Un vistazo al futuro de la Inteligencia artificial

Palabras clave

IBM
Contenido patrocinado: 
La compañía destacó parte del trabajo en tres áreas clave: avanzar, escalar y confiar
Autor:
IBM Research AI realizó una retrospectiva de los avances científicos que ha hecho y enlistó algunas predicciones sobre lo que está por venir
Logros y predicciones

Con el objetivo de echar un vistazo al futuro de la Inteligencia Artificial (AI), IBM Research AI realizó una retrospectiva de los avances científicos que ha realizado y que serán fundamentales para el siguiente conjunto de tecnologías fundamentales que llevarán de la IA “limitada” de hoy a una nueva era de IA “amplia”, donde el potencial de la tecnología puede aprovecharse entre los desarrolladores de IA, empresas y usuarios finales.

En concreto, la compañía destacó parte del trabajo de este año en tres áreas clave: avanzar, escalar y confiar en la inteligencia artificial.

  • Avances de la IA: IBM Research AI presentó una nueva capacidad de máquina que comprende lo que escucha para contenido argumentativo y así extender las capacidades actuales de comprensión del habla de la IA más allá de las simples tareas de respuesta a las preguntas; desarrolló un nuevo método de aprendizaje de “pocos tiros” que puede reconocer con precisión nuevos objetos desde un solo ejemplo, sin necesidad de datos adicionales; también presentaron un marco y algoritmo de primera clase para permitir que los agentes de inteligencia artificial aprendan a enseñarse unos a otros y trabajen en equipo.
  • Confianza en la IA: IBM Research AI construyó un nuevo enfoque para combatir el sesgo, en el que los datos de entrenamiento se transforman para minimizarlo, de manera que cualquier algoritmo de IA que luego se aprende, perpetuará la menor inequidad posible; desarrolló una nueva metodología de aprendizaje automático llamada ProfWeight, que investiga una red profunda y construye un modelo más simple que puede alcanzar un rendimiento similar al de la red original; y ha propuesto una nueva medida de robustez certificada y sin agresión de ataques llamada CLEVER, que se puede utilizar para evaluar la robustez de una red neuronal contra ataques.
  • Escalando la IA: Los investigadores de IBM han demostrado por primera vez la capacidad de entrenar modelos de aprendizaje profundo con solo 8 bits de precisión, al tiempo que conservan completamente la precisión del modelo en todas las categorías principales de conjuntos de datos de IA, incluyendo imagen, voz y texto.  Además, su nuevo enfoque de la red neuronal en Bloque, BlockDrop, ofrece una nueva forma de acelerar la inferencia en redes neuronales muy profundas, aprende a elegir qué capas o “bloques” de la red profunda se deben omitir, reduciendo el cálculo total y manteniendo la precisión. Asimismo, desarrollaron una nueva técnica de búsqueda de arquitectura neuronal que reduce el trabajo pesado requerido para diseñar una red neuronal.

Por otra parte, IBM enlistó algunas predicciones sobre lo que está por venir en Inteligencia Artificial:

  1. La causalidad reemplazará cada vez más las correlaciones: la mayoría de nuestros métodos de inteligencia artificial actuales se basan fundamentalmente en las correlaciones y carecen de una comprensión profunda de la causalidad, por lo que los métodos de inferencia causal emergentes permitirán inferir estructuras causales a partir de datos, seleccionar intervenciones de manera eficiente para probar relaciones causales putativas y tomar mejores decisiones aprovechando el conocimiento de la estructura causal.
  2. IA de confianza ocupará un lugar central: en 2019, se espera ver un enfoque especial en la transferencia de avances de investigación en este espacio a productos y plataformas reales, junto con un énfasis en fomentar la diversidad y la inclusión en equipos técnicos, para garantizar que muchas voces y perspectivas guíen el progreso tecnológico.
  3. Quantum podría brindar asistencia a la IA: se verá una aceleración de la tracción en la investigación y experimentación cuántica, y una nueva investigación sobre cómo la computación cuántica puede potencialmente desempeñar un papel en la capacitación y ejecución de modelos de IA.
Contenido relacionado: