Inteligencia de negocios y big data para el mundo hispano parlante.

¡Subscríbase al boletín gratuito!


Inteligencia de Negocios en Español - Decideo.com





Actualidades y análisis

La revolución de la inteligencia artificial, por Yoshua Bengio, uno de los más grandes científicos del Deep Learning


, el 8 Noviembre 2016 | Leído 541 veces

Yoshua Bengio, es científico canadiense especialista en Inteligencia Artificial, y pionero de los algoritmos del Deep Learning adoptados por Google y Facebook, adscrito al departamento de informática y de investigación operacional de la Universidad de Montreal, una de las mejores universidades del planeta según las clasificaciones internacionales.



Foto: Université de Montréal
Foto: Université de Montréal
La revolución de la inteligencia artificial, fue el título de la conferencia organizada por la Universidad de Montreal, en el marco de las "conferencias de la montaña", espacios de discusión abiertos al público en general para debatir alrededor de temáticas desafiantes para la sociedad, con grandes invitados intelectuales, científicos y personalidades de renombre internacional.

Una revolución está en marcha. Notablemente gracias al deep learning, o aprendizaje profundo, y la aparición del Big Data, los avances en el área de la inteligencia artificial son un gran paso adelante. El progreso es tal, que algunos no dudan cuando hablan de la llegada inminente de una cuarta revolución industrial, hecha de inteligencia artificial, de robótica y de nanotecnología. Partiendo de la salud, y pasando por la bio-informática, la banca o los seguros, numerosos sectores son tocados.

Pero ¿Dónde nos encontramos realmente en el desarrollo de la inteligencia artificial? ¿Cómo el aprendizaje profundo la revoluciona? ¿Qué rol puede jugar Montreal y sus universidades para acelerar el desarrollo de las investigaciones en esta área? ¿En qué medida la inteligencia artificial puede cambiar nuestras vidas?

En esta segunda conferencia de la montaña, Yoshua Bengio (Universidad de Montreal), Yann LeCun (Universidad de New York y Facebook) y Joëlle Pineau (Universidad McGill), tres eminencias internacionales de la investigación en inteligencia artificial, nos ayudan a comprender mejor los avances y las diferentes facetas de esta tecnología fascinante.

La tarde fue animada por Vincent Gautrais, profesor de la Facultad de derecho de la Universidad de Montreal, titular de la Chaire L.R. Wilson sobre el derecho de las tecnologías de información y comercio electrónico.

Transcripción de la conferencia de Yoshua Bengio (Universidad de Montreal)

Voy a intentar darles algunos atisbos de esta revolución de la inteligencia artificial; en lo que es, tal como lo concibo y sobre las investigaciones realizadas acerca del aprendizaje profundo, con Yann LeCun y con otros.

Sin duda hemos empezado a oír o leer acerca de los coches que se conducen solos, no hemos llegado ahí todavía, pero hay un progreso bastante impresionante, gracias, en parte a los avances en la comprensión visual que hemos hecho con el aprendizaje profundo y las redes neuronales convolucionales. Puede que algunos de ustedes ya hayan comenzado a hablar con sus teléfonos. Esto va a ocupar cada vez más espacio, la forma en la que interactuamos con los ordenadores será transformada. Tal vez también hayan oído hablar de un avance que hizo mucho ruido los últimos meses, cuando un ordenador que utilizaba el aprendizaje profundo y el aprendizaje por refuerzo venció al campeón mundial de Go, un juego de mesa chino bastante complejo. Pensábamos que podría tomar años, o incluso décadas, antes que un computador pudiera vencer a los campeones mundiales, pero sucedió. ¿Qué pasa? Existe un avance en la inteligencia artificial; es un resultado de un trabajo paciente, de progreso gradual y construido sobre las bases de los trabajos precedentes. Estos avances abren puertas que hacen que puedan usarse esos resultados para crear nuevos servicios, para producir cosas nuevas, transformar la economía e incluso tal vez, la sociedad. Estamos viviendo otra revolución industrial que, en lugar de aumentar la potencia mecánica, el ordenador aumenta la potencia cognitiva, la potencia intelectual de los seres humanos.

