El plan de Google® para liderar en la IA y la robótica

Autor: | Posteado en Noticias Sin comentarios
Roboteye

La inteligencia artificial es 1 de los campos con mas recorrido en los próximos años, y hay diversas empresas en el ámbito de la tecnología que están tratando de asegurarse una situacion de alusión en este segmento. Google es posiblemente la mas destacada en los últimos tiempos, y sus últimos avances y avisos dejan Claro® que la IA está íntimamente ligada al gigante de las búsquedas en internet.

Hace 2 años Google® compraba DeepMind, una empresa que ya había maravillado a propios y raros por sus logros en el campo del aprendizaje profundo, y en este momento han realizado un movimiento maestro -pero ya conocido- para animar a que todos nos interesemos por este campo: han lanzado TensorFlow para convertirlo en la plataforma de alusión en este segmento. Este propósito quiere ser para la IA lo que Android-OS ha resultado en el campo de los dispositivos móviles.

Una estrategia clara

Como sucediera con Android, Google® ha aprovechado la filosofía Open Source y ha liberado diversas partes de TensorFlow con licencias de código abierto para que cualquier aprovechado pueda apurar libremente estas librerías que en esencia permiten ejercitar con proyectos de aprendizaje profundo.

Ia1

TensorFlow no es un producto nuevo: la empresa ya lo utilizaba en íntegramente andoba de servicios desde 2011, pese a que esa primera generación del obtener de Google® Brain se denominara DistBelief. El reconocimiento de objetos, lugares o caras del mas reciente Google® Photos, la particularidad Smart Reply que simplifica y automatiza la redacción de respuestas automáticas en el enviado o la aptitud de traducir textos de apariencia natural aire unos cuantos de los arquetipos de su uso.

En este andoba de desarrollos la inteligencia artificial va mas allí de ese cálculo bruto de los ordenadores tradicionales. Como explicaba Jeff Dean, 1 de los líderes de este zona en Google, necesitas mucho mas que delegación calcular: necesitas dotar a esa máquina casi de intuición. De la aptitud de aprender. Para Demis Hassabis, distinto de los grandes protagonistas de este escenario, esto puede poseer mucho pesaroso en robótica para robots que comprendan su ambiente y respondan a cambios inesperados en ese escenario, inconveniente además en ramas tan la investigación científica adonde podrían apoyar a revelar mas actuales avances mas rápidamente.

Pero TensorFlow no únicamente es una plataforma que apoya a los estudiosos del tema a acaparar resultados y a avanzar en este andoba de proyectos: es una herramienta para formar cantera. No hay demasiados avezados en este ámbito, y Google® y otras empresas (Facebook y Microsoft además están laborando mucho duro al respecto) están tratando de halagar íntegramente el talento disponible. Para Google® esta solución es precisamente una apariencia perfecta de que aquellos que dirijan sus pasos a esta disciplina puedan terminar formando aviso de su equipo. No en vano han caseta en marcha no únicamente el lanzamiento de TensorFlow, destino un ampliación en Udacity con el cual entregar los primeros pasos serios en el aprendizaje de la plataforma.

El acreditado Dean explicaba que este aparato quiere transformarse en moneda de alteración común para quien trabaja en esta disciplina: “en indiscutible sentido, posibilita que todos hablemos el semejante idioma. Nos beneficiamos al poseer gente que contratar que ha estado utilizando TensorFlow. No lo damos de apariencia completamente altruista“, admitía este avezado en IA.

El jugador acabado de Breakout es una máquina

En abril de 2014 un avezado en inteligencia artificial llamado Demis Hassabis presentaba un ampliación especial en la conferencia First Day of Tomorrow. Aquel aparato estaba jugando a Breakout, un antiguo juego para la vieja consola de Atari que a posteriori sería reeditado en los 80 con otros populares títulos tan Arkanoid. En ese juego la máquina comenzaba carente entender mucho don qué hacer, inconveniente exiguo a exiguo aprendía las reglas y los mecanismos de juego.

A la calceta hora comenzaba a quedar Claro® que sus pretensiones eran buenas: se movía tratando de acaparar la bola que iba rebotando en los bloques de la aviso superior. Tras una hora de práctica únicamente fallaba a la hora de acaparar la bola una de cada 3 o 4 veces. Lo curioso llegaba después: tras 4 horas jugando, el aparato no únicamente no fallaba a la hora de acaparar que la bola no se perdiese, destino que lograba revelar formas sorprendentes de acarrear el juego a distinto nivel. Ved el cinta y lo entenderéis.

