Sin que nos hayamos dado cuenta, ya está en todas partes. Pero apenas sabemos qué es. Vamos a ver cómo funciona la inteligencia artificial, y qué aplicaciones tiene.
#24:
Me gusta que lleguen noticias de IA a portada porque trabajo en eso y me apasiona el campo. Pero este artículo está tan lleno de imprecisiones que me cuesta hasta decidir dónde empezar. Voy a ello a modo de mini resumen:
1. La explicación del Test de Turing es confusa. El test de Turing no es más que una persona, en un entorno aislado, haciendo preguntas mediante un teclado, y recibiendo respuestas por una pantalla. La idea es que, si el usuario no es capaz de discernir si quien le está mandando las respuestas es una máquina o una persona, entonces has pasado el Test de Turing. Pasar este test tampoco demuestra tener una máquina inteligente, pero eso da para un libro.
2. Deep Mind de Google no es un ordenador, es una empresa con sede en Londres. Trabajan sobretodo en el campo de aprendizaje por refuerzo (reinforcement learning, lo pongo también en inglés porque es la manera más usual de encontrar los términos del campo). Son los encargados de modelos como AlphaGo (el que ganó al mejor jugador de Go), AlphaZero (aprendió a jugar enfrentándose a sí mismo) o, por ejemplo, AlphaFold (creo que van por la versión 2), tan de moda estos días por predecir la estructura de las proteínas con gran precisión.
3. La gran revolución de la IA es que no recibe órdenes para obtener un resultado. Es ella la que, con unos datos de entrada, debe apañárselas para obtener los resultados. Esto es cierto, pero por lo escrito anteriormente da a entender que lo hacen por arte de magia, y no por como funcionan realmente. Por hacer una analogía similar a la del autor: Si Un programa informático es solo una lista de órdenes que le dice al ordenador lo que tiene que hacer, la IA actual es un programa informático, que contiene una lista de órdenes que le dice al ordenador cómo tiene que aprender y de dónde sacar la información para ese aprendizaje. No es que la IA pueda aprender de cualquier forma, está limitada a lo que el algoritmo de aprendizaje (y la arquitectura del modelo) le dejen hacer.
4. El aprendizaje automático lo explica bastante bien. Sólo puntualizar que ahora tenemos más campos: supervisado, no supervisado, semi-supervisado o auto-supervisado (este último es el que está más de moda, aunque hay mucho humo, como en toda la IA).
5. las redes neuronales intentan copiar el comportamiento de las neuronas. Originalmente esto pudo haber sido su cometido original, pero hace mucho que se ha olvidado ese punto, al menos en los modelos convencionales. Ni las neuronas reales aprenden mediante retropropagación (backpropagation), ni hacen cosas como convoluciones o poolings. Las redes neuronales son una sucesión de operaciones matemáticas (generalmente matriciales) y funciones de activación, que tienen que tener la característica de ser derivables en todo su dominio. Los símiles con las neuronas reales quedan muy bonitos, pero son falaces (aunque hay ramas del campo que siguen buscando la correspondencia, todo hay que decirlo).
6. Lo que diferencia a las RNA de un programa informático es que no siguen órdenes, sino que se asocian entre sí y cambian su entradas y salidas mediante el aprendizaje y error, según la tarea encomendada. Esto es mentira. Sí que siguen órdenes, que son las del entrenamiento. Las RNA, por norma general, tienen asociada una función de coste. El objetivo es hacer que esa función de coste sea 0 (entrenamiento perfecto, habitualmente). Mediante técnicas de gradiente se modifican los valores (pesos, como quieras llamarle) de la RNA, con el objetivo de minimizar este coste. Eso de que no siguen órdenes no tiene mucho sentido.
7. Deep Learning. Aquí mete una explicación un poco metafísica. El Deep Learning es lo mismo que ya había, pero más grande. Donde antes tenías una RNA con 4-5 capas, ahora tienes 200. Son más difíciles de entrenar, y hay que meter unas cuantas técnicas actuales (residual blocks, gradient clipping, etc.), pero la idea se parece mucho a lo que ya había. El motivo de su auge es por dos puntos: a) las GPUs han ayudado a entrenar modelos que, usando una CPU normal, nos llevaría 1000 veces más de tiempo; y b) tenemos MUUUUUUCHOS más datos para pasarle a estos modelos para entrenar. Esto me llevaría a algo que decía al inicio el autor sobre la inteligencia: los modelos actuales no son inteligentes como los humanos. Sí, pueden obtener mejores resultados, pero a costa de pasarle una cantidad de datos abrumadora. Por poner un ejemplo: si a un niño le doy 3 fotos de elefantes y le digo: esto es un elefante, capta el concepto y lo entiende. Un modelo actual requiere que le pases 10000 fotos de elefantes para que lo entienda. Tiene tanto de inteligencia como de fuerza bruta.
Podría puntualizar alguna otra cosa (hay más iniciativas de IA ética en Europa que lo que hacen en OpenAI) pero creo que ya he dejado un tocho importante, jeje.
#14:
#6 Es más bien al revés, no hay aplicaciones concretas, hay un sinfín de ellas. A día de hoy no parecen finitos. Es como decir que las matemáticas sólo sirven para una cosa en concreto.
Por ejemplo, yendo sólo a la visión artificial, técnicamente se puede conseguir cualquier cosa que el humano pueda conseguir sólo con la vista.
Por ejemplo, mi mujer ha esperado un mes a que el dermatólogo le mire unas manchas. La mayoría de ellas, a simple vista, las ha descartado como malignas. Una app que te haga una foto y te diga si una mancha sea seguramente benigna es perfectamente posible. Por supuesto avisaría que hay que ir al médico para asegurarse, pero daría tranquilidad o avisaría al usuario de que no deje pasar más tiempo y vaya pronto al dermatólogo.
Están al comienzo del camino, la implementación será paulatina, pero tocará todas las actividades humanas en mayor o menor medida.
#21:
#18 Cuando un waymo consiga salir de Valencia a las 7:50 camino de los polígonos industriales cruzando las cinco rotondas que hay en la ronda norte, entonces, hablamos.
Ley del 70/30. El 70% del trabajo requiere el 30% del tiempo y el 70% del tiempo se gasta en el.30% del trabajo.
Todo lo que hay hoy es de ese 70% más sencillo. El infierno está en lo restante.
#9:
Hace unos meses, los creadores de un generador de texto con IA llamado GPT-2 dedicieron no ofrecerlo al público, pese que esa era su intención, porque se dieron cuenta de que era "demasiado peligroso". Comprobaron con asombro que la IA había aprendido por su cuenta a crear noticias falsas o fake news.
Fue el GPT3.
Musk, con otros, crearon "OpenAI" porque "la lA no debería ser cosa de sólo algunas multinacionales"
Ya no comparten GPT3 porque le han visto el potencial económico.
Pueden poner cualquier excusa.
#5:
#1 Uno de los más antológicos de los últimos años.
Me gusta que lleguen noticias de IA a portada porque trabajo en eso y me apasiona el campo. Pero este artículo está tan lleno de imprecisiones que me cuesta hasta decidir dónde empezar. Voy a ello a modo de mini resumen:
1. La explicación del Test de Turing es confusa. El test de Turing no es más que una persona, en un entorno aislado, haciendo preguntas mediante un teclado, y recibiendo respuestas por una pantalla. La idea es que, si el usuario no es capaz de discernir si quien le está mandando las respuestas es una máquina o una persona, entonces has pasado el Test de Turing. Pasar este test tampoco demuestra tener una máquina inteligente, pero eso da para un libro.
2. Deep Mind de Google no es un ordenador, es una empresa con sede en Londres. Trabajan sobretodo en el campo de aprendizaje por refuerzo (reinforcement learning, lo pongo también en inglés porque es la manera más usual de encontrar los términos del campo). Son los encargados de modelos como AlphaGo (el que ganó al mejor jugador de Go), AlphaZero (aprendió a jugar enfrentándose a sí mismo) o, por ejemplo, AlphaFold (creo que van por la versión 2), tan de moda estos días por predecir la estructura de las proteínas con gran precisión.
3. La gran revolución de la IA es que no recibe órdenes para obtener un resultado. Es ella la que, con unos datos de entrada, debe apañárselas para obtener los resultados. Esto es cierto, pero por lo escrito anteriormente da a entender que lo hacen por arte de magia, y no por como funcionan realmente. Por hacer una analogía similar a la del autor: Si Un programa informático es solo una lista de órdenes que le dice al ordenador lo que tiene que hacer, la IA actual es un programa informático, que contiene una lista de órdenes que le dice al ordenador cómo tiene que aprender y de dónde sacar la información para ese aprendizaje. No es que la IA pueda aprender de cualquier forma, está limitada a lo que el algoritmo de aprendizaje (y la arquitectura del modelo) le dejen hacer.
4. El aprendizaje automático lo explica bastante bien. Sólo puntualizar que ahora tenemos más campos: supervisado, no supervisado, semi-supervisado o auto-supervisado (este último es el que está más de moda, aunque hay mucho humo, como en toda la IA).
5. las redes neuronales intentan copiar el comportamiento de las neuronas. Originalmente esto pudo haber sido su cometido original, pero hace mucho que se ha olvidado ese punto, al menos en los modelos convencionales. Ni las neuronas reales aprenden mediante retropropagación (backpropagation), ni hacen cosas como convoluciones o poolings. Las redes neuronales son una sucesión de operaciones matemáticas (generalmente matriciales) y funciones de activación, que tienen que tener la característica de ser derivables en todo su dominio. Los símiles con las neuronas reales quedan muy bonitos, pero son falaces (aunque hay ramas del campo que siguen buscando la correspondencia, todo hay que decirlo).
6. Lo que diferencia a las RNA de un programa informático es que no siguen órdenes, sino que se asocian entre sí y cambian su entradas y salidas mediante el aprendizaje y error, según la tarea encomendada. Esto es mentira. Sí que siguen órdenes, que son las del entrenamiento. Las RNA, por norma general, tienen asociada una función de coste. El objetivo es hacer que esa función de coste sea 0 (entrenamiento perfecto, habitualmente). Mediante técnicas de gradiente se modifican los valores (pesos, como quieras llamarle) de la RNA, con el objetivo de minimizar este coste. Eso de que no siguen órdenes no tiene mucho sentido.
