Nuevo enfoque en Inteligencia Artificial acelera su aprendizaje más de 100 veces

Nuevo enfoque en Inteligencia Artificial acelera su aprendizaje más de 100 veces

Comparta este Artículo en:

La tecnología de Gamalon promete aprendizaje de máquina con una fracción del esfuerzo.

En 2012, los investigadores de Google encontraron una forma de mostrar el poder de la tecnología de inteligencia artificial de la empresa: entrenaron computadoras para reconocer gatos en los videos de YouTube.

El proyecto tardó años en despegar y requirió de 16.000 procesadores para analizar 10 millones de imágenes.

Ese tipo de Inteligencia Artificial, conocido como aprendizaje profundo, ahora impulsa a los altavoces inteligentes de Amazon.com, Echo y los automóviles autodirigidos de Tesla.

Mientras que tal software puede parecer mágico, todavía típicamente requiere que millares de computadoras pasen meses explorando millones de puntos de datos.

El problema: tiene que entrenarse a menudo a la Inteligencia Artificial con miles o aún millones de ejemplos para hacerla eficaz.

Ben Vigoda, un informático entrenado por el MIT (y sobrino del actor Abe Vigoda), dice que puede cortar la mayor parte del trabajo y hacer que los proyectos de AI sean factibles para las empresas sin los recursos de Google.

Gamalon ha presentado una nueva técnica, Bayesian Program Synthesis, que promete entrenar una Inteligencia Artificial con sólo unas pocas muestras.

El enfoque utiliza código probabilístico para llenar los vacíos en su conocimiento.

Si usted le muestra sillas cortas y altas, por ejemplo, debe descubrir que hay muchos tamaños de silla intermedios.

Y lo que es más importante, puede modificar sus propios modelos a medida que avanza, no es necesario un control humano constante en caso de que las circunstancias cambien.

La tecnología de Gamalon ya está en uso, está ayudando a empresas como Avaya a corregir datos ambiguos como nombres y direcciones en cuestión de minutos.

Pero también se utilizará en reconocimiento de imágenes y otras tareas de aprendizaje de máquina.

Es algo útil para los robots que pueden tener que darse cuenta de las muchas, muchas variaciones de objetos que encontrarán en el mundo real.

Fuente: Engadget

Artículos relacionados: