a tecnoloxía que ensina aos robots a “pensar” como humanos

a finais dos anos cincuenta, a computadora de Arthur Samuel creou un programa para xogar ás mulleres, usando un algoritmo sinxelo para descubrir o mellores movementos para gañar. Samuel adestrou a computadora cunha copia de si mesmo (a autoprazamento) e cunha base de datos sobre a que se rexistraron centos de partidos. Foi o comezo da aprendizaxe de máquinas, unha rama da intelixencia artificial (IA) que permite que as máquinas aprendan sen ser programadas explícitamente. Case sete décadas despois dese xogo, que a tecnoloxía ten aplicacións tan diversas como o diagnóstico dun cancro ou a construción de coches autónomos. Fai uns días, a súa última invención foi anunciada: Sophia, un Android desenvolvido pola Hanson Robotics Company, que monopolizou todas as atencións na Feira Tecnolóxica de Xenebra.

“é unha tecnoloxía aplicable a practicamente todos os campos onde Hai datos dispoñibles “, explica Thomas Dieter, un dos pais da aprendizaxe da máquina como campo de investigación. O experto menciona exemplos que van desde os algoritmos utilizados no mundo dos negocios para identificar potenciais compradores dun produto aos sistemas utilizados polos gobernos para resolver problemas en infraestruturas como estradas e hidroeléctricas. Outros exemplos máis próximos son os sistemas de tradución automática en Skype, o recoñecemento facial das cámaras móbiles e os asistentes virtuais, apostas comerciais como Google e Microsoft a tecnoloxía aproximada ao usuario final.

Cortana, o asistente virtual de Microsoft, ten 145 millóns de usuarios e a empresa ten como obxectivo “desenvolvela ao momento en que se comunica directamente con outras ías para ofrecer ao usuario calquera tipo de información ou servizo, desde a compra dun zapato ata a entrega dunha pizza na casa”, Segundo Esther de Nicolás, líder do equipo de evangelismo técnico da compañía. “O noso obxectivo é democratizar o acceso á aprendizaxe da máquina”, di el. A aposta principal nese sentido é a plataforma de aprendizaxe automática en Azure, un servizo de análise na nube que lle permite crear e implementar modelos de máquinas de acordo coas necesidades de cada usuario.

Concéntrase na súa estratexia en tensorflow , unha tenda de experiencias e resultados de experimentos que utilizan para que as súas aplicacións tomen mellores decisións e que ten datos abertos desde o 2015. A plataforma foi utilizada por diferentes desenvolvedores e empresas de todo o mundo por tales cousas que aumentan a produción de leite en vacas ou crear un modelo para predecir a compatibilidade entre o doador e o receptor dos transplantes de órganos. Pero Google quere máis: “Estamos a traballar en robots que poden facerse cargo de situacións perigosas e chegar a sitios aos que os seres humanos non poden alcanzar, como na central nuclear de Fukushima”, di Andrés Leonardo Martínez, enxeñeiro informático da compañía.

Riscos e erros

Ademais de facer proxeccións para o futuro, os expertos tamén se preguntan o que os riscos dun mundo no que os robots están adaptados e aprenden da experiencia (como seres humanos). Descartar, que si, un escenario de ciencia ficción onde as máquinas anciuman a humanidade. “Creamos e programas de computadores porque nos permiten facer as cousas mellor. Eu imaxino un futuro no que unha persoa e un sistema IA traballan xuntos como equipo. En prácticamente todos os campos, a combinación de robots e persoas é máis poderosa. Un exemplo famoso é coñecido como o xadrez de Centauro, no que compiten equipos mixtos de persoas e ordenadores. Os mellores equipos de Centaur poden derrotar a calquera humano e calquera computadora que xogue só “, di DieTterich.

O investigador ve polo menos dous roles importantes para os humanos no futuro: realiza tarefas que requiren empatía e” comprensión profunda de Outro ser humano “e asegurar que os robots non cometen erros”. Os problemas de toma de decisións de alto risco adoitan implicar factores únicos. A aprendizaxe automática só funciona ben en problemas estables, cando o mundo é altamente previsible e é fácil recoller moitos datos de adestramento. Nos problemas onde cada situación é única, é improbable que esta tecnoloxía sexa exitosa “, explica.

Ester de Nicolás mantén que” preocuparse agora pola revolución dos robots é como preocuparse pola superpoblación en Marte ” , Pero sinala que hai problemas que son menos visibles e dos que poucos son falados, xa que o feito de que os sistemas dependen das bases de datos, a miúdo privadas e prexudicadas. “Non sempre hai datos correctos.Estamos depositando moita confianza en AI, pero ten que ter máis coidado con esas cousas. “

DieTterich dá un exemplo desa pasta: Algunhas empresas usan aprendizaxe automática para decidir que salario para ofrecer un empregado .. Se os datos históricos mostran que as mulleres caeron menos que os homes, entón o algoritmo recomendará ofrecelos un salario máis baixo. O experto defende a creación dun regulamento que determina as probas de seguridade e unha certificación específica para mitigar eses riscos. Sebastian Farquhar, investigador do Instituto para o futuro da humanidade, con todo, é pronto para iso. “A lexislación está subdesenvolvida, e iso é bo, porque a tecnoloxía está cambiando constantemente, creo que si, que debemos ser máis conscientes dos riscos, porque hai moito en xogo”, di. Mentres tanto, traballan Os robots que traen superpoderes físicos e intelectuais. “Espero que o día poñerei un exoesqueleto para levantar 300 kg ou correr longas distancias cando teño 80 anos de idade”, di DieTterich.

Deixa unha resposta

O teu enderezo electrónico non se publicará Os campos obrigatorios están marcados con *