Revisando el auge de A.I .: ¿Qué tan lejos ha llegado la inteligencia artificial desde 2010?
2010 no parece hace tanto tiempo. Facebook ya era un leviatán gigante que consumía mucho tiempo; los teléfonos inteligentes y el iPad fueron parte cotidiana de la vida de las personas; The Walking Dead fue un gran éxito en las televisiones de todo Estados Unidos; y los artistas musicales populares más comentados fueron Taylor Swift y Justin Bieber. Entonces, ¿te gusta mucho la vida cuando entramos en 2020? Quizás de alguna manera.
Sin embargo, un lugar en el que las cosas definitivamente han avanzado a pasos agigantados es el frente de inteligencia artificial. Durante la última década, AI ha logrado algunos avances enormes, tanto técnicamente como en la conciencia pública, que lo señalan como uno de los períodos de diez años más importantes en la historia del campo. ¿Cuáles han sido los mayores avances? Es gracioso que debas preguntar; Acabo de escribir una lista sobre exactamente ese tema.
¡IBM Watson triunfa en Jeopardy!
Para la mayoría de las personas, pocas cosas dicen "AI está aquí" como ver a una inteligencia artificial derrotar a dos campeones Jeopardy! jugadores en horario estelar de televisión. Eso es exactamente lo que sucedió en 2011, cuando la computadora Watson de IBM derrotó a Brad Rutter y Ken Jennings, los dos concursantes de programas de juegos estadounidenses con mayores ingresos de todos los tiempos en el popular concurso de preguntas y respuestas.
Es fácil descartar las demostraciones públicas de la inteligencia artificial que llaman la atención por tratarse más de espectáculos impulsados por la publicidad que por demostraciones serias y objetivas. Sin embargo, lo que IBM había desarrollado fue realmente impresionante. A diferencia de un juego como el ajedrez, que presenta reglas rígidas y un tablero limitado, ¡Jeopardy! es menos fácilmente predecible Las preguntas pueden ser sobre cualquier cosa y, a menudo, implican juegos de palabras complejos, como juegos de palabras.
“¡Había estado en clases de IA y sabía que el tipo de tecnología que podría vencer a un humano en Jeopardy! todavía estaba a décadas de distancia ”, me dijo Jennings cuando estaba escribiendo mi libro Thinking Machines . "O al menos pensé que era así". Al final del juego, Jennings garabateó una oración en su tablero de respuestas y la sostuvo frente a las cámaras. Decía: "Por mi parte, doy la bienvenida a nuestros nuevos señores de los robots".
Aquí vienen los asistentes inteligentes
Octubre de 2011 es más recordado por los fanáticos de Apple como el mes en el que el cofundador y CEO de la compañía, Steve Jobs, falleció a la edad de 56 años. Sin embargo, también fue el mes en que Apple presentó a su asistente de inteligencia artificial Siri con el iPhone 4s.
El concepto de una IA con la que se podía comunicar a través de palabras habladas se había soñado durante décadas. El ex CEO de Apple había predicho, notablemente, un asistente de estilo Siri en la década de 1980 ; conseguir la fecha de Siri casi hasta el mes. Pero Siri seguía siendo un logro notable. Es cierto que su implementación inicial tenía algunas debilidades evidentes, y podría decirse que Apple nunca ha logrado ofrecer un asistente inteligente impecable. No obstante, introdujo un nuevo tipo de tecnología que se utilizó rápidamente para todo, desde Google Assistant hasta Cortana de Microsoft y Bixby de Samsung.
De todos los gigantes de la tecnología, se podría decir que Amazon ha hecho todo lo posible para avanzar al asistente de inteligencia artificial en los años posteriores . Sus altavoces Echo con tecnología Alexa no solo han demostrado el potencial de estos asistentes de IA; han demostrado que son lo suficientemente convincentes como para existir como piezas de hardware independientes. Hoy en día, los asistentes de voz son tan comunes que apenas se registran. Hace diez años, la mayoría de la gente nunca había usado uno.
El aprendizaje profundo entra en marcha
Las redes neuronales de aprendizaje profundo no son totalmente una invención de la década de 2010. La base de las redes neuronales artificiales de hoy se remonta a un artículo de 1943 de los investigadores Warren McCulloch y Walter Pitts. Gran parte del trabajo teórico que sustenta las redes neuronales, como el innovador algoritmo de retropropagación, fue pionero en la década de 1980. Algunos de los avances que conducen directamente al aprendizaje profundo moderno se llevaron a cabo en los primeros años de la década de 2000 con trabajos como los avances de Geoff Hinton en el aprendizaje no supervisado.
Me complace anunciar que mi laboratorio está trabajando en AI + Cambio climático. El cambio climático es uno de los problemas más apremiantes de la humanidad. La comunidad tecnológica debe ayudar. Todavía estoy explorando más proyectos. Si quieres ayudar, házmelo saber aquí: https://t.co/GlauMT75TE #EarthDay
& mdash; Andrew Ng (@AndrewYNg) 22 de abril de 2019
Pero los años 2010 son la década en que la tecnología se generalizó. En 2010, los investigadores George Dahl y Abdel-rahman Mohamed demostraron que las herramientas de reconocimiento de voz de aprendizaje profundo podrían superar lo que entonces eran los enfoques de la industria de vanguardia. Después de eso, se abrieron las compuertas. Desde el reconocimiento de imágenes (ejemplo: el famoso artículo de Jeff Dean y Andrew Ng sobre identificación de gatos ) hasta la traducción automática, apenas pasó una semana en que el mundo no recordara cuán poderoso podría ser el aprendizaje profundo.
