Una inteligencia artificial está siendo entrenada no sólo para recordar, también para saber cuándo olvidar

Un proyecto del Ejército de los EE.UU ha permitido desarrollar un nuevo framework (denominado ‘Learn to Grow’) para la creación de redes neuronales profundas que permite que los sistemas de IA aprendan mejor nuevas tareas, al tiempo que olvidan un menor porcentaje de lo ya aprendido en tareas anteriores.

Mary Anne Campos, de la Oficina de Investigación del Ejército de EE.UU, lo explica con un ejemplo:

“Mientras está realizando una operación urbana, un robot rodante puede aprender nuevos parámetros de navegación óptimos para ciudades densas, pero todavía tiene que ser capaz de operar de manera eficiente en entornos recorridos previamente, como un bosque”.

De hecho, en algunos casos, el uso de este framework permitió que las nuevas experiencias ayudaran a mejorar la realización de tareas antiguas.

Siguiendo con el ejemplo, viene a ser como si el robot rodante fuera capaz de aprender algo en la ciudad que le permitiera mejorar su desempeño en el bosque.

Pero, ¿qué tiene de especial de especial que una IA pueda aprovechar lo aprendido en un campo para mejorar en otro? ¿y qué tiene eso que ver con aquello que es capaz de recordar y/u olvidar?

Que la inteligencia artificial sea capaz de sortear algunos de los mayores obstáculos que aún se interponen en su progresión podría depender de que encontremos un equilibrio adecuado entre la capacidad para recordar y para olvidar.

Como afirma Dileep George, fundador de la compañía de inteligencia artificial Vicarious, “la IA gira completamente en torno a la memoria y el olvido”.

David Cox, director del MIT–IBM Watson AI Lab, explica que en el fondo los problemas en este campo de los cerebros humanos y artificiales se parecen mucho:

“Una parte importante del aprendizaje consiste en saber qué aprender y qué no. Queremos ser capaces de olvidar todo aquello que es irrelevante”.

Así, un sistema que recuerda demasiado poco no será capaz de hacer nada que requiera conectar las experiencias pasadas con otras nuevas (por ejemplo, entender que la palabra “ella” se refiere a un personaje femenino que apareció en la frase inmediatamente anterior).

Además, una IA que carezca de mecanismos especiales de almacenamiento de la información es propensa a caer en lo que conocemos como ‘olvido catastrófico’, un concepto que Ramón López de Mántaras (investigador del CSIC) definía así hace unos meses:

“Este fenómeno bastante limitativo y problemático produce que, una vez entrenado el sistema para una tarea, si a continuación lo entrenamos para una segunda, se olvida automáticamente de la primera”.

“Podemos entrenar las IAs para que hagan muy bien una única tarea, pero no son multitarea”.

López de Mántaras afirmaba también que esto imposibilita a la inteligencia artificial transferir aquello que aprende, y que es esa ausencia de aprendizaje relacional (algo que los seres humanos estamos haciendo continuamente) lo que convierte por ahora en “utopía” la creación de una IA General.

Pero, por otro lado, una IA que recuerde demasiado pierde la capacidad de extraer conceptos generales de experiencias pasadas, tendiendo a centrarse únicamente en los detalles de las mismas.

A este fenómeno lo conocemos como ‘sobreajuste’ u ‘overfitting’.

Para solucionar esto, algunos investigadores están recurriendo a módulos de memoria capaces de salvaguardar los patrones ya aprendidos, para que no se sobrescriban con nueva información.

Otros, como el mencionado Dileep George, están experimentando con la conversión de determinadas tareas en programas de computador, que permanecen apartados de los demás y pueden combinarse para realizar tareas más complejas.

Pero estas soluciones, si bien ayudan a avanzar en la solución del problema, siguen sin gestionar los recuerdos igual que lo harían nuestros cerebros; cosa complicada, porque no estamos del todo seguros de cómo lo hacen (aunque sí sabemos que los recuerdos son propensos a estar distribuidos por todo el cerebro).

Existe una técnica denominada ‘experience replay’ que permite almacenar las experiencias de manera aleatoria, las nuevas junto a las anteriormente aprendidas, entretejiéndolas de un modo similar a cómo creemos que asentamos nuestras propias experiencias durante el sueño.

A la hora de entrenar a una IA, este ayuda a usar parte de unas experiencias para aprender otras relativamente similares.

Y es precisamente nuestra capacidad para conectar memorias entre sí lo que está en la raíz de dos capacidades humanas (planificación e imaginación) cuya replicación sería necesaria para crear inteligencia artificial general.

Fuente: Xataca