemplo, pero no sabe que el perro está persiguiendo al gato.
Los dos sistemas desarrollados en DeepMind resuelven este desafío modificando los métodos del machine learning usando CLEVR, un conjunto de datos de objetos simples. Después del entrenamiento, pueden preguntar al sistema si un objeto está delante de otro, o cuál es el objeto más cercano. Sus resultados son incluso superiores en algunos casos a los seres humanos.
En el segundo artículo, los investigadores muestran cómo un sistema de machine learning modificado de forma similar puede aprender a predecir el comportamiento de objetos simples en dos dimensiones.
El aprendizaje automático o aprendizaje de máquinas (del inglés, "Machine Learning") es el subcampo de las ciencias de la computación y una rama de la IA cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender. Así pues, si bien los avances pueden no ser avances sorprendentes, son exactamente el tipo de investigación que se necesita para aproximarnos al tipo de inteligencia del ser humano.