No fue solo una buena campaña de relaciones públicas, la forma en que un artista desconocido finalmente podría tropezar con la fama y la fortuna después de hacer lo mismo en la oscuridad durante décadas. La década de 2010 es la década en la que la cantidad de datos explotó, lo que permite aprovechar el aprendizaje profundo de una manera que simplemente no hubiera sido posible en ningún momento anterior de la historia.
DeepMind vuela nuestras mentes
De todas las compañías que realizan un trabajo de inteligencia artificial increíble, DeepMind merece su propia entrada en esta lista. Fundada en septiembre de 2010, la mayoría de las personas no habían oído hablar de la compañía de aprendizaje profundo DeepMind hasta que fue comprada por Google por lo que parecían unos $ 500 millones en enero de 2014. Sin embargo, DeepMind lo ha compensado en los años posteriores.
Gran parte del trabajo más público de DeepMind ha involucrado el desarrollo de IAs para juegos, capaces de dominar juegos de computadora que van desde títulos clásicos de Atari como Breakout y Space Invaders (con la ayuda de algunos prácticos algoritmos de aprendizaje de refuerzo) hasta, más recientemente, intentos en StarCraft II y Quake III Arena .
Demostrando el principio básico del aprendizaje automático, estas IA de juego mejoraron cuanto más jugaban. En el proceso, pudieron formar nuevas estrategias con las que, en algunos casos, incluso sus creadores humanos no estaban familiarizados. Todo este trabajo ayudó a preparar el escenario para el mayor éxito de DeepMind de todos …
Vencer a los humanos en Go
Como esta lista ya ha demostrado, no faltan ejemplos cuando se trata de que AI venza a jugadores humanos en una variedad de juegos. Pero Go, un juego de mesa chino en el que el objetivo es rodear más territorio que tu oponente, era diferente. A diferencia de otros juegos en los que los jugadores podrían ser derrotados simplemente por el crujido de números más rápido de lo que los humanos son capaces, en Go el número total de posiciones permitidas en el tablero es asombrosamente asombroso: mucho más que el número total de átomos en el universo. Eso hace que los intentos de fuerza bruta para calcular respuestas sean prácticamente imposibles, incluso utilizando una supercomputadora.
No obstante, DeepMind lo logró. En octubre de 2015, AlphaGo se convirtió en el primer programa de computadora Go en vencer a un jugador humano profesional de Go sin discapacidad en una tabla de 19 × 19 de tamaño completo. Al año siguiente, 60 millones de personas sintonizaron en vivo para ver al mejor jugador de Go del mundo, Lee Sedol, perder ante AlphaGo. Al final de la serie, AlphaGo había derrotado a Sedol cuatro juegos a uno.
En noviembre de 2019, Sedol anunció sus intenciones de retirarse como jugador profesional de Go. Citó a AI como la razón: "Incluso si me convierto en el número uno, hay una entidad que no puede ser derrotada" , dijo . Imagínese si Lebron James anunciara que dejaría el baloncesto porque un robot era mejor para lanzar aros que él. Ese es el equivalente!
Autos que conducen solos
En los primeros años del siglo XXI, la idea de un automóvil autónomo parecía que nunca iría más allá de la ciencia ficción. En el libro del 2004 del MIT y los economistas de Harvard Frank Levy y Richard Murnane, The New Division of Labor , conducir un vehículo se describió como una tarea demasiado compleja para que las máquinas la lleven a cabo. "Ejecutar un giro a la izquierda contra el tráfico que se aproxima involucra tantos factores que es difícil imaginar descubrir el conjunto de reglas que pueden replicar el comportamiento de un conductor", escribieron.
En 2010, Google presentó oficialmente su programa de automóviles autónomos , ahora llamado Waymo. Durante la década que siguió, docenas de otras compañías (incluidos los expertos en tecnología como Apple) comenzaron a desarrollar sus propios vehículos autónomos . Colectivamente, estos autos han conducido miles de millas en caminos públicos; aparentemente demostrando ser menos propenso a los accidentes que los humanos en el proceso.
La autonomía total infalible sigue siendo un trabajo en progreso, pero esta fue, sin embargo, una de las demostraciones más visibles de IA en acción durante la década de 2010.
El surgimiento de redes generativas de confrontación
El secreto sucio de gran parte de la inteligencia artificial actual es que sus algoritmos centrales, las tecnologías que lo hacen funcionar, en realidad se desarrollaron hace varias décadas. Lo que ha cambiado es la potencia de procesamiento disponible para ejecutar estos algoritmos y las enormes cantidades de datos que tienen que entrenar. Por lo tanto, escuchar un enfoque totalmente original para construir herramientas de IA es sorprendentemente raro.
Las redes de confrontación generativas ciertamente califican. A menudo abreviado como GAN, esta clase de sistema de aprendizaje automático fue inventada por Ian Goodfellow y sus colegas en 2014. No menos autoridad que el experto en inteligencia artificial Yann LeCun la describió como "la idea más genial en aprendizaje automático en los últimos veinte años".
Al menos conceptualmente, la teoría detrás de las GAN es bastante sencilla: tome dos redes neuronales artificiales de vanguardia y colóquelas una contra la otra. Una red crea algo, como una imagen generada. La otra red intenta averiguar qué imágenes son generadas por computadora y cuáles no. Con el tiempo, el proceso de confrontación generativa permite que la red "generadora" se vuelva lo suficientemente buena para crear imágenes que puedan engañar exitosamente a la red "discriminadora" cada
vez.
El poder de las Redes Adversarias Generativas se vio más ampliamente cuando un colectivo de artistas las utilizó para crear "pinturas" originales desarrolladas por AI . El resultado se vendió por una cantidad sorprendentemente grande de dinero en una subasta de Christie's en 2018.