La Verdadera Razón Por La Que Ai No Asumirá El Control Pronto

{h1}

La inteligencia artificial ha tenido su parte de altibajos recientemente. ¿qué significan los logros y los errores en el campo dinámico de la investigación en ia?

La inteligencia artificial ha tenido su parte de altibajos recientemente. En lo que fue ampliamente considerado como un hito clave para los investigadores de inteligencia artificial (IA), un sistema venció a un ex campeón del mundo en un juego de mesa intrincadamente complejo. Pero luego, solo una semana después, un "chatbot" que fue diseñado para aprender de sus interacciones con los humanos en Twitter tuvo un colapso racista altamente público en el sitio de redes sociales.

¿Cómo sucedió esto y qué significa para el campo dinámico de la IA?

A principios de marzo, un sistema de inteligencia artificial hecho por Google venció al ex campeón mundial Lee Sedol cuatro partidos contra uno en un antiguo juego chino, llamado Go, que se considera más complejo que el ajedrez, que se usó anteriormente como un punto de referencia para evaluar el progreso en la máquina. inteligencia. Antes del triunfo de Google AI, la mayoría de los expertos pensaron que pasaría décadas antes de que una máquina pudiera vencer a un humano de primera categoría en Go. [Máquinas súper inteligentes: 7 futuros robóticos]

Pero recién llegado a esta victoria, Microsoft presentó un sistema de inteligencia artificial en Twitter llamado Tay que fue diseñado para imitar a una niña estadounidense de 19 años. Los usuarios de Twitter podrían twittear en Tay, y Microsoft dijo que el sistema de inteligencia artificial aprendería de estas interacciones y, eventualmente, mejoraría en la comunicación con los humanos. La empresa se vio obligada a desconectar del experimento 16 horas después, luego de que el chatbot comenzó a emitir mensajes racistas, misóginos y sexualmente explícitos. La compañía se disculpó profusamente, culpando de un "ataque coordinado" a "vulnerabilidades" y "explotaciones técnicas".

A pesar del uso del lenguaje por parte de Microsoft que parecía sugerir que el sistema era víctima de piratas informáticos, el experto en inteligencia artificial Bart Selman, profesor de ciencias de la computación en la Universidad de Cornell, dijo que la llamada "vulnerabilidad" era que Tay parecía repetir frases en Twitter sin ninguna respuesta. tipo de filtro Como era de esperar, el "lolz" que se tenía al hacer que el chatbot repitiera frases inflamatorias era demasiado para que algunos se resistieran.

Selman dijo que estaba sorprendido de que Microsoft no ofreciera suficientes salvaguardas para evitar tal eventualidad, pero le dijo a WordsSideKick.com que el incidente destaca uno de los principales puntos débiles de la inteligencia artificial moderna: la comprensión del lenguaje.

Enseñanza de inteligencia artificial

Selman es muy buena para analizar el texto, es decir, desentrañar los patrones gramaticales que sustentan el lenguaje, dijo Selman, que permite a los chatbots como Tay crear oraciones que suenan humanas. También es lo que potencia los impresionantes servicios de traducción de Google y Skype. "Pero eso es algo diferente de entender la semántica: el significado de las oraciones", agregó.

Muchos de los avances recientes en la tecnología de la IA han sido gracias a un enfoque llamado aprendizaje profundo, que en cierto nivel imita la forma en que se comportan las capas de las neuronas en el cerebro. Dadas las enormes franjas de datos, es muy buena para encontrar patrones, por lo que muchos de sus mayores éxitos han sido en tareas perceptivas como la imagen o el reconocimiento de voz. [Una breve historia de la inteligencia artificial]

Si bien los enfoques tradicionales para el aprendizaje automático necesitaban que se les dijera qué buscar para "aprender", una de las principales ventajas del aprendizaje profundo es que estos sistemas tienen un "descubrimiento automático de características", según Shimon Whiteson, profesor asociado en el Departamento de Ciencias de la Computación de la Universidad de Oxford.

La primera capa de la red está optimizada para buscar características muy básicas en los datos, por ejemplo, el borde de los objetos en una imagen. Esta salida se alimenta a la siguiente capa, que busca configuraciones más complejas, por ejemplo, cuadrados o círculos. Este proceso se repite en las capas con cada una de ellas buscando características cada vez más elaboradas para que, cuando el sistema alcance los niveles más altos, pueda usar las estructuras detectadas por las capas inferiores para identificar cosas como un automóvil o una bicicleta.

"Con un aprendizaje profundo, puede simplemente ingresar datos sin procesar en una gran red neuronal, que luego se entrena de extremo a extremo", dijo Whiteson a WordsSideKick.com.

Grandes recompensas

Esto ha llevado a algunas capacidades sobrehumanas. Selman dijo que se ha demostrado que los sistemas de aprendizaje profundo superan a los especialistas médicos en el diagnóstico de enfermedades a partir de exploraciones de MRI. La combinación del enfoque con el llamado aprendizaje de refuerzo, en el que las máquinas utilizan señales de recompensa para desarrollar una estrategia óptima, también ha tenido éxito en tareas donde es posible crear simulaciones virtuales precisas, dijo Kaheer Suleman, director de tecnología y coordinador fundador de la canadiense AI startup Maluuba. El sistema de inteligencia artificial de Google, apodado AlphaGo, se convirtió en un experto al jugarse millones de veces y usar esta combinación de métodos para mejorar sus habilidades y desarrollar estrategias.