Ese juego fue tan únicamente el inicio para Hassabis y su equipo, que hará un año publicaban en Nature cómo esa pericia en video games antiguos se había extendido a otros tan Fishing Derby, Freeway, Robot Tank o el legendario Kung-fu Master. Para entonces la empresa de Hassabis, DeepMind, hacía asamblea que formaba aviso de Google.

DeepMind cimenta su movimiento en 2 disciplinas: las redes neuronales profundas y un algoritmo de aprendizaje por refuerzo. En aquellos juegos el 1º de aquellos componentes posibilita que DeepMind acabe encontrando patrones y desarrolle la aptitud de reconocer formas complejas a abrir de la info visual que recibe.

El 2º va mas allá, y hará que el aparato aprenda tan lo haría un niño al que no se le explican las reglas del juego. El aparato prueba cosas hasta que recibe una recompensa positiva, y en DeepMind un algoritmo analiza su utilidad previo, lo compara con el actual y actúa en consecuencia para obteber mas y mas recompensas y instruirse mas y más. Al compaginar entreambos principios se logra lo que se quería: el aparato interpreta lo que ocurre en pantalla, aprende de los errores y reacciona para acaparar la máxima puntuación posible. Para ganar.

El aparato de Hassabis ha logrado poco sorprendente con aquellos juegos y con esa notable aptitud que acaba de exhibir al jugar a Go, inconveniente posee limitaciones. En juegos antiguos que requerían mas planificación -Ms. Pac-Man, Montezuma’s Revenge- las cosas no salían tan don para el motor de DeepMind, poco a lo que podría apoyar el realizado de que este aparato tomara ciertos… riesgos. Esperan delegación transformar al aparato en un jugador acabado de juegos de los 90 -mucho mas exigentes en todos los ámbitos- y a posteriori ir mas allí y destrozar los récords en juegos tan StarCraft, inconveniente para eso queda mucho.

Por ejemplo, explicaba Hassabis, en el punto los niños aprenden a jugar al Pong intuían casi inmediatamente que el movimiento era semejante al de Breakout: había una “transferencia de aprendizaje“, poco que su aparato no puede hacer: en entreambos juegos la máquina pasivo instruirse desde cero. Los sistemas de este andoba también poseen inconvenientes con posiciones abstractas en las que los humanos nos manejamos a diario de apariencia natural, y conferir esa aptitud parece un reto mucho mas dificultoso de acaparar que el de ganar una partida de Go a un maestro en este juego. Y aún así, está Claro® que este es un buen principio. Incluso un inquietante principio.

Tensorflow ante un futuro prometedor

Como decíamos Tensorflow se ha aprovechado para diversos proyectos, inconveniente en los últimos tiempos sus pilares han demostrado su versatilidad: no únicamente posibilita generar esas curiosas imágenes , destino que la IA es clave para ese gran propósito que quiere hacernos olvidar que algún aniversario éramos nosotros los que conducíamos nuestros coches.

El aptitud de esta plataforma es inimaginable, encima íntegramente porque ya se ha demostrado que empieza a ser aplicable prácticamente a cualquier cosa con una única condición: que haiga datos suficientes para entrenar a TensorFlow. La Demo la tenemos en aquellos guiones artificiales que un cliente generó para la comedia televisiva ‘Friends’ a abrir de los guiones que habían usado a lo largo de sus 10 temporadas de emisión. Aunque en su gran mayoría el resultado era un galimatías, se vislumbraban opciones prodigiosas en este ámbito.

El aprendizaje profundo es un disciplina de la inteligencia artificial que posibilita que los ordenadores aprendan conceptos mas abstractos con los que los humanos suelen trabajar mejor de lo que lo hacen las máquinas. Por ejemplo, podemos reconocer una representación de la Tour Eiffel carente levemente deducir en ello, inconveniente los ordenadores pasan numerosos apuros en este sentido: al preguntarle a un ordenador si lo que está captando es la Tour Eiffel le obligaría a recorrer una biblioteca entera de imágenes y ejemplos para tratar de agenciárselas coincidencias.

La plataforma de IA de Google® se cimenta en el manejo de redes neuronales, diseñadas para instruirse a fortalecer las conexiones entre ciertos nodos. Tensorflow está basado en Theano, un aparato desarrollado en la Universidad de Montreal. En el asunto de Tensorflow las mejorías aire notables y entre otras cosas permiten que esta plataforma pueda ser usada en cualquier andoba de dispositivo -incluido un smartphone- pese a que es aconsejable que se cuente con una GPU solvente para aquellos cálculos masivos.