7. Deep Learning. Aquí mete una explicación un poco metafísica. El Deep Learning es lo mismo que ya había, pero más grande. Donde antes tenías una RNA con 4-5 capas, ahora tienes 200. Son más difíciles de entrenar, y hay que meter unas cuantas técnicas actuales (residual blocks, gradient clipping, etc.), pero la idea se parece mucho a lo que ya había. El motivo de su auge es por dos puntos: a) las GPUs han ayudado a entrenar modelos que, usando una CPU normal, nos llevaría 1000 veces más de tiempo; y b) tenemos MUUUUUUCHOS más datos para pasarle a estos modelos para entrenar. Esto me llevaría a algo que decía al inicio el autor sobre la inteligencia: los modelos actuales no son inteligentes como los humanos. Sí, pueden obtener mejores resultados, pero a costa de pasarle una cantidad de datos abrumadora. Por poner un ejemplo: si a un niño le doy 3 fotos de elefantes y le digo: esto es un elefante, capta el concepto y lo entiende. Un modelo actual requiere que le pases 10000 fotos de elefantes para que lo entienda. Tiene tanto de inteligencia como de fuerza bruta.
Podría puntualizar alguna otra cosa (hay más iniciativas de IA ética en Europa que lo que hacen en OpenAI) pero creo que ya he dejado un tocho importante, jeje.
En 2014, por primera vez una IA superó el Test de Turing.
No soy ningún experto pero me ha sorprendido leer esto, y efectivamente tiene trampa:
https://es.wikipedia.org/wiki/Prueba_de_Turing#Competici%C3%B3n_en_la_Universidad_de_Reading_de_2014 El 7 de junio de 2014 se realizó una competición de la prueba de Turing organizada por Kevin Warwick y Huma Shah para el 60 aniversario de la muerte de Turing y fue llevado a cabo en la Real Sociedad de Londres. Fue ganada por el robot conversacional ruso Eugene Goostman. El robot, durante una serie de conversaciones de 5 minutos de duración, logró convencer al 33% de los jueces del concurso de que era humano. [...] Los organizadores de la competición creyeron que la prueba había sido “aprobada por primera vez” en el evento [...] La competición ha enfrentado críticas, primero, solo un tercio de los jueces fue engañado por la computadora. Segundo, el personaje de computadora aparentaba ser una niña ucraniana de 13 años de edad que aprendió inglés como segundo lenguaje. El premio requería que un 30% de los jueces fuera engañado lo que concuerda con el texto de Turing Computing Machinery and Intelligence. Joshua Tenenbaum, experto en psicología matemática en el MIT, calificó el resultado como nada impresionante.
#24 El mejor resumen aclaratorio que se puede hacer sobre el tema que indica el titular. Aprovechando el tocho que ya tienes y expandiéndolo un poco te podrías plantear subirlo aquí como artículo básico de qué y qué no es la inteligencia artificial, muchos meneantes te lo agradecerían.
Hace unos meses, los creadores de un generador de texto con IA llamado GPT-2 dedicieron no ofrecerlo al público, pese que esa era su intención, porque se dieron cuenta de que era "demasiado peligroso". Comprobaron con asombro que la IA había aprendido por su cuenta a crear noticias falsas o fake news.
Fue el GPT3.
Musk, con otros, crearon "OpenAI" porque "la lA no debería ser cosa de sólo algunas multinacionales"
Ya no comparten GPT3 porque le han visto el potencial económico.
#9 En realidad GPT-2 fue liberado poco a poco debido a lo que dice el artículo... Due to our concerns about malicious applications of the technology, we are not releasing the trained model. As an experiment in responsible disclosure, we are instead releasing a much smaller model for researchers to experiment with, as well as a technical paper.
Fuente: https://openai.com/blog/better-language-models/
#18 Cuando un waymo consiga salir de Valencia a las 7:50 camino de los polígonos industriales cruzando las cinco rotondas que hay en la ronda norte, entonces, hablamos.
Ley del 70/30. El 70% del trabajo requiere el 30% del tiempo y el 70% del tiempo se gasta en el.30% del trabajo.
Todo lo que hay hoy es de ese 70% más sencillo. El infierno está en lo restante.
#21 Pues en Valencia con las rotondas seguramente no por el simple hecho de que se han entrenado en EEUU donde las rotondas son anecdóticas. Pero conducir ya conducen solos y no hablamos de un circuito sin otros vehículos.
Que lleguen a Europa es más una cuestión de legislación y un poco de adaptación, ya que no parten de 0, sólo deben aprender algunas casuísticas ligeramente diferentes.
#27 Una rotonda no es una casuística ligeramente diferente.
Yo he conducido mucho por EEUU, Costa este, oeste y Florida. De arriba a abajo, y no he visto jamás nada parecido a una carretera de montaña asturiana.
Es un país de grandes y rectas carreteras, hasta los negocios locales tienen su plaza de garaje para que puedas comprar el pan en coche y aún así han tardado décadas en hacer algo seguro y fiable.
A día de hoy sólo funcionan en entornos "fáciles "porque les falta el 70% del trabajo.
Siento que el artículo sin llegar a ser del todo superficial está escrito por alguien que no trabaja en eso, habrá leído divulgación pero hay conceptos que no tiene claros.
A parte no llega a explicar qué hacen las últimas IAs que se han desarrollado, ¿ni siquiera hablar de la conducción autónoma?
#25 No quiero aventurarme a darte una respuesta de ese calado porque no soy experto en el tema, solo lo he estudiado por encima y hace unos años. Pero ahora mismo, como tú mismo has comentado en otro comentario, simplemente es un algoritmo que procesa cantidades bestiales de datos, los compara y saca un patrón común que utiliza para dar resultados. La inteligencia es más que eso, bajo mi punto de vista. Y lo llaman así por puro marketing yankee.
#32 Como explicas que haya predecido el plegamiento de las proteínas.
Según he entendido era un tema de una extrema complejidad. No había patrones previos para comprobar.
#6 Es más bien al revés, no hay aplicaciones concretas, hay un sinfín de ellas. A día de hoy no parecen finitos. Es como decir que las matemáticas sólo sirven para una cosa en concreto.
Por ejemplo, yendo sólo a la visión artificial, técnicamente se puede conseguir cualquier cosa que el humano pueda conseguir sólo con la vista.
Por ejemplo, mi mujer ha esperado un mes a que el dermatólogo le mire unas manchas. La mayoría de ellas, a simple vista, las ha descartado como malignas. Una app que te haga una foto y te diga si una mancha sea seguramente benigna es perfectamente posible. Por supuesto avisaría que hay que ir al médico para asegurarse, pero daría tranquilidad o avisaría al usuario de que no deje pasar más tiempo y vaya pronto al dermatólogo.
Están al comienzo del camino, la implementación será paulatina, pero tocará todas las actividades humanas en mayor o menor medida.
#6 La vida es una conjunto de situaciones concretas.
Toda la vida no ha sido posible desvelas la firma tridimensional de una proteína en minutos en vez de meses o años. Con lo que ello conlleva para diseñar nuevos fármacos ahorrando años de investigación.
#19 Estando en líneas generales de acuerdo contigo (y mi comentario de arriba va en ese sentido), ¿cuál es para ti ese concepto de vida inteligente? O, más concretamente y simplificando el problema, ¿cuál sería para ti el criterio de demarcación que haría que pudiera englobarse a la IA dentro de la vida inteligente?
#42 Justamente el concepto de IA se aplica no a computadores clásicos que se limitan a almacenar información y cumplir algoritmos sencillos (caso del juego de ajedrez), sino que se aplica a computadores programados para aprender. Ésa es la gran diferencia, estamos programando a los ordenadores para que aprendan ellos solos, igual que haces tú o hago yo. No te creas que somos tan especiales. Sólo llevamos millones de años de ventaja evolutiva sobre esos computadores, que son los millones de años que la vida lleva incorporando mejoras generación tras generación...por lo demás, la esencia de la inteligencia y los procesos que sigue son perfectamente replicables.
La IA es un detector y/o generador de patrones e instancias de los mismos. Su potencial computacional hace que esos procesos puedan ser mucho más rápidos que los de una persona, potencialmente más precisos (cuanta más complejidad en las variables de inferencia, más complejidad en los ajustes necesarios para el aprendizaje), y pudiendo a su vez llegar a descubrir y reproducir patrones que un humano intuía pero no definía o directamente que no conocía.
No deja de ser una herramienta como una calculadora pero con más complejidad en el funcionamiento y aplicaciones. La autonomía en determinados aspectos (como el aprendizaje retroalimentado o entrenado por otras IAs) puede llegar progresivamente a una mayor complejidad y caminos de resultados posibles. Desde un punto de vista práctico, su utilidad como herramienta en una gran cantidad de campos es algo innegable.
Pero incluso aunque se llegara a una inteligencia artificial "general", sin estímulos emocionales e instintivos que tengan su contrapartida en "satisfacciones" de esos estímulos, y teniendo por tanto una interacción con el mundo de alguna forma paralela a la problemática comportamental de un ser vivo y su necesidad de supervivencia, no dejará de ser un deductor e inductor de reglas cuyo comportamiento, incluso en el caso de tomar autónomamente los mandos de decisiones sobre población humana, podrá ser en cierto modo predecible.
#15 las tecnologías de IA no siguen la lógica de la computación clásica, no se basan en una toma de decisiones predefinidas en función de unas variables conocidas. Sus decisiones no son por tanto siempre predecibles. Determinar y explicar los motivos por los que una IA toma sus decisiones es una ciencia en si misma
#20 Y en mi frase final quería realmente expresar (sin éxito) que esa predecibilidad no era realmente segura o alcanzable, sino plausible de obtener en cierto modo, y no necesariamente por parte de otro humano directamente.
Lo que sí creo que en base a la motivación de partida inicial (la función de coste, aun pudiendo ser esta un conjunto mutable en tamaño y definición de forma autónoma) el patrón final de comportamiento, incluso con más de un nivel de IA en el árbol de aprendizaje y toma de decisiones, tendría menos complejidad final que la que tendría con la variabilidad y funcionamiento motivacional de un ser vivo inteligente.
#12 Si llamas "inteligencia" a lo que tenemos los humanos, por supuesto puedes llamar inteligencia a ciertas cosas que se están desarrollando por ahí, ya que lo único que hacen es replicar nuestros procesos de captación de información y pensamiento/deducción, además de la capacidad de aprendizaje. Por supuesto aún no se llega a nuestro nivel de detalle y complejidad, pero eso no significa que no sea en esencia el mismo proceso. #15sin estímulos emocionales e instintivos que tengan su contrapartida en "satisfacciones" de esos estímulos, y teniendo por tanto una interacción con el mundo de alguna forma paralela a la problemática comportamental de un ser vivo y su necesidad de supervivencia, Hoy en día probablemente no tenemos aún la tecnología necesaria, pero todo eso se puede programar, igual que tú lo llevas programado en tu ADN. Lo del instinto de supervivencia, sin ser programador, es una parte que se me antoja bastante fácil. El tema de las satisfacciones es algo más complejo, pero para nada lo veo imposible. Son sólo sumas de algoritmos, de prioridades. Tú lo vives como una suma de estímulos químicos que como resultado te empujan a hacer A en lugar de B. Una IA compleja lo viviría como una resolución puntual de complejos algoritmos que le lleven a tomar una decisión.