Aprendizaje profundo

Voy a hablarles del aprendizaje profundo, porque justamente la evolución de las que les he venido hablando, está en gran parte dentro de estos avances. ¿De qué se trata?

Comenzó hace una década aproximadamente, gracias a una red del Instituto Canadiense de Investigación Avanzada (ICRA) que financiaba investigaciones que, para la época no estaban consideradas a la moda, y eran tal vez incluso mal vistas, pero a pesar de todo, algunos locos creían todavía en estas ideas, inspiradas en lo que sabemos del cerebro. Ellos querían impulsar aún más estas investigaciones, que prosiguieron por décadas de estudio sobre las redes neuronales artificiales. Este equipo tuvo éxito entrenando las redes de neuronas profundas. Antes de hablarles de inteligencia artificial, voy a explicarles lo que me interesa realmente. Comprender cuáles son los principios matemáticos, informáticos; cualquier cosa que podamos analizar, discutir y comprender realmente, que explique y que pueda manejar a la inteligencia. Aquí esto se trata de inteligencia en general, esta puede ser la inteligencia de los humanos, de los animales y por supuesto esta podría servirnos para construir máquinas inteligentes. Pero es también gracias al hecho de que podamos experimentar con máquinas que somos capaces de comprender mejor esos principios y desarrollarlos progresivamente.

¿Qué es la inteligencia? No es una cosa sobre la cual todo el mundo se entienda, pero dentro de mi comunidad se entiende bastante bien bajo la idea de que la inteligencia está asociada a comportamientos inteligentes, y que para que un sistema o un agente tome buenas decisiones y tenga buenos comportamientos, le hacen falta conocimientos. La pregunta fundamental en la inteligencia artificial desde sus inicios, en los años 50, es cómo el ordenador puede adquirir esos conocimientos, que van a permitirle comportarse de manera inteligente. Ha habido décadas de investigaciones con enfoque convencional y simbólico hacia la inteligencia artificial, los conocidos sistemas expertos, que en realidad no han resultado ser gran cosa, porque intentaban dar esos conocimientos al ordenador directamente a partir de lo que conocemos y podemos expresar a través de un programa. Pero, por desgracia, hay muchas cosas que se conocen, pero que no se pueden explicar verbalmente, que no le podemos explicar al ordenador, no se conoce la forma de programarlas para que la computadora lo haga. Tenemos muchos conocimientos intuitivos. La solución que verdaderamente ha funcionado, sorprendentemente, es hacer que el equipo haga como nosotros, adquirir conocimientos de sí mismo, por observación, viendo ejemplos, imitando al humano y sirviéndose de datos. Y cuántos más datos, más información que el computador puede utilizar para comprender un aspecto del mundo, que se ilustra a través de esos datos.


Esta ciencia que explora cómo un sistema vivo o un ordenador puede aprender a partir de ejemplos, es la ciencia del aprendizaje; y el aprendizaje automático particularmente. Ha habido ese avance dentro de la última década, pero que se ha revelado sobre todo en los tres o cuatro últimos años. El aprendizaje profundo es un enfoque particular del aprendizaje automático, que evidentemente se nutre de muchos estudios hechos en el área del aprendizaje automático.

Representación y Comprensión

Voy a insistir en dos ideas importantes.

En primer lugar, la idea de la representación. Es decir, que el ordenador va no solamente a aprender a construir una imagen, sino que también aprenderá a representar la información, representar imágenes, sonidos, palabras, frases. La segunda idea consiste en que hay varios niveles de representación. Estos niveles de presentación son varios niveles de abstracción. ¿Por qué es interesante? Porque mientras más estemos en condiciones de que el ordenador desarrolle estos niveles más elevados de abstracción, será más capaz de comprender el mundo, de generalizar nuevas situaciones y ahí es donde está la clave. Esto ha dado lugar a avances espectaculares, en la visión por ordenador, por ejemplo, la comprensión de la palabra, la traducción automática, la comprensión del lenguaje natural, la robótica. Recientemente se comenzaron a combinar estas ideas de aprendizaje y de representación para asegurar que el computador pueda juntar las funciones que vienen de distintas fuentes, las representaciones de imágenes y representaciones de frases. Por ejemplo, el ordenador, al hacer puramente el reconocimiento de un objeto dentro de una imagen, puede identificar cuáles objetos se encuentran presentes en la imagen y dónde lo están. Luego el ordenador procesa un texto muy simple, lo lee, y será capaz de responder a una pregunta sobre el texto. No hace mucho tiempo que, en mi laboratorio, hemos combinado estas dos capacidades. El ordenador va a ver una imagen, y producir una frase en función de esa imagen. El ordenador genera una frase en idioma natural, en inglés, y eso es algo que considerábamos muy difícil de realizar hace algunos años, y finalmente se ha comprobado que no es tan complicado como lo imaginábamos. Aún estamos lejos de haber resuelto este problema, pero ya verán que los progresos en esa dirección van bastante rápido.

