Las m¨¢quinas aprenden ya como los humanos

A un ni?o le basta ver un elefante una vez para identificar a todos los elefantes que ver¨¢ en el futuro. Ya sean africanos o asi¨¢ticos, los vea en una pel¨ªcula o en el zoo, se trate de una manada en la sabana o de uno solo tras los ¨¢rboles, sabr¨¢ que est¨¢ viendo elefantes. Hasta ahora, la inteligencia artificial necesitaba miles de im¨¢genes de elefantes en todo tipo de situaciones para identificar a uno nuevo que no estuviera en su base de datos. A diferencia de los humanos, no era capaz de generalizar bas¨¢ndose en unos pocos ejemplos. Sin embargo, este tipo de aprendizaje tan humano acaba de ser replicado por una m¨¢quina.

Un grupo de investigadores americanos ha creado un algoritmo matem¨¢tico que permite a las m¨¢quinas aprender a la manera de un ni?o. Esta forma inductiva de adquirir nuevo conocimiento es una de las fortalezas de la versatilidad humana. Ante un nuevo concepto u objeto, bastan unos cuantos ejemplos, a veces solo uno, para extraer de ellos los elementos b¨¢sicos que componen el objeto y las relaciones entre sus partes. De esta manera, el ni?o apenas necesitar¨¢ entrenamiento para distinguir un elefante de un mamut. A¨²n m¨¢s importante, este tipo de aprendizaje lleva dentro el germen de la creatividad. Sabiendo lo que es un elefante, los humanos pueden imaginar nuevos ejemplos de elefante, incluso el de un elefante rosa volando.

"Hay muchos sistemas de aprendizaje [de m¨¢quinas]", dice el profesor de la Universidad de Toronto (Canad¨¢) y cocreador del algoritmo, Ruslan Salakhutdinov. "Por lo general, necesitan cientos de miles de ejemplos para entrenar el concepto que uno quiere aprender. Pero, los humanos, son capaces de captar esas categor¨ªas similares, esos conceptos parecidos, con solo unos cuantos ejemplos, cuando no un ¨²nico entrenamiento", a?ade Salakhutdinov, considerado uno de los pioneros de las redes neuronales artificiales claves para el aprendizaje de las m¨¢quinas (o machine learning, por su terminolog¨ªa original en ingl¨¦s).

Sistemas tan poderosos como el superordenador Watson, el reconocimiento facial de Facebook o el asistente personal Siri de Apple usan este aprendizaje de m¨¢quinas basado en acaparar tantos ejemplos como se pueda, acumular muchos datos y relacionarlos mediante algoritmos.

Los sistemas actuales de aprendizaje de m¨¢quinas necesitan centenares o miles de ejemplos para entrenar

El algoritmo creado por Salakhutdinov y dos colegas de universidades estadounidenses no pretende que una m¨¢quina vea elefantes sino que pueda identificar caracteres escritos a mano de unos 50 sistemas de escritura, desde el alfabeto griego hasta el s¨¢nscrito, pasando por algunos inventados, como el de la serie Futurama. Se trata de una biblioteca de 1.600 tipos de caracteres diferentes. La variabilidad posible es enorme y eso sin tener en cuenta las posibles tipograf¨ªas (Arial, Comic Sans, Helvetica...) en cada sistema o el estilo caligr¨¢fico del que escribe.

"La idea para este algoritmo surgi¨® de un hallazgo sorprendente que hicimos mientras recopil¨¢bamos una base de datos de caracteres escritos a mano por todo el mundo", explica el investigador de la Universidad de Nueva York y coautor del estudio Brenden Lake."Vimos que si le pides a un grupo de personas que dibujen un nuevo car¨¢cter, existe un patr¨®n persistente en la forma en que lo hacen: tienden a crear nuevos caracteres de la misma manera, bas¨¢ndose en las partes o trazos que han dibujado antes", a?ade.?

El algoritmo que han presentado en un art¨ªculo de la revista Science opera de una manera similar. Tras mostrarle un car¨¢cter escrito por una o dos manos diferentes, la m¨¢quina lo descompone en sus partes fundamentales y encuentra las relaciones que hay entre ellas. De esta manera, el sistema puede identificar decenas y decenas de nuevas versiones de un car¨¢cter e, incluso, nuevos caracteres del mismo alfabeto.

