Darpa busca aplicar el sentido común a las futuras máquinas ‘inteligentes’

La agencia Darpa del Gobierno de EEUU define el sentido común como “la capacidad básica de percibir, comprender y juzgar las cosas que comparten casi todas las personas y que se puede esperar razonablemente de casi todas las personas sin necesidad de debate”. Sobre esa base ha lanzado el programa Machine Common Sense (MCS) para encontrar respuestas y aplicarlo a las máquinas inteligentes.

A partir de los sistemas de aprendizaje automático, este tipo de máquinas es capaz de automatizar tareas cada vez más complejas, pero el sentido común parecía esta fuera de su alcance. “Esta ausencia es quizás la barrera más importante entre las aplicaciones de inteligencia artificial actuales y las que nos gustaría crear en el futuro”, señala Dave Gunning, gerente de programas de la Oficina de Innovación de la Información (I2O) de DARPA.

Gunning matiza que esta carencia “impide que un sistema inteligente comprenda su entorno, se comunique de forma natural con las personas, se comporte de manera razonable en situaciones imprevistas o aprenda de nuevas experiencias”.

Para solventar esta ausencia, Darpa ha creado el programa MCS para desarrollar y explorar los avances en comprensión cognitiva, procesamiento del lenguaje natural, deep learning, así como otras áreas de la investigación en inteligencia artificial para encontrar respuestas al problema del sentido común.

Este programa trabajará en dos direcciones. La primera será creando modelos computacionales que aprenden de la experiencia. “Durante los primeros años de vida, los seres humanos adquieren los componentes fundamentales de la inteligencia y el sentido común. Los psicólogos del desarrollo han encontrado formas de mapear estas capacidades cognitivas para proporcionar una estrategia a imitar”, explica Gunning.

La segunda parte de este proyecto consistirá en la construcción de un repositorio de conocimiento del sentido común capaz de responder tanto a consultas de lenguaje natural como a las basadas en imágenes. Para desarrollar este repositorio los investigadores utilizarán la extracción de información, el aprendizaje automático, técnicas de crowdsourcing y otros enfoques computacionales.