Algoritmos de aprendizaje automático

Los cambios que produce la tecnología van a ser más importantes que nunca, con la llegada de la IA (Inteligencia Artificial). Pero, para que esto ocurra, es necesario desarrollar una serie de algoritmos que sirvan de medio con el que dicho aprendizaje sea, a ser posible, rápido y natural.

Algoritmos que sean capaces de que una máquina consiga aprender de forma autónoma, es decir, que comprenda los conceptos y sea capaz de resolver, por si sola, los planteamientos que se producen en la resolución de problemas. Estos avances en robótica están cada vez más cerca gracias a la labor que realizan los investigadores.

Investigación

De este modo, surgen innovaciones como la red denominada Bayesian Program Learning (BPL), cuyo fin es conseguir que los ordenadores sean capaces, por medio del aprendizaje, de reproducir e identificar los caracteres manuscritos, en base a un único ejemplo ofrecido a dicha computadora. El fin de estas investigaciones es que el proceso de aprendizaje sea más reducido y los humanos sean capaces de enseñar a las máquinas necesitando únicamente de ejemplos.

Esta red (BPL) evita el típico reconocimiento de patrones, como los que tienen que ver con configuraciones de píxeles, y basa su aprendizaje en la mera explicación del ejemplo del dato que se ofrece. No solo es capaz de asimilar las variaciones en la escritura de las personas, sino que, en el momento en que ve los caracteres, se programa a sí misma mediante la construcción de un código que produce las letras.

En la misma línea, se sitúa el modelo “aprender a aprender”. Este hace uso del conocimiento de otros conceptos, para conseguir un aprendizaje nuevo mucho más rápido. Así pues, en el caso de necesitar aprender escritura griega, utiliza los conocimientos que tiene acerca del alfabeto latino. De esta forma, los investigadores han conseguido aplicar el aprendizaje automático (BPL) a 50 sistemas de lenguaje diferentes y generar más de 1.600 tipos de caracteres.

Las pruebas

En las pruebas realizadas con voluntarios, para medir la capacidad de aprendizaje de las máquinas, se pidió a ambos reproducir escritos a mano después de haber visualizado un ejemplo. Después, había de identificarse cual de los símbolos había sido realizado por el ordenador. Como resultado, menos del 25% de los evaluadores fueron capaces de determinar con seguridad si los símbolos habían sido realizados por personas o por las máquinas, por lo que el aprendizaje podía calificarse como de éxito.

Pese a estos avances, los expertos reconocen que la capacidad de aprendizaje de las máquinas dista todavía mucho de la que posee un niño. Sin embargo, se muestran optimistas ante el resultado de las pruebas y consideran que en un futuro es probable que, pese a la dificultad, pueda llegar a imitarse la asimilación de conceptos.