Para comprobar la validez de su algoritmo, los investigadores pidieron a un grupo de humanos que escribieran a mano una serie de caracteres. La m¨¢quina recibi¨® instrucciones de hacer lo mismo. Despu¨¦s, una serie de jueces humanos, familiarizados con la escritura usada en cada uno de los experimentos, deb¨ªa intentar diferenciar qu¨¦ caracteres hab¨ªan sido escritos por un humano y cu¨¢les por la m¨¢quina. En la mayor¨ªa de las ocasiones, no fueron capaces.

Aunque el algoritmo se dise?¨® para caracteres escritos a mano, los investigadores creen que su enfoque se puede aplicar a otros campos, como la visi¨®n artificial, el reconocimiento de voz o procesado del lenguaje natural. Como dice Salakhutdinov: "esperamos que este trabajo ayude a guiar el avance de la inteligencia artificial, desarrollando una nueva generaci¨®n de sistemas inteligentes, de m¨¢quinas inteligentes que puedan desplegar o a la menos acercarse a la inteligencia humana".

Los algoritmos cada vez lo hacen mejor

Como recuerda el profesor del Laboratorio de Inteligencia Artificial y Ciencias de la Computaci¨®n del Instituto Tecnol¨®gico de Massachusetts, el barcelon¨¦s Antonio Torralba, "aprender con pocos ejemplos era uno de los objetivos iniciales de la inteligencia artificial". Por eso le parece tan relevante este nuevo trabajo. "Han construido un sistema con las reglas b¨¢sicas por las que se compone un nuevo objeto. Una vez se conocen esas reglas b¨¢sicas, puedes aprender nuevos objetos porque tienes pocas cosas que identificar", comenta el experto espa?ol en aprendizaje de m¨¢quinas y visi¨®n artificial.

En el caso de los caracteres, hay trazos, lo que les lleva a un modelo de trazos, y muchos de ellos est¨¢n compuestos por elementos similares, como l¨ªneas rectas o circulares. Una vez descubiertos estos elementos b¨¢sicos, ante un nuevo car¨¢cter solo tienes que descubrir qu¨¦ elementos lo componen. Para Torralba, "si se consigue aprender con pocos ejemplos, podremos construir m¨¢quinas que podr¨¢n trabajar m¨¢s cerca del ser humano, capaces de aprender y reaccionar con muy pocos datos, como hacemos los humanos".

Aprender con pocos ejemplos era uno de los objetivos iniciales de la inteligencia artificial" Antonio Torralba, profesor de inteligencia artificial en el MIT

El avance de la inteligencia artificial est¨¢ reduciendo las esferas de acci¨®n exclusivamente humanas. Superados hace tiempo por las m¨¢quinas en potencia de c¨¢lculo, capacidad para almacenar informaci¨®n o para establecer relaciones entre los datos, los humanos ahora empiezan a ser tuteados en inteligencia.

Los humanos lo hacen peor en la bolsa, donde, al menos en Estados Unidos, m¨¢s del 75% de las operaciones las hacen m¨¢quinas. La concesi¨®n de cr¨¦ditos, las operaciones en el quir¨®fano o incluso qu¨¦ cosecha sembrar son decisiones cada vez m¨¢s automatizadas. Los algoritmos tambi¨¦n est¨¢n detr¨¢s de las recomendaciones de lectura que hace Amazon, los emparejamientos en las p¨¢ginas de citas en l¨ªnea o la conducci¨®n de los veh¨ªculos sin conductor (humano) que empezar¨¢n pronto a llegar a las carreteras.

"?Los humanos deber¨ªan conducir coches? Yo creo que no y que deber¨ªa estar prohibido", sostiene el experto en big data y machine learning de ASPgems, Juantom¨¢s Garc¨ªa. Para ¨¦l, los algoritmos no est¨¢n reduciendo la esfera de las acciones humanas, sino que la est¨¢n mejorando. Como ¨¦l dice, "hay millones de acciones que no tiene sentido que las sigamos haciendo los humanos".