Durante sus primeras décadas de existencia, la inteligencia artificial solamente pudo ofrecer promesas vagas y resultados tangibles casi ridículos.
El aumento espectacular del poder de las computadoras personales y el progreso contínuo en las técnicas de este campo del mundo de la computación permitieron ofrecer los primeros resultados sorprendentes (e inquietantes) apenas hace unos pocos años.
Desde entonces, varias áreas de esta disciplina han experimentado un desarrollo explosivo que ha sorprendido incluso a sus protagonistas directos.
Una de las áreas de investigación en el mundo de la inteligencia artificial que ha experimentado un desarrollo especialmente notable es el del “aprendizaje profundo”.
Las “redes neuronales” son sistemas de cómputo que representan el comportamiento general de una red de neuronas en forma digital. Con la programación apropiada, una red neuronal compleja (que representa a muchas neuronas “digitales”) puede ser expuesta a una serie de datos (que representan, por ejemplo, fotografías de vasos de todo tipo y en toda clase de circunstancias imaginables) y el sistema aprende a detectar patrones cada vez más complejos. Una red neuronal correctamente entrenada puede identificar a un vaso que aparece en una ilustración rica en toda clase de elementos visuales y en circunstancias fantásticas (por ejemplo, un vaso distorsionado en la mano de una figura abstracta que representa a una persona).
La técnica del “aprendizaje profundo” descompone cada una de las miles de imágenes que son entregadas a una computadora, en números que representan el color de cada uno de los elementos de imagen (los famosos “píxeles”). Posteriormente, otra parte de la red neuronal toma esos números y los somete a un proceso más abstracto (como localizar ciertros patrones numéricos que se repiten cada vez que aparece un vaso en alguna imagen). En un sistema de “aprendizaje profundo” pueden existir muchas capas de procesamiento de datos, cada vez más abstractas.
Estos sistemas tienen que realizar una cantidad casi absurda de operaciones aritméticas para procesar estos datos con un nivel de abstracción suficiente como para que la máquina pueda identificar a un vaso en cualquier circunstancia.
Un sistema de este tipo, llamado PlanetNet, ha sido empleado para detectar los complejos patrones de viento y otros factores que existen en la atmósfera de Saturno (cuyo comportamiento es especialmente complejo).
El sistema fue alimentado con datos generados por la sonda Cassini (que estuvo en órbita de Saturno por varios años) y pudo predecir el desarrollo de nuevas tormentas con más de un 90% de éxito.
Estos sistemas, con algunas modificaciones, no solo podrían ser empleados para detectar patrones climáticos complejos en nuestro planeta, sino que también podrían ser empleados para muchos otros fenómenos que, por su complejidad, habían resultado imposibles de predecir, como el de los sistemas financieros mundiales, los patrones de comportamiento social y hasta el funcionamiento del cerebro humano.
Estos sistemas podrían darle sustancia a la seria inquietud que tenía Stephen Hawking sobre las posibles amenazas que presentaría la inteligencia artificial sin un control apropiado. Por otra parte, esta tecnología, bajo control humano, podría ayudar a resolver muchos de los grandes asuntos del mundo moderno, como la desigualdad social, que en la actualidad parecen imposibles de enfrentar con éxito.
“Suscripción al Programa Individual” del día de hoy: ENERGÍA ESTIMULANTE.
Escuche gratuitamente la “Nota de Hoy”: ENERGÍA ESTIMULANTE.