Voy a volver al concepto de representación; hemos intentado comprender lo que el ordenador había descubierto en estas representaciones.

En cuanto a la representación de palabras individuales, se asocia a cada palabra un vector, por tanto, una secuencia de números reales y se puede visualizar en dos dimensiones una aproximación de lo que el ordenador ha aprendido en una especie de tarjeta, se le puede hacer zoom y se puede ver que las palabras que tienen un sentido próximo al de otra, se encontrarán cercanas unas con otras en este espacio de representación. Y no solamente esto, sino que se ha descubierto, y es sumamente fascinante, que se puede razonar por analogía con estas representaciones. Así que, si tomamos el vector correspondiente a la palabra “Paris”, y el que corresponde a la palabra “Francia”, y se hace la diferencia entre los dos, se obtiene otro vector que corresponde a la dirección para pasar de “París” a “Francia”. Ese mismo vector puede aplicarse a “Roma” y damos la representación de “Italia”. De la misma manera, si hacemos la diferencia entre la representación de la palabra “rey” y de la palabra “reina”, obtenemos algo cercano a la diferencia que hay entre “hombre” y “mujer” lo que la palabra “reina” es a la palabra “rey”. Y esto no se lo hemos enseñado, lo ha descubierto solo, de manera no supervisada.

Voy a intentar explicarles esta idea de representación tomando un ejemplo. Si nos interesamos en una imagen, imagen de una página que ha sido digitalizada con palabras escritas encima. Sobre esta imagen, a cierto nivel de representación, hay píxeles, y eso sería como un primer nivel muy bruto. Hay un nivel más elevado, donde se identificarán los bordes de la imagen, los bordes de los objetos, y luego hay un nivel de representación donde el ordenador identificará los rasgos que corresponden a las partes de un caracter, por ejemplo. Y a un nivel más elevado, estos rasgos podrían ser combinados para formar caracteres enteros, entonces estos caracteres pueden combinarse para formar palabras. Y aquí se llega a algo que se maneja un poco menos, un nivel de abstracción más elevado que eso, que sería el significado de las palabras, lo que he mostrado anteriormente, donde tratamos de captar el significado de las palabras con una representación. Evidentemente eso no es suficiente para hacer las tareas interesantes, se quiere que el ordenador pueda captar los sentidos de secuencias de palabras, frases, documentos tal vez incluso ir al meollo del mensaje que está detrás del documento.

Muestro todo esto debido a que, en este ejemplo, hay varios niveles de representación. El nivel de las palabras es mucho más abstracto que el de los píxeles, y si se tienen que tomar decisiones, si el ordenador debe responder a esas preguntas sobre esos documentos, será mucho más fácil para él si trabaja a un nivel de palabras. La misma palabra podría representarse al nivel de la imagen de muchas imágenes posibles. Se podrían dibujar los caracteres de una manera muy distinta y queremos que el computador pueda separar los detalles (como los caracteres han sido escritos) lo que más nos interesa aquí.

De hecho, lo que nos interesa en nuestro campo, es asegurarnos que el ordenador pueda descubrir por su cuenta los diferentes niveles de representación. Para los primeros niveles, hasta el nivel de las palabras, son representaciones que son naturales para nosotros y nosotros no necesitamos del ordenador. Cuando se llegue a los niveles más elevados de abstracción, no sabemos realmente como representar la semántica. Y es ahí, cuando un método completamente automático para descubrir los diferentes niveles de abstracción, se vuelve importante.