#40 RAE Inteligencia = Facultad de la mente que permite aprender, entender, razonar, tomar decisiones y formarse una idea determinada de la realidad.
1. No hay ningún problema en reconocer que hay animales con "inteligencia" aunque sea en niveles primarios.
2. Hay muchos problemas para reconocer esa misma capacidad en una "máquina".
CASO o EJEMPLO
1. Jugar al ajedrez supone un uso exhaustivo de muchas capacidades mentales, incluido varios tipos de inteligencia.
2. Hay máquinas capaces de derrotar a cualquier humano que se les enfrente en un torneo de ajedrez.
3. Pero ese desarrollo no puede ser calificada de inteligente en la medida que la máquina no se enfrenta "a la realidad en su totalidad", solo se enfrenta a un escenario abstracto y limitado concebido por el hombre. Dicho de otro modo, la inteligencia de la máquina es la inteligencia del hombre vista en un espejo (la máquina).
4. Un animal "inteligente" puede enfrentarse a miles de problemas diariamente que no están parametrizados o siquiera conocidos por humanos. Es un cuerpo interactuando con otros cuerpos donde aprender, entender, razonar, tomar decisiones y formarse una idea determinada de la realidad ES O FUE EL ÚNICO MEDIO DE SOBREVIVIR.
Alguien ha demostrado alguna vez que la inteligencia se puede computar?
Porque si no se hace esto, de acuerdo con el vigente método científico, artículos como éste son sólo juntar palabras con apariencia sofisticada y ya está.
La supuesta edad dorada de la inteligencia artificial es un bluf antológico que solo está sirviendo para enriquecer a las megaempresas que sostienen el tinglado a base de hype, y que colapsará más pronto que tarde. El problema es que esto solo generará más desconfianza hacia la ciencia, y no es precisamente eso lo que necesitamos en la sociedad. Cuando una línea de investigación fundamental pasa a estar liderada por empresas y a merced de los intereses de mercado, siempre acaba igual. Y lo veremos con esto, con la computación cuántica, etc. 😓
Comentarios
Me gusta que lleguen noticias de IA a portada porque trabajo en eso y me apasiona el campo. Pero este artículo está tan lleno de imprecisiones que me cuesta hasta decidir dónde empezar. Voy a ello a modo de mini resumen:
1. La explicación del Test de Turing es confusa. El test de Turing no es más que una persona, en un entorno aislado, haciendo preguntas mediante un teclado, y recibiendo respuestas por una pantalla. La idea es que, si el usuario no es capaz de discernir si quien le está mandando las respuestas es una máquina o una persona, entonces has pasado el Test de Turing. Pasar este test tampoco demuestra tener una máquina inteligente, pero eso da para un libro.
2. Deep Mind de Google no es un ordenador, es una empresa con sede en Londres. Trabajan sobretodo en el campo de aprendizaje por refuerzo (reinforcement learning, lo pongo también en inglés porque es la manera más usual de encontrar los términos del campo). Son los encargados de modelos como AlphaGo (el que ganó al mejor jugador de Go), AlphaZero (aprendió a jugar enfrentándose a sí mismo) o, por ejemplo, AlphaFold (creo que van por la versión 2), tan de moda estos días por predecir la estructura de las proteínas con gran precisión.
3. La gran revolución de la IA es que no recibe órdenes para obtener un resultado. Es ella la que, con unos datos de entrada, debe apañárselas para obtener los resultados. Esto es cierto, pero por lo escrito anteriormente da a entender que lo hacen por arte de magia, y no por como funcionan realmente. Por hacer una analogía similar a la del autor: Si Un programa informático es solo una lista de órdenes que le dice al ordenador lo que tiene que hacer, la IA actual es un programa informático, que contiene una lista de órdenes que le dice al ordenador cómo tiene que aprender y de dónde sacar la información para ese aprendizaje. No es que la IA pueda aprender de cualquier forma, está limitada a lo que el algoritmo de aprendizaje (y la arquitectura del modelo) le dejen hacer.
4. El aprendizaje automático lo explica bastante bien. Sólo puntualizar que ahora tenemos más campos: supervisado, no supervisado, semi-supervisado o auto-supervisado (este último es el que está más de moda, aunque hay mucho humo, como en toda la IA).
5. las redes neuronales intentan copiar el comportamiento de las neuronas. Originalmente esto pudo haber sido su cometido original, pero hace mucho que se ha olvidado ese punto, al menos en los modelos convencionales. Ni las neuronas reales aprenden mediante retropropagación (backpropagation), ni hacen cosas como convoluciones o poolings. Las redes neuronales son una sucesión de operaciones matemáticas (generalmente matriciales) y funciones de activación, que tienen que tener la característica de ser derivables en todo su dominio. Los símiles con las neuronas reales quedan muy bonitos, pero son falaces (aunque hay ramas del campo que siguen buscando la correspondencia, todo hay que decirlo).
