La nueva inteligencia artificial de Facebook aprende a ver sola con menos ayuda humana

La mayor parte de la inteligencia artificial todavía se construye sobre la base del trabajo humano (es decir, que aún no tenemos que preocuparnos por el despertar de Skynet). Si revisamos el funcionamiento de los principales algoritmos de IA descubriremos que esos algoritmos funcionan en base a unos datos que fueron seleccionados y etiquetados por un ejército de trabajadores humanos.

Ahora, Facebook ha demostrado cómo algunos algoritmos de inteligencia artificial pueden aprender a hacer un trabajo útil con mucha menos ayuda humana. Para esta tarea la empresa creó un algoritmo que aprendió a reconocer objetos en imágenes con poca ayuda de las etiquetas. El algoritmo de Facebook, llamado Seer (por SElf-supERvised), se alimentó de más de mil millones de imágenes extraídas de Instagram, decidiendo por sí mismo qué objetos se parecen entre si. Las imágenes con bigotes, pelaje y orejas puntiagudas, por ejemplo, se reunieron en un mismo conjunto. Luego, el algoritmo recibió una pequeña cantidad de imágenes etiquetadas (si, incluidas algunas etiquetadas como “gatos”, no podían faltar). Luego de eso esta inteligencia artificial fue capaz de reconocer imágenes, como hubiera hecho un algoritmo entrenado usando miles de ejemplos etiquetados de cada objeto. La diferencia en este caso es que la inteligencia artificial de Facebook aprendió prácticamente sola.

“Los resultados son impresionantes”, dice Olga Russakovsky, profesora asistente de la Universidad de Princeton que se especializa en inteligencia artificial y visión por computadora. “Conseguir que el aprendizaje autodirigido funcione es muy difícil, y los avances en este espacio tienen importantes consecuencias posteriores para mejorar el reconocimiento visual”.

Russakovsky dice que es muy destacable que las imágenes de Instagram no fueron seleccionadas a mano para facilitar el autoaprendizaje de la inteligencia artificial. La investigación de Facebook es un hito para un enfoque de inteligencia artificial conocido como “aprendizaje auto-supervisado”, dice el científico jefe de Facebook, Yann LeCun.

LeCun fue pionero en el enfoque de aprendizaje automático conocido como aprendizaje profundo que implica alimentar datos a grandes redes neuronales artificiales. Hace aproximadamente una década, el aprendizaje profundo surgió como una mejor forma de programar máquinas para que hagan todo tipo de cosas útiles, como la clasificación de imágenes y el reconocimiento de voz.

Pero LeCun dice que el enfoque convencional, que requiere “entrenar” un algoritmo alimentándolo con muchos datos previamente etiquetados, simplemente no escalará. “He estado abogando por toda esta idea de aprendizaje auto supervisado durante bastante tiempo”, dice. “A largo plazo, el progreso en la IA vendrá de programas que solo ven videos todo el día y aprenden como un bebé”.

LeCun dice que el aprendizaje auto supervisado podría tener muchas aplicaciones útiles, por ejemplo, aprender a leer imágenes médicas sin la necesidad de etiquetar tantas exploraciones y radiografías. Él dice que ya se está utilizando un enfoque similar para generar automáticamente hashtags para imágenes de Instagram. Y dice que la tecnología Seer podría usarse en Facebook para hacer coincidir anuncios con publicaciones o para ayudar a filtrar contenido no deseado.

La investigación de Facebook se basa en un progreso constante en el ajuste de los algoritmos de aprendizaje profundo para hacerlos más eficientes y efectivos.

El aprendizaje auto-supervisado se ha utilizado anteriormente para traducir texto de un idioma a otro, pero ha sido más difícil aplicarlo a imágenes que a palabras. LeCun dice que el equipo de investigación desarrolló una nueva forma para que los algoritmos aprendan a reconocer imágenes incluso cuando una parte de la imagen ha sido alterada.

Facebook lanzará parte de la tecnología detrás de Seer, pero no el algoritmo en sí mismo porque fue entrenado usando los datos de los usuarios de Instagram.

Aude Oliva, quien dirige el laboratorio de percepción y cognición computacional del MIT, dice que el enfoque “nos permitirá asumir tareas de reconocimiento visual más ambiciosas”. Pero Oliva dice que el tamaño y la complejidad de los algoritmos de IA de vanguardia como Seer, que pueden tener miles de millones o billones de conexiones o parámetros neuronales, muchos más que un algoritmo de reconocimiento de imágenes convencional con un rendimiento comparable, también plantea problemas. Tales algoritmos requieren enormes cantidades de poder computacional, agotando el suministro disponible de chips.

Alexei Efros, profesor de UC Berkeley, dice que el documento de Facebook es una buena demostración de un enfoque que él cree que será importante para el avance de la IA: hacer que las máquinas aprendan por sí mismas mediante el uso de “cantidades gigantescas de datos”. Y como ocurre con la mayoría de los avances en la IA en la actualidad, dice, se basa en una serie de otros avances que surgieron del mismo equipo en Facebook, así como de otros grupos de investigación en la academia y la industria.

Fuente original: https://www.wired.com/story/facebook-new-ai-teaches-itself-see-less-human-help/