La apliación de esa inteligencia artificial es notable ya en sus motores de búsqueda. RankBrain es un aparato de aprendizaje que interpreta el lenguaje y los términos de búsquedas – mejor a la hora de entender el lenguaje coloquial, extraer el significado – y que ya interviene en el 15% de las búsquedas que obtenemos en el buscador de Googlea. El aparato ha evolucionado de apariencia notable, y en unas pruebas actuales Google® enfrentó a su singenieros en el ámbito de las búsquedas con RankBrain.

La prueba era sencilla: surcar por diversas páginas web y adivinar cuáles de ellas acabarían estando entre los primeros resultados de búsqueda del buscador de Google. Los ingenieros adivinaron cuáles eran el 70% de las veces. RankBrain lo consiguió el 80% de las veces. El aparato posee funcionando desde principios de 2015 tras una implantación delicada, y se sigue monitorizando su comportamiento continuamente.

A por los vectores de pensamiento

A este afán del obtener de DeepMind se le suman otras tan las que está dirigiendo el profesor Geoff Hinton, una eminencia en el campo de la inteligencia artificial que quiere ir un paso mas allí y realizar que vivamos en materialidad lo que la fantasía nos pintaba en la peli ‘Her’: que hablemos con una máquina, y no precisamente para preguntarle qué asamblea hará mañana. Lo haremos para acaecer un buen rato.

Geoff Geoff Hinton

Este investigador mantuvo una entrevista con The Guardian el año adulterado en la que hablaba de los “vectores del pensamiento“, un mas reciente concepto que están desarrollando y con el que cree que podría representar pensamientos complejos y abstractos. Eso según Hinton y su obtener ayudaría a dotar a la s máquinas de una aptitud de lógica y de conversación natural que inclusive en este momento únicamente habíamos visto representadas en el planeta del cine.

Hinton trabajaba en un aparato eminentemente dedicado a estudiar nuestra apariencia de proclamar y expresarnos para que este aparato de inteligencia artificial pudiera “deconstruir” esas frases con precisión matemática no para sacar conclusiones lógicas a abrir de los datos de entrada, destino mas don para dotar a aquellos sistemas de cierta intuición. De ir mas allí de la observación automática. Incluso apuntaba a que cosas tan un aplicación dirigido a “flirtear” con otra andoba -como lo que hará la voz protagonista de la citada peli ‘Her’- no sería mucho dificultoso de implementar.

Y mientras, los robots además avanzan

Aunque Google® es una empresa eminentemente reconocida por su labor en desarrollos hardware, estos avances además van ligados íntimamente al ampliación hardware que facultará que unos cuantos dispositivos puedan apurar todos estos avances: los robots.

Boston

La empresa posee años laborando en este zona y su apuesta quedó nitida en el punto hará 2 años compraron Boston Dynamics, la empresa reconocida por sus grandes robots cuadrúpedos que imitan el movimiento de unos cuantos animales y que están singularmente capacitados para moverse en diversos tipos de terreno acierto en interiores tan en exteriores.

Esa apuesta ha tenido tan resultado Replicant, una iniciativa formada por diferentes empresas que Google® ha ido adquiriendo en estos últimos tiempos –Shaft y Redwood Robotics aire otros 2 afables ejemplos- y que se ha transformado en aviso integral de la estrategia que Google® posee en este ámbito. Andy Rubin lideró este propósito previamente de desmarcarse de Google® para inventar su propia empresa de inversión, inconveniente se despidió con una predicción:

[Antes de 2020] este obtener cogerá mas de 20 años de investigación en robótica y lanzará una suite de artículos 1.0 que serán el pilar de los futuros artículos para cliente final que interactúen con el planeta físico.

La marcha de Rubin parece haber resultado un duro golpe para esta ambiciosa iniciativa, y de realizado esa visión uniforme que este directivo parecía haber entregado al propósito parece haberse perdido sensiblemente. Sin bloqueo en Google® no desean dejar de avanzar, y recientemente se ha anunciado que acierto Project Titan -la unidad de drones satélites- y la unidad de robótica formarán aviso de aquellos misteriosos laboratorios Google® X de los que posiblemente veamos salir proyectos que combinen aquellos desarrollos con lo que podría brindar TensorFlow.

En Xataka | El gran debate encima si será factible o no una inteligencia artificial

También te recomendamos

Inventando el OLED

Google® posee la tecnología para que la máquina por final supere al hombre en el Go

Los futuros smartphones(teléfonos inteligentes) de Google® daran reconocimiento facial y de objetos


La noticia El plan de Google® para liderar en la IA y la robótica fue publicada originalmente en Xataka por Javier Pastor .


Agrega tu comentario