6. Lo que diferencia a las RNA de un programa informático es que no siguen órdenes, sino que se asocian entre sí y cambian su entradas y salidas mediante el aprendizaje y error, según la tarea encomendada. Esto es mentira. Sí que siguen órdenes, que son las del entrenamiento. Las RNA, por norma general, tienen asociada una función de coste. El objetivo es hacer que esa función de coste sea 0 (entrenamiento perfecto, habitualmente). Mediante técnicas de gradiente se modifican los valores (pesos, como quieras llamarle) de la RNA, con el objetivo de minimizar este coste. Eso de que no siguen órdenes no tiene mucho sentido.
7. Deep Learning. Aquí mete una explicación un poco metafísica. El Deep Learning es lo mismo que ya había, pero más grande. Donde antes tenías una RNA con 4-5 capas, ahora tienes 200. Son más difíciles de entrenar, y hay que meter unas cuantas técnicas actuales (residual blocks, gradient clipping, etc.), pero la idea se parece mucho a lo que ya había. El motivo de su auge es por dos puntos: a) las GPUs han ayudado a entrenar modelos que, usando una CPU normal, nos llevaría 1000 veces más de tiempo; y b) tenemos MUUUUUUCHOS más datos para pasarle a estos modelos para entrenar. Esto me llevaría a algo que decía al inicio el autor sobre la inteligencia: los modelos actuales no son inteligentes como los humanos. Sí, pueden obtener mejores resultados, pero a costa de pasarle una cantidad de datos abrumadora. Por poner un ejemplo: si a un niño le doy 3 fotos de elefantes y le digo: esto es un elefante, capta el concepto y lo entiende. Un modelo actual requiere que le pases 10000 fotos de elefantes para que lo entienda. Tiene tanto de inteligencia como de fuerza bruta.
Podría puntualizar alguna otra cosa (hay más iniciativas de IA ética en Europa que lo que hacen en OpenAI) pero creo que ya he dejado un tocho importante, jeje.
#24 Añado:
En 2014, por primera vez una IA superó el Test de Turing.
No soy ningún experto pero me ha sorprendido leer esto, y efectivamente tiene trampa:
https://es.wikipedia.org/wiki/Prueba_de_Turing#Competici%C3%B3n_en_la_Universidad_de_Reading_de_2014
El 7 de junio de 2014 se realizó una competición de la prueba de Turing organizada por Kevin Warwick y Huma Shah para el 60 aniversario de la muerte de Turing y fue llevado a cabo en la Real Sociedad de Londres. Fue ganada por el robot conversacional ruso Eugene Goostman. El robot, durante una serie de conversaciones de 5 minutos de duración, logró convencer al 33% de los jueces del concurso de que era humano. [...] Los organizadores de la competición creyeron que la prueba había sido “aprobada por primera vez” en el evento [...] La competición ha enfrentado críticas, primero, solo un tercio de los jueces fue engañado por la computadora. Segundo, el personaje de computadora aparentaba ser una niña ucraniana de 13 años de edad que aprendió inglés como segundo lenguaje. El premio requería que un 30% de los jueces fuera engañado lo que concuerda con el texto de Turing Computing Machinery and Intelligence. Joshua Tenenbaum, experto en psicología matemática en el MIT, calificó el resultado como nada impresionante.
#24 #29 Computer Hoy es a la informática lo que Muy Interesante a la ciencia, una mierda.
#24 amén
#24 El mejor resumen aclaratorio que se puede hacer sobre el tema que indica el titular. Aprovechando el tocho que ya tienes y expandiéndolo un poco te podrías plantear subirlo aquí como artículo básico de qué y qué no es la inteligencia artificial, muchos meneantes te lo agradecerían.
#24 muchas por tan correcta explicación 👌
Hace unos meses, los creadores de un generador de texto con IA llamado GPT-2 dedicieron no ofrecerlo al público, pese que esa era su intención, porque se dieron cuenta de que era "demasiado peligroso". Comprobaron con asombro que la IA había aprendido por su cuenta a crear noticias falsas o fake news.
Fue el GPT3.
Musk, con otros, crearon "OpenAI" porque "la lA no debería ser cosa de sólo algunas multinacionales"
Ya no comparten GPT3 porque le han visto el potencial económico.
Pueden poner cualquier excusa.
#9 En realidad GPT-2 fue liberado poco a poco debido a lo que dice el artículo...
Due to our concerns about malicious applications of the technology, we are not releasing the trained model. As an experiment in responsible disclosure, we are instead releasing a much smaller model for researchers to experiment with, as well as a technical paper.
Fuente:
https://openai.com/blog/better-language-models/
#18 Cuando un waymo consiga salir de Valencia a las 7:50 camino de los polígonos industriales cruzando las cinco rotondas que hay en la ronda norte, entonces, hablamos.
Ley del 70/30. El 70% del trabajo requiere el 30% del tiempo y el 70% del tiempo se gasta en el.30% del trabajo.
Todo lo que hay hoy es de ese 70% más sencillo. El infierno está en lo restante.
#21 Pues en Valencia con las rotondas seguramente no por el simple hecho de que se han entrenado en EEUU donde las rotondas son anecdóticas. Pero conducir ya conducen solos y no hablamos de un circuito sin otros vehículos.
Que lleguen a Europa es más una cuestión de legislación y un poco de adaptación, ya que no parten de 0, sólo deben aprender algunas casuísticas ligeramente diferentes.
#27 Una rotonda no es una casuística ligeramente diferente.
Yo he conducido mucho por EEUU, Costa este, oeste y Florida. De arriba a abajo, y no he visto jamás nada parecido a una carretera de montaña asturiana.
