AutoML, la máquina que crea otras máquinas inteligentes
El concepto de la singularidad tecnológica no es nuevo. Lleva dando vueltas en el imaginario colectivo desde principios de los 60, si bien no fueron pocos los filósofos y los escritores que trataron el tema mucho antes. A grandes rasgos, presenta un hipotético momento futuro en el que las máquinas serán capaces de mejorarse y actualizarse a sí mismas, una idea que ya exploraron Her, Yo, Robot, la saga Terminator o la serie de televisión Westworld. Especialmente esta última explora el concepto de forma muy interesante y motivadora.
La inteligencia artificial lo hace mejor que nosotros. Juega al póker y al Go, juzga, engaña al Captcha y un sinfín de cosas más. Un algoritmo de Google ya logra clasificar y etiquetar los elementos de las imágenes mejor que cualquier algoritmo antes conocido. La peculiaridad es que, mientras que todos los anteriores estaban hechos por humanos, este superalgoritmo está inventado por una máquina. Se llama NASNet y acierta el 82,7% de los elementos de la fotografía, 1,2 puntos más que el segundo mejor.
En mayo de este año, Google presentó AutoML. Como su propio nombre indica, el proyecto pasa por hacer del aprendizaje automático (machine learning, en inglés) el códice sagrado del que salga todo lo demás en el futuro. Son las máquinas aprendiéndose las unas a las otras, arreglándose, creándose y enseñándose a ser mejores cada minuto. La pregunta viene cuando nos planteamos si después de haberse perfeccionado al máximo necesitarán a los humanos para algo... o no.
Mejor que todo lo antes visto
AutoML creó a NASNet como una red neuronal especializada en la identificación y el reconocimiento de imágenes. Para entrenar a NASNet, Google ha utilizado las más de 60.000 imágenes de CIFAR-10, el proyecto de un exingeniero de la multinacional; Penn Treebank e ImageNet. Los tres son bancos de imágenes y en el caso de CIFAR-10, por ejemplo, cada foto consta de 32x32 píxeles y está dividida según su clase: tractores, coches, pájaros, gatos, ciervos, etcétera.
La alta nota cosechada por NASNet a la hora de identEificar fotografías hizo que Google la pusiera a detectar los elementos presentes en ella. En este caso, la combinó con una red neuronal convolucional, un tipo de redes especializada en la captura y la detección de imágenes. “Nuestro mejor modelo alcanza un 43,1%, lo que es un 4% mejor que los anteriores”, explica Google en su blog oficial.
Una de los ingenieros que se encuentra detrás de AutoML es Jeff Dean. El empleado y cabeza pensante del proyecto ya ha reconocido en más de una ocasión que la dificultad y el alto grado de conocimientos necesarios para especializarse en inteligencia artificial dificulta el desarrollo. Según The New York Times, solo 10.000 personas en el mundo “cuentan con la educación, la experiencia y el talento necesarios para construir los complejos y a veces misteriosos algoritmos matemáticos que dirijan esta nueva raza de inteligencia artificial”.
Próximo objetivo: la singularización
El ingeniero de Google también considera que actualmente solo unas pocas miles de empresas en todo el mundo tienen la capacidad para desarrollar buenos sistemas de inteligencia artificial. Con AutoML, la multinacional quiere “solucionar los problemas en machine learning de millones de empresas de todo el mundo”, según Dean.
AutoML puede diseñar redes neuronales especializadas tan buenas como las diseñadas por la mano humana. El modelo es un primor: crea, entrena y mejora sus propias arquitecturas de tal forma que no solo perfecciona sus próximas creaciones; sino que también asigna probabilidades más altas a los espacios de la red neuronal que más hayan aprendido y probabilidades más bajas a los que menos. De esta forma sabe dónde tiene que profundizar en las próximas sesiones.
Este proceso se repite “miles de veces” para crear “nuevas arquitecturas, probarlas y darle feedback a AutoML para que aprenda de ellas”. El sistema puede tomar decisiones para crear nuevas arquitecturas y “pensar”, de alguna forma, dónde ha fallado y qué tiene que mejorar en las siguientes simulaciones. Como en Westworld, cuando Robert Ford le dice a Dolores Abernathy la palabra “análisis” y el robot entra en el modo a prueba de fallos; pero sin Ford y sin orden previa. Tan solo con aprendizaje automático e inteligencia artificial. Singularización.
