La inteligencia de los humanos es
especialmente hábil a la hora de relacionar lugares, secuencias, objetos y
palabras x medio de la lógica. Gracias a esta habilidad, se puede pensar de
forma transversal y sacar conclusiones de forma intuitiva
Las máquinas, q son excelentes a la
hora de usar la estadística para extraer patrones o bien establecer relaciones
pero solo a partir de reglas preestablecidas, no pueden llegar al mismo nivel.
Sin embargo, un nuevo estudio realizado x científicos q trabajan en el proyecto
“DeepMind”, de “Google”, han desarrollado un sistema q pretende llevar a cabo
un proceso más similar al q hacen los humanos. De momento, ya han logrado
superar al hombre en pruebas de relación de imágenes complejas
La investigación, ha construido una
red neural para llevar a cabo este tipo de razonamiento basado en relaciones.
En primer lugar, han preparado pequeños programas, cada uno con una
arquitectura especializada y destinada a distintas tareas, como procesar imágenes,
analizar el lenguaje o aprender juegos. Después, los han preparado para
colaborar y encontrar patrones en los datos
De este modo, han logrado q trabajen
en la tarea de comparar pares de entidades en escenarios individuales. “Hemos
forzado a la red a descubrir las relaciones q existen entre los objetos”
Los investigadores pusieron a prueba a
su red con distintas pruebas. X ejemplo, les hicieron relacionar imágenes de
objetos, como cubos, cilindros o bolas, para saber si eran las mismas o no.
Para ello, le preguntaron a la máquina cosas como esta: “Delante de la cosa
azul hay un objeto. ¿Tiene la misma forma q la pequeña cosa azul q está a la
derecha de la bola metálica?”
Las respuestas de la máquina se
produjeron gracias a la acción de dos redes. En este caso, una estaba destinada
a reconocer objetos, y la otra a interpretar la pregunta. En las pruebas, los
humanos consiguieron 92% de tasa de éxitos, pero quedaron x detrás del nuevo
algoritmo de “Google”, q logró un 96% de aciertos
Los investigadores también pusieron a
la red a trabajar con pruebas de lenguaje. Le preguntaron cosas como: “Sandra
cogió una pelota”, y “Sandra fue a la oficina”, así q, ¿”dónde está la pelota”?
En este tipo de pruebas de inferencia, la máquina obtuvo tasas de acierto del 98%,
mientras q los ordenadores anteriores se habían quedado en el 45%
El ordenador también obtuvo buenos
resultados en pruebas de movimiento, en los q pudo identificar conexiones para
explicar el patrón de desplazamiento de una pelota, y en análisis de forma, en
los q captó la silueta humana a partir de meros puntos en movimiento
La gran ventaja de este algoritmo es
sencillo pero puede resolver preguntas complejas. Además, la simplicidad
le permite ser combinado con otras redes. X eso, los autores del artículo han
hablado de q su red es como un “dispositivo de enchufar y listo” q le permite a
cada parte del sistema centrarse en las tareas en las q destaca
Este sistema podría servir para
entender redes sociales, analizar grabaciones de vídeo o guiar automóviles x el
tráfico. Para lograrlo aún será necesario aumentar la complejidad de las
preguntas y las posibles soluciones