Es un país de grandes y rectas carreteras, hasta los negocios locales tienen su plaza de garaje para que puedas comprar el pan en coche y aún así han tardado décadas en hacer algo seguro y fiable.
A día de hoy sólo funcionan en entornos "fáciles "porque les falta el 70% del trabajo.
Siento que el artículo sin llegar a ser del todo superficial está escrito por alguien que no trabaja en eso, habrá leído divulgación pero hay conceptos que no tiene claros.
A parte no llega a explicar qué hacen las últimas IAs que se han desarrollado, ¿ni siquiera hablar de la conducción autónoma?
#4 La conducción autónoma es una tecnología en desarrollo cuyo fin está muy lejos en el tiempo.
Es normal que no la mencionen.
#11 seguro?
#25 No quiero aventurarme a darte una respuesta de ese calado porque no soy experto en el tema, solo lo he estudiado por encima y hace unos años. Pero ahora mismo, como tú mismo has comentado en otro comentario, simplemente es un algoritmo que procesa cantidades bestiales de datos, los compara y saca un patrón común que utiliza para dar resultados. La inteligencia es más que eso, bajo mi punto de vista. Y lo llaman así por puro marketing yankee.
#32 Como explicas que haya predecido el plegamiento de las proteínas.
Según he entendido era un tema de una extrema complejidad. No había patrones previos para comprobar.
O lo que es lo mismo:
No veo revolución alguna, por mucho que leo sobre esto sigue pareciéndome que tiene algunas aplicaciones muy concretas pero ya está.
Nada que no existiese ya hace décadas.
#6 Ya se está usando en la detección de tumores con fotos de radiografías. En el mundo sanitario puedo ser un filón y es un avance muy bestia.
#6 Es más bien al revés, no hay aplicaciones concretas, hay un sinfín de ellas. A día de hoy no parecen finitos. Es como decir que las matemáticas sólo sirven para una cosa en concreto.
Por ejemplo, yendo sólo a la visión artificial, técnicamente se puede conseguir cualquier cosa que el humano pueda conseguir sólo con la vista.
Por ejemplo, mi mujer ha esperado un mes a que el dermatólogo le mire unas manchas. La mayoría de ellas, a simple vista, las ha descartado como malignas. Una app que te haga una foto y te diga si una mancha sea seguramente benigna es perfectamente posible. Por supuesto avisaría que hay que ir al médico para asegurarse, pero daría tranquilidad o avisaría al usuario de que no deje pasar más tiempo y vaya pronto al dermatólogo.
Están al comienzo del camino, la implementación será paulatina, pero tocará todas las actividades humanas en mayor o menor medida.
#14 Dermia Pro.
#6 https://www.reddit.com/r/deepdream/
https://discord.com/invite/bdH6swK4TJ
#6 La vida es una conjunto de situaciones concretas.
Toda la vida no ha sido posible desvelas la firma tridimensional de una proteína en minutos en vez de meses o años. Con lo que ello conlleva para diseñar nuevos fármacos ahorrando años de investigación.
#2 Tan juntos ambos envíos en nuevas que ha sido imposible no relacionarlo.
Llamar inteligencia artificial a este tipo de tecnologías nos hace un flaco favor a nuestro concepto de vida inteligente.
#19 Estando en líneas generales de acuerdo contigo (y mi comentario de arriba va en ese sentido), ¿cuál es para ti ese concepto de vida inteligente? O, más concretamente y simplificando el problema, ¿cuál sería para ti el criterio de demarcación que haría que pudiera englobarse a la IA dentro de la vida inteligente?
#_21 Gran comentario.
#42 Justamente el concepto de IA se aplica no a computadores clásicos que se limitan a almacenar información y cumplir algoritmos sencillos (caso del juego de ajedrez), sino que se aplica a computadores programados para aprender. Ésa es la gran diferencia, estamos programando a los ordenadores para que aprendan ellos solos, igual que haces tú o hago yo. No te creas que somos tan especiales. Sólo llevamos millones de años de ventaja evolutiva sobre esos computadores, que son los millones de años que la vida lleva incorporando mejoras generación tras generación...por lo demás, la esencia de la inteligencia y los procesos que sigue son perfectamente replicables.
Inteligencia artificial.........se le queda grande el nombre, por mas marketing que le metan
La IA es un detector y/o generador de patrones e instancias de los mismos. Su potencial computacional hace que esos procesos puedan ser mucho más rápidos que los de una persona, potencialmente más precisos (cuanta más complejidad en las variables de inferencia, más complejidad en los ajustes necesarios para el aprendizaje), y pudiendo a su vez llegar a descubrir y reproducir patrones que un humano intuía pero no definía o directamente que no conocía.
No deja de ser una herramienta como una calculadora pero con más complejidad en el funcionamiento y aplicaciones. La autonomía en determinados aspectos (como el aprendizaje retroalimentado o entrenado por otras IAs) puede llegar progresivamente a una mayor complejidad y caminos de resultados posibles. Desde un punto de vista práctico, su utilidad como herramienta en una gran cantidad de campos es algo innegable.
Pero incluso aunque se llegara a una inteligencia artificial "general", sin estímulos emocionales e instintivos que tengan su contrapartida en "satisfacciones" de esos estímulos, y teniendo por tanto una interacción con el mundo de alguna forma paralela a la problemática comportamental de un ser vivo y su necesidad de supervivencia, no dejará de ser un deductor e inductor de reglas cuyo comportamiento, incluso en el caso de tomar autónomamente los mandos de decisiones sobre población humana, podrá ser en cierto modo predecible.
