Aprendizaje profundo y computación cuántica
.
Junto a la Computación en la nube (Cloud Computing) y la GPU (procesamiento de gráficos) la tecnología apostó por redes neuronales muy extensas, integrada por algoritmos capaces de desarrollar criterios propios y tomar decisiones empleando un vector probabilístico.
Esta tecnología se denomina Aprendizaje Profundo (Deep Learning). Es la que gestiona el Big Data actualmente por su capacidad de procesamiento. Como ejemplo de su importancia señalar la aplicación práctica Google Flu Trends que aplicando un modelo matemático a las búsquedas sobre gripe en el navegador coincidió con los datos dados posteriormente por las autoridades sanitarias(1).
El Aprendizaje profundo o Cognitivo, como dice Yoshua Bengio, uno de los padres de esta tecnología, es una manera de abordar la construcción de máquinas inteligentes basadas en la neurociencia. Consiste en la conexión de numerosas redes de neuronas que aprenden gradualmente a reconocer imágenes, a comprender el lenguaje y tomar decisiones(2). El proceso de aprendizaje de estas redes neuronales recibe el nombre de metaaprendizaje (3).
Hoy constituye lo último en tecnología de inteligencia artificial, pero fue una materia abandonada por la ciencia ortodoxa. Fue el Instituto Canadiense de Investigaciones Avanzadas (CIFAR) la que patrocinó un proyecto dirigido por Geoffrey Hinton, de la Universidad de Toronto y otros pocos científicos en 2004 quienes impulsaron la inteligencia neuronal. De este hito queda también el conjunto de datos CIFAR-10 que es una colección de 60.000 imágenes utilizadas para entrenar algoritmos de visión por computadora.
El Aprendizaje Profundo se construye sobre la interconexión de múltiples capas de redes neuronales, llamadas en conjunto redes neuronales convolucionales, desde las más profundas con razonamientos muy abstractos hasta las más superficiales en donde se concreta y materializa el resultado del análisis o el aprendizaje. El problema es analizado desde diferentes perspectivas en un tiempo muy breve. Genera también predicciones como lo hace el cerebro humano.
Puede distinguirse las llamadas redes neuronales recurrentes que no están diseñadas en capas, sino que permiten conexiones libres entre diferentes neuronas de distintos estratos, pudiendo crear ciclos y con ello temporalidad, produciendo memoria. Son idóneas para procesar todo lo relacionado con el análisis de secuencias, por ejemplo, reconocimiento de voz o escritura a mano.
Los algoritmos que integran el Aprendizaje Profundo dominan idiomas, por ejemplo, la aplicación Google Neural Machine Translation en 2017; descubren nuevos fármacos; averiguan estrategias médicas para abordar enfermedades, ayudan a la toma de decisiones sobre datos disponibles, entre otras tareas complejas.
La potencia de esta tecnología es tal que Alpha Zero, desarrollado por DeepMind, logró en 24 horas un dominio absoluto del juego Go que admite 6.7×10152 combinaciones, derrotando a los campeones del mundo Stockfish y Elmo. Procesó toda la información de la humanidad, producida en miles de años, en pocas horas(4).
Se emplea, además, en muchos proyectos, junto a vehículos inteligentes es una de las tecnologías que integran el sistema IBM Watson, hoy por hoy, lo más avanzado en Inteligencia Artificial.
No debe extrañarnos que esta tecnología sea aplicada a la Big Data, en sustitución del Aprendizaje Automático como ésta apartó a su vez a los Sistemas Expertos. La dimensión extraordinaria de datos para analizar exige lo último en tecnología para extraer consecuencias y predicciones.
La computación cuántica será en el futuro el sistema más idóneo, pero hasta que ello sea posible asistiremos a nuevas tecnologías para hacer frente a más desafíos que necesita superar la inteligencia artificial.
-----------------------------------------------------------------------------------------------
BIBLIOGRAFÍA
1 Ibáñez Lozano, E. (2016) La revolución del Big Data, Revista Estadística y Sociedad, núm.68, p.12.
2 Bengio, Y. (2016): Aprendizaje Profundo, Revista Investigación y Ciencia, agosto.
3 Musser, G. (2019):Imaginación Artificial, Revista Investigación y Ciencia, octubre, pag.64
4 Rodriguez P. (2018): "Inteligencia Artificial", Barcelona: Deusto, p. 118.