¡Ciencia ficción! Crean inteligencia artificial que podría “resolver problemas” como los humanos

Investigadores del Massachusetts Institute of Technology (MIT), una de las universidades más prestigiosas de Estados Unidos, informaron que han desarrollado un modelo de aprendizaje de máquinas, basado en inteligencia artificial, para permitir a los robots comprender las relaciones subyacentes entre los objetos en una escena.

Cuando los humanos miran una escena, ven objetos y las relaciones entre ellos. Por ejemplo, en la parte superior de su escritorio, puede haber un ordenador portátil que se encuentra a la izquierda de un teléfono, que está frente a un monitor de ordenador, explicaron los expertos del MIT en un comunicado, como recoge la agencia Europa Press.

Los investigadores explicaron que muchos modelos de aprendizaje profundo luchan por ver el mundo de esta manera porque no comprenden las relaciones entrelazadas entre objetos individuales, como sí lo hacen los seres humanos.

“Cuando miro una mesa, no puedo decir que haya un objeto en la ubicación XYZ. Nuestras mentes no funcionan así. En nuestras mentes, cuando entendemos una escena, realmente la entendemos basándonos en las relaciones entre los objetos”, aseguró Yilun Du, estudiante de doctorado del Laboratorio de Ciencias de Computación e Inteligencia Artificial (CSAIL) y coautor del artículo.

Sin el conocimiento de estas relaciones, un robot diseñado para ayudar a alguien en una cocina tendría dificultades para seguir un comando como: “Coge la paleta que está a la izquierda del fogón y colócala encima de la tabla de cortar”. En ese sentido, el nuevo modelo de inteligencia artificial desarrollado en el MIT representa las relaciones individuales de una en una, luego combina estas representaciones para describir la escena general.

Lo anterior permite que el modelo genere imágenes más precisas a partir de descripciones de texto, incluso cuando la escena incluye varios objetos que están dispuestos en diferentes relaciones entre sí, como recoge Europa Press.

Este trabajo podría aplicarse en situaciones en las que los robots industriales deban realizar tareas complejas de manipulación de varios pasos, como apilar artículos en un almacén o ensamblar electrodomésticos. También mueve el campo un paso más cerca de habilitar máquinas que puedan aprender e interactuar con sus entornos más como lo hacen los humanos.

“Creemos que al construir un sistema que pueda comprender las relaciones entre los objetos, podríamos usar ese sistema para manipular y cambiar nuestros entornos de manera más efectiva”, afirmó Yilun Du, estudiante de doctorado en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y co -autor principal del artículo.

Finalmente, los expertos informaron que la investigación se presentará en la conferencia sobre sistemas de procesamiento de información neuronal en diciembre.

Por otro lado, a mediados de este año la compañía tecnológica Meta, liderada por Mark Zuckerberg, anunció que ha desarrollado un sistema para sus mecanismos de inteligencia artificial (IA) que les enseña a olvidar información cuando esta no resulta importante para realizar sus funciones, lo que permite ahorros en términos de memoria, capacidad de procesamiento y costos de computación.

La nueva tecnología, denominada Expire-Span, es “la primera operación de su tipo” según la empresa, y busca hacer que las redes neuronales de la IA se parezcan al funcionamiento del cerebro humano, que constantemente olvida datos, como ha informado el conglomerado tecnológico en un comunicado, citado por Europa Press.

Esta tecnología funciona prediciendo qué información es más relevante para el funcionamiento de una red neuronal y, con base en esta información, asocia a los datos una fecha de expiración después de la cual se borran. De esta manera, la información esencial se retiene durante más tiempo, mientras que la irrelevante se elimina de forma rápida y así se libera el espacio de memoria del sistema para que se centre en las tareas principales.

*Con información de Europa Press.