21 cada iteración de una misma tarea para hacerla cada vez mejor –con un estándar de calidad superior– y más eficientemente –con un menor coste en tiempo y energía–. Incluso se espera que lo aprendido en la ejecución de una tarea pueda extrapolarse a la optimización de otros cometidos análogos y no necesariamente idénticos. Algunos de los campos donde se están produciendo mayores avances son el reconocimiento de imágenes y voz y el procesado de lenguaje natural Dónde acaba la automatización tradicional y dónde empieza la inteligencia artificial es una línea difusa en constante ascenso hacia esta última: Un smartphone de 2008 no nos parece tan smart en 2018. Hoy el agente virtual «Siri» de Apple o el equivalente de su competidor Google, son ambos capaces de sorprendernos, algo que no hacía ningún teléfono hace diez años por novedoso que fuera su diseño. En efecto, algunos de los campos donde se están produciendo mayores avances son el reconocimiento de imágenes y voz y el procesado de lenguaje natural (Button, 2017). Las claves para este progreso residen en el acceso de banda ancha a grandes conjuntos de datos de alta calidad y a su procesamiento rápido, algo que hoy es posible gracias a la existencia de enormes bases de datos accesibles en línea, al notable ancho de banda disponible tanto en redes comerciales fijas como móviles, a la velocidad de los actuales procesadores y a la eficacia de los modernos algoritmos basados en novedosas estructuras de programación llamadas redes neuronales. Es precisamente en ellas, en las redes neuronales, donde reside la «belleza » de la inteligencia artificial, mucho más allá de sus aplicaciones prácticas, por ejemplo en robótica. Así, en las estructuras tradicionales, el código le dice al ordenador con exactitud lo que tiene que hacer a cada paso, descomponiendo cada problema complejo en muchas tareas pequeñas y definidas con precisión. Cualquier situación debe ser prevista y codificada por el programador de antemano por lo que la programación puede resultar una tarea ímproba. Por el contrario, una red neuronal aprende a resolver los problemas partiendo de configuraciones aleatorias que rápidamente adapta utilizando para ello los recursos puestos a su disposición –bases de datos, sensores, ejecuciones anteriores …–, descubriendo su propia solución para cada problema individual. El siguiente ejemplo ilustra bien la eficacia de las redes neuronales. Según Nielsen (Neural Networks and Deep Learning, 2017), enseñar a un ordenador a reconocer dígitos manuscritos resulta extremadamente difícil usando un modelo de programación tradicional, sin embargo, se puede resolver de manera sencilla utilizando una red neuronal simple con tan solo unas pocas decenas de líneas de código y sin bibliotecas especiales. Aprender automáticamente de los datos y de la propia experiencia recuerda mucho al comportamiento humano. De hecho aunque se venía intentando desde mediados del siglo xx, hasta bien mediada la pasada década no se supo cómo «entrenar » redes neuronales para imitar el aprendizaje humano y superar así a los modelos convencionales. El salto cualitativo vino de la mano de la utilización del modelo de redes neuronales en combinación con las llamadas técnicas de «aprendizaje profundo» obteniendo gracias a ellas resultados verdaderamente sobresalientes. Un caso llamativo de aprendizaje profundo lo constituye el programa AlphaZero de la empresa DEEPMIND (propiedad de Google). Según técnicos de la propia compañía, AlphaZero logró en solo veinticuatro horas y sin más conocimiento inicial que las propias reglas del juego, un nivel superior al de cualquier ser humano tanto en ajedrez, como en shogi (juego japonés) y en go (juego chino), derrotando contundentemente a sendos campeones mundiales (arXiv:1712.01815v1). Sin pretender hacer ciencia ficción elucubrando con lo que ocurrirá dentro de ciento veinte años cuando según arXiv:1705.08807v2, cualquier trabajo pueda ser realizado por robots inteligentes mejor que por humanos, parece que son precisamente las capacidades que hoy registran Una automatización inteligente implica la capacidad de perfeccionarse de manera recurrente
Revista_Ejercito_936
To see the actual publication please follow the link above