Se podría argumentar que el reciente éxito de Geoffrey Hinton con las redes neuronales es el momento del Big Bang para la Inteligencia Artificial.

El aprendizaje profundo ha permitido que los sistemas de #inteligencia artificial actuales venzan a los campeones mundiales de Go y traduzcan los datos en innovación para industrias como las finanzas y la energía. Pero el campo aún lucha en áreas que requieren una inteligencia más amplia, y la pregunta sigue siendo si una serie de innovaciones incrementales para la base actual llevará a AI [VIDEO] a un nuevo nivel de sofisticación, que puede superar el ingenio humano.

La inteligencia artificial actual puede dominar en un juego de ir

Hoy en día, la agenda de investigación de AI se centra en el aprendizaje profundo, que procesa grandes conjuntos de datos para resolver tareas específicas y limitadas. Las redes neuronales profundas pueden aprender funciones complejas para resolver problemas intrincados, pero solo dentro de ciertos parámetros. Por ejemplo, AlphaGo basado en la IA de Google es capaz de vencer fácilmente al mejor jugador humano en el increíblemente sofisticado juego #Go porque se juega usando reglas establecidas.

Pero fuera de las situaciones con parámetros establecidos, la verdadera pregunta es si la inteligencia artificial basada en datos puede superar a los humanos en el mundo complejo en el que vivimos.

El aprendizaje profundo es muy bueno para resolver un conjunto particular de problemas, pero no aborda directamente muchos problemas importantes, como la planificación a largo plazo. Si bien el aprendizaje profundo puede resolver el problema de encontrar expertos humanos para la entrada de datos que consumen tiempo mediante la automatización de la percepción y la adquisición de conocimiento, se necesita más trabajo para recrear la comprensión semántica humana para las acciones complejas.

El procesamiento del lenguaje natural es un excelente ejemplo de esto

Aunque las complejidades del lenguaje parecen estar más allá de la correlación estadística, los investigadores del aprendizaje automático han utilizado con éxito sus técnicas para manipular el lenguaje para completar tareas. Sin embargo, las técnicas no se extienden a la comprensión del lenguaje natural : para una computadora, este es solo otro #algoritmo, no una oración con significado.

Para volverse verdaderamente inteligentes, los sistemas de inteligencia artificial deben tener habilidades de razonamiento similares a las humanas combinadas con una escala de máquina para procesar datos. Considere la canción de cuna "Jack y Jill subieron la colina para buscar un cubo de agua". Un sistema moderno puede responder: "¿Adónde fueron Jack y Jill?" AI está aprendiendo a responder preguntas como, "¿Jack y Jill todavía están en la cima de la colina? "demostrando un razonamiento inductivo. Sin embargo, un sistema de inteligencia artificial no podría describir cómo Jack y Jill recuperaron el agua, ya que requiere información básica no especificada en la rima.

¡No te pierdas nuestra pagina de Facebook!!