El progreso en la inteligencia artificial hace que algunas personas se preocupen de que el software de las máquinas puedan pensar como las personas y realizar trabajos como conducir camiones sin la acción de los seres humanos. Ahora los principales investigadores están viendo que pueden diseñar un software que puede aprender a hacer las piezas más difíciles de sus propios trabajos, la tarea de diseñar software de aprendizaje para las máquinas.
En un experimento, los investigadores del grupo de investigación en inteligencia artificial de Google Brain habían diseñado un sistema de aprendizaje para máquinas con el fin de realizar una prueba que se utilizó para comparar el software que procesa el lenguaje. Lo que surgió de este experimento superó las expectativas y los resultados publicados anteriormente de software diseñado por los seres humanos.
En los últimos meses varios otros grupos también han progresado en el diseño de un software que tiene la finalidad de hacer software de aprendizaje por sí mismo. Entre ellos se encuentran investigadores del instituto de investigación sin ánimo de lucro OpenAI (que fue fundado conjuntamente por Elon Musk), MIT, la Universidad de California, Berkeley y el otro grupo de investigación de inteligencia artificial de Google, DeepMind.
Si las técnicas de inteligencia artificial de puesta en marcha autónoma llegan a buen puerto, podrían aumentar el ritmo al que se aplica el software de aprendizaje automático en toda la economía. Actualmente, las empresas deben pagar una prima por los expertos en aprendizaje de máquinas, que son escasos.
Jeff Dean, que lidera el grupo de investigación de Google Brain, cree que parte del trabajo de estos trabajadores podría ser substituido por el software que se encargaría de diseñar otro software de aprendizaje. Describió lo que él denominó «aprendizaje automatizado de máquinas» como una de las novedades en investigación más prometedoras que su equipo estaba explorando.
«Actualmente, la forma en que resuelves los problemas es que tienes experiencia y datos sobre computación», dijo Dean, en la conferencia de AI Frontiers en Santa Clara, California. «¿Podemos eliminar la necesidad de una gran cantidad de máquinas de aprendizaje para expertos?»
Un conjunto de experimentos del grupo DeepMind de Google sugiere que lo que los investigadores denominan «aprender a aprender» también podría ayudar a disminuir el problema del software de aprendizaje de máquina que necesita consumir grandes cantidades de datos sobre una tarea específica para poder realizarla correctamente.
Los investigadores desafiaron al software para crear sistemas de aprendizaje para una serie de múltiples problemas diferentes, pero relacionados entre ellos, como navegar por laberintos. Se les ocurrieron diseños que mostraban una capacidad para generalizar y recoger nuevas tareas con menos entrenamiento adicional de lo que sería habitual.
La idea de crear un software que aprenda a aprender ha existido desde hace tiempo, pero los experimentos anteriores no produjeron resultados que rivalizaron con lo que los seres humanos pudieron imaginar. «Es emocionante», dice Yoshua Bengio, profesor de la Universidad de Montreal, quien previamente exploró la idea en los años noventa.
Bengio afirma que el poder de computación más potente ahora disponible, y el advenimiento de una técnica llamada aprendizaje profundo, que ha despertado entusiasmo reciente sobre la IA, es lo que está haciendo que el enfoque funcione. Pero señala que hasta ahora se requiere de una potencia de cálculo tan extrema que todavía no es práctico pensar en aligerar la carga o reemplazar parcialmente a los expertos en aprendizaje automático.
Los investigadores de Google Brain describen el uso de 800 procesadores gráficos de alta potencia para alimentar el software que surgió con diseños para sistemas de reconocimiento de imágenes que rivalizaban con los mejores diseñados por los seres humanos.
Otkrist Gupta, investigador del MIT Media Lab, cree que eso va a cambiar. Él y sus colegas del MIT planean poner en marcha el software para respaldar sus propios experimentos, en los que el software de aprendizaje diseñó sistemas de aprendizaje profundo que coincidían con los diseñados por el hombre en pruebas estándar para el reconocimiento de objetos.
Gupta se inspiró para trabajar en el proyecto gastando horas dedicadas a diseñar y probar modelos de aprendizaje automático. Piensa que las compañías y los investigadores están bien motivados para encontrar maneras de hacer el aprendizaje automatizado de la máquina de forma práctica.
«Disminuir la carga de datos sobre el científico es una gran recompensa», dice. «Podría hacerte más productivo, hacerte mejores modelos y hacerte libre para explorar ideas de nivel superior«.