Impacto Social

Voy a finalizar con dos elementos, menos técnicos, pero que podrían tocar más a las personas. Los desafíos de la sociedad en torno a estos desarrollos, los principios que hoy vemos alrededor de la inteligencia artificial.

Como en muchas ciencias y tecnologías de gran alcance, es riesgoso si se dejan las cosas ir por su cuenta, procurar que algunos aprovechen de que ese poder y riqueza se concentre en las manos de unos cuantos; Aunque creo que muchos de los investigadores como yo, quisieran esos avances en principio y antes de todo para un número grande. ¿Cómo se puede hacer esto?

Tomemos a los coches autónomos. Hay grandes posibilidades que esto tenga un impacto importante en el mercado laboral, que algunas personas pierdan su empleo, y sean remplazadas por máquinas. ¿Cómo podemos hacer para que esto suceda de una manera humanamente correcta, y que beneficie a todo el mundo sin dejar a un número de personas sin trabajo? Y, en general, hay todo tipo de cuestiones éticas sobre las cuales, las personas ordinarias y los ciudadanos en particular deben reflexionar. Por ejemplo, el tema de la confidencialidad de datos, y allí hay casos que no son solo “quiero guardar mis datos, no quiero que nadie tenga acceso a ellos”. Pero si los datos son compartidos, se puede beneficiar todo el mundo. Es como con las vacunas, si todo el mundo se vacuna, todo el mundo se beneficia. Entonces ¿Cómo se gestiona el interés individual y el interés colectivo en esta historia? Algo a lo que me he comprometido es tratar de orientar el estudio en torno a las aplicaciones socialmente positivas de la inteligencia artificial. Evidentemente la salud, puede que el ambiente, la educación, crear servicios que sirvan al más grande número y no necesariamente en pro de un beneficio comercial inmediato. Hay desafíos éticos planteados por algunas personas acerca de los peligros a largo plazo de la inteligencia artificial. A pesar de que formo parte de las personas que no creen mucho en esto, también pienso que es importante reflexionarlo y que no dejemos simplemente que las cosas lleguen sin pensarlas de antemano. Por esta razón, es importante que la gente participe en la discusión, que entiendan los problemas, que los políticos formen parte de la ecuación, ya que se supone que representan la voluntad colectiva y por lo tanto los invito a que se informen más y que participen de cualquier manera, ya sea contribuyendo al desarrollo de la tecnología, de las empresas que espero que sigan todo esto, o que simplemente lo hagan como ciudadanos.

Para concluir, hay una oportunidad única ahora mismo en Montreal, tenemos una nueva masa crítica en el dominio de la inteligencia artificial, en particular, el grupo que yo dirijo y el grupo de aprendizaje automático de la Universidad de McGill, juntos tenemos 150 investigadores especializados en esta área, y es una concentración única en el mundo, sobre todo a nivel universitario. Acabamos de recibir una enorme subvención que nos va a ayudar a desarrollar esta ciencia y también tenemos una misión del gobierno para asegurar que se transfiera a las empresas, y que se cree riqueza aquí en Montreal. Es un reto ¿Cómo vamos a pasar de una masa crítica universitaria a una masa crítica privada? Con las empresas, que tal vez creen una especie de Silicon Valley de la inteligencia artificial en Montreal. Creo que un ingrediente esencial, es atraer y retener a los mejores del mundo que estén en el área universitaria o privada.




Nuevo comentario:
Facebook Twitter

Usted puede comentar o proporcionar más información a todos los artículos de este sitio. Los comentarios son libres y abiertos a todos. Sin embargo, nos reservamos el derecho a eliminar, sin previo aviso ni explicación, todo comentario que no cumpla con nuestras normas internas de funcionamiento, es decir, cualquier comentario difamatorio o sin relación con el tema del artículo. Así mismo, los comentarios anónimos son eliminados sistemáticamente si son demasiado negativos o muy positivos. Exprese sus opiniones, compártalas con los demás y asúmalas. Gracias de antemano. Igualmente, agradecemos tener en cuenta que los comentarios no sean enviados automáticamente a los redactores de cada artículo. Si usted desea realizar una pregunta al autor de un artículo, contáctelo directamente, no utilice los comentarios.


Twitter
Rss
LinkedIn
Google+
Facebook
Pinterest