"El gran desafío para la IA está en los dominios donde no hay una colección masiva de datos etiquetados, o donde el entorno no se puede simular bien", dijo Suleman. "El idioma es un gran ejemplo de este tipo de dominio. Internet contiene un texto infinito, pero en ninguna parte su" significado "está etiquetado en alguna forma digerible por la máquina".

Maluuba está desarrollando algoritmos que pueden leer texto y responder preguntas sobre él, pero Suleman dijo que hay varias características del lenguaje que lo hacen particularmente difícil. Por un lado, el lenguaje es muy complejo: el significado se extiende a múltiples niveles, desde palabras a frases y oraciones. Estos se pueden combinar en un número infinito de formas y cada humano usa el lenguaje de manera diferente.

Y todo lenguaje es abstracto; las palabras son simplemente símbolos de cosas en un mundo real que una máquina a menudo no puede experimentar.

"Desde la perspectiva del aprendizaje automático, el sistema aprendido solo es tan bueno como los datos que lo proporcionas", dijo Whiteson.

Sin acceso a la vida útil de los datos sobre el mundo físico y la riqueza de las interacciones sociales que un humano ha acumulado, no es de extrañar que Tay no haya entendido qué es, por ejemplo, el Holocausto, y mucho menos por qué es inapropiado negarlo.

Mirando hacia el futuro

A pesar de estos desafíos, Maluuba publicó un artículo el mes pasado en arXiv, un repositorio en línea para trabajos de investigación de preimpresión, que describe cómo su sistema pudo responder a preguntas de opción múltiple sobre textos desconocidos con más del 70 por ciento de precisión, superando a otros enfoques de redes neuronales en 15 por ciento, e incluso superando los enfoques codificados a mano. El enfoque de Maluuba combinó el aprendizaje profundo con las estructuras de redes neuronales, diseñadas para interactuar entre sí de manera que las interacciones resulten en una forma rudimentaria de razonamiento. La compañía también está trabajando en sistemas de diálogo hablado que pueden aprender a participar en conversaciones naturales con humanos.

Selman dijo que la inteligencia artificial centrada en el lenguaje puede ser sorprendentemente poderosa para aplicaciones donde el tema es bastante restringido. Por ejemplo, las líneas de asistencia técnica son cosas que predice que podrían automatizarse pronto (y algunas ya lo están, hasta cierto punto), como trabajos administrativos relativamente importantes que se reducen a interacciones rutinarias como la actualización de hojas de cálculo y el envío de correos electrónicos de fórmula.

"Las debilidades están expuestas en estos entornos no controlados, muy abiertos, que involucran múltiples aspectos de la inteligencia humana pero que también comprenden a otras personas", dijo Selman.

Pero ciertamente se está progresando en este frente, dijo Whiteson, con el auto-auto de Google como un buen ejemplo. Compartir la calle con los humanos requiere que la máquina entienda más que las reglas de la carretera, también tiene que ser capaz de seguir normas sociales no declaradas y navegar por dilemas éticos al evitar colisiones, agregó.

Y a medida que los avances en inteligencia artificial y robótica dan como resultado un número creciente de máquinas que se utilizan en el mundo real, la capacidad de interactuar con los humanos ya no es un objetivo elevado para los aficionados a la ciencia ficción. Los investigadores ahora están buscando nuevos enfoques que podrían ayudar a las máquinas no solo a percibir, sino también a comprender el mundo que las rodea.

"El aprendizaje profundo es genial, pero no es una bala de plata", dijo Whiteson. "Todavía faltan muchas cosas. Y, por lo tanto, un siguiente paso natural en el que la gente está trabajando es cómo podemos agregar cosas al aprendizaje profundo para que pueda hacer aún más".

"Ahora, todas estas preguntas espinosas sobre qué es lo que queremos que hagan las máquinas y cómo nos aseguramos de que lo hagan tienen una importancia práctica, por lo que la gente está empezando a concentrarse en ellas mucho más ahora".

Sigue a WordsSideKick.com @wordssidekick, Facebook & Google+. Artículo original en WordsSideKick.com.


Suplemento De Vídeo: ULTIMA HORA Putin convoca a los GENERALES de guerra de Rusia y advierte a EEUU.




Investigación


Fuego Y Furia: Cómo Sobrevivir A Un Ataque Nuclear
Fuego Y Furia: Cómo Sobrevivir A Un Ataque Nuclear

Los Dedos Biónicos Podrían Ayudar A Los Humanos A Obtener Un Agarre
Los Dedos Biónicos Podrían Ayudar A Los Humanos A Obtener Un Agarre

Noticias De Ciencia


¿Por Qué Los Peces No Tienen Cuello?
¿Por Qué Los Peces No Tienen Cuello?

Se Encontraron Bacterias Súper Salmonelas
Se Encontraron Bacterias Súper Salmonelas

'Pastillas De Placenta' Llevaron A La Infección Bacteriana En El Bebé
'Pastillas De Placenta' Llevaron A La Infección Bacteriana En El Bebé

La Araña De La Trampa Lleva El Nombre De Obama
La Araña De La Trampa Lleva El Nombre De Obama

La Tecnología Sostenible Vio A Los Antiguos Mayas Durante La Sequía
La Tecnología Sostenible Vio A Los Antiguos Mayas Durante La Sequía


ES.WordsSideKick.com
Reservados Todos Los Derechos!
La Reproducción De Cualquier Permitió Sólo Prostanovkoy Enlace Activo Al Sitio ES.WordsSideKick.com

© 2005–2019 ES.WordsSideKick.com