La IA està generant grans canvis en la societat mitjançant desenvolupaments com cotxes autònoms, anàlisi d'imatges mèdiques, millors diagnòstics mèdics i medicina personalitzada. I també serà l'eix de moltes aplicacions i serveis del futur. Però per a molts continua sent un misteri, com apunten Yann LeCun i Joaquin Quiñonero Candela, investigadors en IA de Facebook, al blog de Facebook.
No és màgia, només codi
La IA és una ciència precisa enfocada a dissenyar sistemes i màquines intel·ligents basades en el que sabem sobre el cervell humà, expliquen els investigadors. Molts sistemes moderns d'IA utilitzen xarxes neurals similars a les del cervell, que poden aprendre modificant les connexions entre unitats.
Les xarxes neurals modernes poden aprendre a reconèixer patrons, traduir idiomes, aprendre raonament lògic simple i, fins i tot, crear imatges i formular idees noves. Tot això succeeix a altíssima velocitat mitjançant un grup de programes de codi dissenyats per crear xarxes neurals amb milions d'unitats i milers de milions de connexions.
Al laboratori de Facebook Artificial Intelligence Research (FAIR) s'està treballant en fer aprendre a les màquines a treballar fins i tot millor. Una gran part d'aquest treball és l'anomenat "aprenentatge profund" que és com es refina la IA estructurant xarxes neurals en múltiples capes de processat.
L'ús de l'aprenentatge profund pot ajudar a la IA a aprendre representacions abstractes del món i a millorar el reconeixement de la parla i d'objectes. També pot jugar un important paper en l'avanç de la investigació en camps tan diversos com la física, l'enginyeria, la biologia i la medicina.
Una arquitectura de sistema d'aprenentatge profund especialment útil és l'anomenada xarxa neural circunvolucional, més coneguda com ConvNet. ConvNet és una manera de connectar unitats en una xarxa neural basada en l'arquitectura del còrtex visual dels humans i els animals.
Les ConvNet són particularment útils per reconèixer senyals naturals com imatges, vídeos, converses, música i, fins i tot text un cop han estat entrenats amb grans bases de dades d'exemple. Per entrenar bé una xarxa cal aportar gran quantitat d'imatges que han estat etiquetades per humans. Les ConvNets aprenen a associar cada imatge amb la seva etiqueta corresponent.
Què es pot aprendre
La IA també presenta una de les grans preguntes per a la humanitat: què és la intel·ligència? La resposta continua sent un misteri. Així mateix, la IA també ens porta una altra gran qüestió filosòfica: Què es pot aprendre?
Els teoremes matemàtics ens diuen que una màquina no pot aprendre a fer totes les tasques de manera eficient. En certa manera, les màquines s'assemblen a nosaltres. No obstant això, les màquines disten molt de tenir una intel·ligència general similar a la humana. En IA generalment es parla de tres tipus d'aprenentatge:
- Aprenentatge De reforç: enfocat al problema sobre com un agent hauria d'actuar per maximitzar els seus beneficis, inspirat en psicologia conductista. En una situació concreta la màquina tria una acció o seqüència d'accions i obté el seu benefici, com ara guanyar una partida d'escacs.
- Aprenentatge Supervisat: essencialment se li diu a la màquina quina és la resposta correcta per obtenir un determinat resultat; com per exemple, aquí hi ha la imatge d'un cotxe, de manera que la resposta correcta és "cotxe". Aquesta és la tècnica d'entrenament de xarxes neurals i altres arquitectures d'aprenentatge de les màquines.
- Aprenentatge Sense supervisió / aprenentatge predictiu: molt del que els humans i els animals aprenen, ho fan en les primeres hores, dies, mesos i anys de les seves vides, i sense supervisió. Aprenen com funciona el món observant i veient els resultats de les seves accions. De moment no se sap com fer això amb les màquines, almenys no al nivell que poden fer-ho els humans i els animals.
Treballs del futur
A mesura que la IA, l'aprenentatge automàtic i els robots intel·ligents es generalitzin, hi haurà nous treballs en fàbriques, formació, vendes i manteniment d'aquests robots. La IA i els robots faran possible la creació de nous serveis que avui són difícils d'imaginar. Però està clar que la salut i el transport estaran entre les primeres indústries a les que transformin.
Per a la gent jove que planeja les seves metes laborals, la IA ofereix abundància d'oportunitats. Així que, com ens preparem per a treballs que encara no existeixen? Els enginyers ressalten la importància de les matemàtiques i les físiques, la ciència computacional. Estudis d'enginyeria, economia i neurociència també són útils, així com la filosofia i l'epistemologia.
La finalitat d'aquestes classes no és aprendre de memòria; els estudiants han d'aprendre com transformar les dades en coneixement.
El futur
Les activitats intel·lectuals humanes seran dutes a terme en conjunció amb màquines intel·ligents, de manera gradual. La intel·ligència és el que fa a les persones humanes i la IA serà una extensió d'aquesta qualitat.
Mentre s'aprèn a crear màquines realment intel·ligents, s'estan descobrint noves teories, nous principis, mètodes i algoritmes que tenen aplicacions que ajudaran a millorar la vida de les persones en un futur proper. Moltes d'aquestes tècniques s'incorporen ràpidament a productes i serveis de Facebook per entendre imatges, idiomes i molt més.
Quan es tracta d'IA a Facebook hi ha un objectiu a llarg termini: entendre la intel·ligència i construir màquines intel·ligents. Aquest no és únicament un repte tecnològic, és també una pregunta científica. Què és la intel·ligència i com es pot reproduir en les màquines? Aquesta és una tasca al capdavall humana, com comenten els investigadors.
Per LeCun i Quiñonero, les respostes ajudaran no només a construir màquines intel·ligents, sinó també a desenvolupar un major enteniment sobre com funcionen la ment i el cervell humà. Amb sort, això ajudarà a tots a entendre millor el que significa ser humà.
Font: La Vanguardia
Cap comentari:
Publica un comentari a l'entrada
Aquest és un blog amb moderador dels comentaris. Per tant, no apareixen immediatament