#15 las tecnologías de IA no siguen la lógica de la computación clásica, no se basan en una toma de decisiones predefinidas en función de unas variables conocidas. Sus decisiones no son por tanto siempre predecibles. Determinar y explicar los motivos por los que una IA toma sus decisiones es una ciencia en si misma
#20 Y en mi frase final quería realmente expresar (sin éxito) que esa predecibilidad no era realmente segura o alcanzable, sino plausible de obtener en cierto modo, y no necesariamente por parte de otro humano directamente.
Lo que sí creo que en base a la motivación de partida inicial (la función de coste, aun pudiendo ser esta un conjunto mutable en tamaño y definición de forma autónoma) el patrón final de comportamiento, incluso con más de un nivel de IA en el árbol de aprendizaje y toma de decisiones, tendría menos complejidad final que la que tendría con la variabilidad y funcionamiento motivacional de un ser vivo inteligente.
#15 Predecible como el demonio de Laplace?
#12 Si llamas "inteligencia" a lo que tenemos los humanos, por supuesto puedes llamar inteligencia a ciertas cosas que se están desarrollando por ahí, ya que lo único que hacen es replicar nuestros procesos de captación de información y pensamiento/deducción, además de la capacidad de aprendizaje. Por supuesto aún no se llega a nuestro nivel de detalle y complejidad, pero eso no significa que no sea en esencia el mismo proceso.
#15 sin estímulos emocionales e instintivos que tengan su contrapartida en "satisfacciones" de esos estímulos, y teniendo por tanto una interacción con el mundo de alguna forma paralela a la problemática comportamental de un ser vivo y su necesidad de supervivencia, Hoy en día probablemente no tenemos aún la tecnología necesaria, pero todo eso se puede programar, igual que tú lo llevas programado en tu ADN. Lo del instinto de supervivencia, sin ser programador, es una parte que se me antoja bastante fácil. El tema de las satisfacciones es algo más complejo, pero para nada lo veo imposible. Son sólo sumas de algoritmos, de prioridades. Tú lo vives como una suma de estímulos químicos que como resultado te empujan a hacer A en lugar de B. Una IA compleja lo viviría como una resolución puntual de complejos algoritmos que le lleven a tomar una decisión.
#40 RAE Inteligencia = Facultad de la mente que permite aprender, entender, razonar, tomar decisiones y formarse una idea determinada de la realidad.
1. No hay ningún problema en reconocer que hay animales con "inteligencia" aunque sea en niveles primarios.
2. Hay muchos problemas para reconocer esa misma capacidad en una "máquina".
CASO o EJEMPLO
1. Jugar al ajedrez supone un uso exhaustivo de muchas capacidades mentales, incluido varios tipos de inteligencia.
2. Hay máquinas capaces de derrotar a cualquier humano que se les enfrente en un torneo de ajedrez.
3. Pero ese desarrollo no puede ser calificada de inteligente en la medida que la máquina no se enfrenta "a la realidad en su totalidad", solo se enfrenta a un escenario abstracto y limitado concebido por el hombre. Dicho de otro modo, la inteligencia de la máquina es la inteligencia del hombre vista en un espejo (la máquina).
4. Un animal "inteligente" puede enfrentarse a miles de problemas diariamente que no están parametrizados o siquiera conocidos por humanos. Es un cuerpo interactuando con otros cuerpos donde aprender, entender, razonar, tomar decisiones y formarse una idea determinada de la realidad ES O FUE EL ÚNICO MEDIO DE SOBREVIVIR.
Un artículo de AI escrito hace dos años (Agosto 2019) es algo totalmente irrelevante, mas en el tema que trata.
Alguien ha demostrado alguna vez que la inteligencia se puede computar?
Porque si no se hace esto, de acuerdo con el vigente método científico, artículos como éste son sólo juntar palabras con apariencia sofisticada y ya está.
La IA es fría. Pareado.
La inteligencia artificial ni es inteligencia ni es artificial (la distinción natural-artificial en este terreno no es pertinente).
La supuesta edad dorada de la inteligencia artificial es un bluf antológico que solo está sirviendo para enriquecer a las megaempresas que sostienen el tinglado a base de hype, y que colapsará más pronto que tarde. El problema es que esto solo generará más desconfianza hacia la ciencia, y no es precisamente eso lo que necesitamos en la sociedad. Cuando una línea de investigación fundamental pasa a estar liderada por empresas y a merced de los intereses de mercado, siempre acaba igual. Y lo veremos con esto, con la computación cuántica, etc. 😓
A falta de inteligencia natural, Casado podría al menos utilizar la artificial, pero es que ni por esas.
Casado hace secesionismo lingüístico en las Baleares: "No habláis catalán"
Casado hace secesionismo lingüístico en las Balear...
elnacional.cat#1 Lo que la naturaleza no da, la IA no lo presta...
#1 Uno de los más antológicos de los últimos años.
Enhorabuena.
#5 en esto se ha convertido meneame...
#10 A mí me da mucha pena pero no desisto.
#5 Lo sé, pero no me he podido resistir.
Que me quiten lo bailao.
Casado es muy tonto, y hay que aprovechar que sólo te meten strikes si insultas a ciertos políticos.
Con Casado uno es inmune a los strikes en mnm.