En resumen
El proyecto AutoML de Google, diseñado para que la IA construya otras IA, ha desarrollado un sistema de visión artificial que supera ampliamente a los modelos más avanzados. El proyecto podría mejorar la forma en que los vehículos autónomos y los robots de IA de próxima generación «ven».
Una IA capaz de construir IA
En mayo de 2017, investigadores de Google Brain anunciaron la creación de AutoML, una inteligencia artificial (IA) capaz de generar sus propias IA. Más recientemente, decidieron plantearle a AutoML su mayor desafío hasta la fecha, y la IA capaz de construir IA creó una «hija» que superó a todas sus equivalentes creadas por humanos.
Los investigadores de Google automatizaron el diseño de modelos de aprendizaje automático mediante un enfoque llamado aprendizaje por refuerzo. AutoML actúa como una red neuronal controladora que desarrolla una red de IA hija para una tarea específica. En el caso de esta IA hija, a la que los investigadores llamaron NASNet, la tarea consistía en reconocer objetos —personas, coches, semáforos, bolsos, mochilas, etc.— en un vídeo en tiempo real.
AutoML evaluaba el rendimiento de NASNet y utilizaba esa información para mejorar su IA hija, repitiendo el proceso miles de veces. Al probarla con los conjuntos de datos de clasificación de imágenes ImageNet y detección de objetos COCO, que los investigadores de Google describen como «dos de los conjuntos de datos académicos a gran escala más respetados en visión artificial», NASNet superó a todos los demás sistemas de visión artificial.
Según los investigadores, NASNet tuvo una precisión del 82,7 % al predecir imágenes en el conjunto de validación de ImageNet. Esto supera en un 1,2 % cualquier resultado publicado anteriormente, y el sistema también es un 4 % más eficiente, con una precisión media promedio (mAP) del 43,1 %. Además, una versión de NASNet que requiere menos capacidad de cálculo superó en un 3,1 % a los mejores modelos de tamaño similar para plataformas móviles.
Una mirada al futuro
El aprendizaje automático es lo que permite que muchos sistemas de IA realicen tareas específicas. Aunque el concepto que lo sustenta es bastante sencillo —un algoritmo aprende al recibir una gran cantidad de datos—, el proceso exige muchísimo tiempo y esfuerzo. Al automatizar la creación de sistemas de IA precisos y eficientes, una IA capaz de construir IA asume la mayor parte de ese trabajo. En última instancia, esto significa que AutoML podría abrir el campo del aprendizaje automático y la IA a personas no expertas.
En cuanto a NASNet en particular, los algoritmos precisos y eficientes de visión artificial son muy solicitados por sus numerosas aplicaciones potenciales. Podrían utilizarse para crear robots sofisticados impulsados por IA o para ayudar a las personas con discapacidad visual a recuperar la vista, como sugirió un investigador. También podrían ayudar a los diseñadores a mejorar las tecnologías de los vehículos autónomos. Cuanto más rápido pueda un vehículo autónomo reconocer objetos en su trayectoria, más rápido podrá reaccionar ante ellos, lo que aumentaría la seguridad de estos vehículos.
Los investigadores de Google reconocen que NASNet podría ser útil para una amplia variedad de aplicaciones y han publicado la IA como código abierto para la inferencia en la clasificación de imágenes y la detección de objetos. «Esperamos que la comunidad más amplia de aprendizaje automático pueda aprovechar estos modelos para abordar multitud de problemas de visión artificial que aún no hemos imaginado», escribieron en su entrada de blog.
Aunque las aplicaciones de NASNet y AutoML son numerosas, la creación de una IA capaz de construir IA plantea algunas inquietudes. Por ejemplo, ¿qué impediría que la IA progenitora transmitiera sesgos no deseados a su hija? ¿Y si AutoML crea sistemas tan rápido que la sociedad no puede seguirles el ritmo? No es difícil imaginar cómo NASNet podría utilizarse en sistemas de vigilancia automatizada en un futuro próximo, quizás antes de que se establezcan regulaciones para controlar esos sistemas.
Afortunadamente, los líderes mundiales están trabajando con rapidez para garantizar que esos sistemas no conduzcan a ningún tipo de futuro distópico.
Amazon, Facebook, Apple y varias empresas más son miembros de la Alianza sobre IA para beneficiar a las personas y la sociedad, una organización centrada en el desarrollo responsable de la IA. El Instituto de Ingenieros Eléctricos y Electrónicos (IEE) ha propuesto normas éticas para la IA, y DeepMind, una empresa de investigación propiedad de Alphabet, la empresa matriz de Google, anunció recientemente la creación de un grupo centrado en las implicaciones morales y éticas de la IA.
Varios gobiernos también trabajan en regulaciones para impedir que la IA se utilice con fines peligrosos, como las armas autónomas, y mientras los seres humanos mantengan el control sobre la dirección general del desarrollo de la IA, los beneficios de contar con una IA capaz de construir IA deberían superar con creces cualquier posible inconveniente.
