En pleno siglo XXI nuestro día a día está regido por la tecnología. Las máquinas y, más concretamente, los sistemas informáticos, nos rodean y nos hacen la vida algo más sencilla. La inteligencia artificial ha ido perfeccionando las posibilidades que tienen las máquinas de tomar decisiones cada vez más cercanas a las que entendemos como "inteligentes".
El desarrollo del aprendizaje profundo y las redes neuronales supuso un gran avance en la resolución de problemas ya que permite que las máquinas aprendan solas y tiene múltiples aplicaciones que utilizamos todos los días. Las redes neuronales posibilitan que se puedan manejar datos de la forma en la que los procesa un cerebro, trabajando en distintas capas de manera paralela pero para un objetivo común. Estas distintas capas están interconectadas en una red y pueden reconocer los objetos en distintos niveles de abstracción, teniendo una última capa que procesa todos los resultados obtenidos por las anteriores. Se dice que este tipo de redes son inteligentes y aprenden porque es más probable que vuelvan a utilizar una función si en ocasiones anteriores su uso ha dado un buen resultado.
Aún no conocemos exactamente cómo funciona nuestro cerebro pero estamos desarrollando ya máquinas que pueden modificar sus comportamientos a partir de la experiencia. El desarrollo de la tecnología en los 70 años de vida de la inteligencia artificial como disciplina científica ha hecho que esta avance y se popularice su uso mucho más rápido que los conocimientos que tenemos sobre los procesos biológicos en los que se basa. Algunos expertos opinan que no pasará demasiado tiempo en que el aprendizaje profundo pueda hacer que las máquinas realicen sus funciones sin que terminemos de entender exactamente cómo lo están haciendo y consideran que esto puede ser un problema. Existen voces que creen que no existe aún suficiente reflexión y reglas éticas sobre estas tecnologías y su uso. Además, está el problema de la transparencia. Muchos de los desarrollos de IA basados en las redes neuronales se realizan en empresas privadas que siguen sus propios intereses económicos y es difícil controlar el uso que pueden dar a sus descubrimientos.
Aparte de estos dos grandes problemas planteados, la ciencia de la computación se encuentra con otras dificultades en las que está trabajando. La primera de ellas es la poca adaptabilidad de los sistemas cuando aparecen datos a analizar que no han sido programados previamente. Otra dificultad a la que ya se está intentando poner solución es la gran necesidad de energía y espacio de algunas soluciones (algo que ya mencionamos en este post anterior) En las redes neuronales, cada neurona tiene la misma importancia y jerarquía que als demás y esto es un problema a la hora de abordar cuestiones complejas en las que exista una subordinación de elementos ya que la red los tratará todos como iguales sin entender las jerarquías.
Cuando ponemos a aparatos a pensar de la manera que lo hace un ser humano, con ironía, con dobles sentidos o en textos en los que no se explicita claramente el dato, la inteligencia artificial no acaba de entender las sutilezas ni inferir toda la información. Además, Gay Marcus, cuando postula los diez retos a los que se tiene que enfrentar la IA en el futuro cercano habla de que su conocimiento está aislado de los conocimientos previos que manejamos los humanos y esto puede hacer que sea necesaria una programación muy compleja para paliarlo o sino, que el propio algoritmo, a base de mucho tiempo de entreanamiento, pueda inferir este conocimiento aunque de manera parcial. Por eso, el aprendizaje profundo puede ser una aproximación a las soluciones de los problemas pero no una solución totalmente fiable siempre.
Con todos estos retos, las redes neuronales de apendizaje profundo pueden llegar a ser una herramienta que deberá ser utilizada junto con otras muchas para desarrollar sistemas que fucionen de forma independiente y fiable en determinadas circustancias. Estas tecnologías han despertado mucha expectación pero deben salvar estos problemas para poder ser consideradas soluciones realmente útiles.
Rodriguez canfranc, P. Las limitaciones del aprendizaje profundo 2018 Revista Telos
Comentarios
Publicar un comentario