junio 26, 2022

Los científicos le están dando a la IA la capacidad de imaginar cosas que nunca antes se habían visto

La inteligencia artificial (IA) está demostrando ser muy hábil en ciertas tareas, como inventar rostros humanos que en realidad no existen o ganar juegos de póquer, pero estas redes aún luchan cuando se trata de algo que los humanos hacen de forma natural: imaginar.

Una vez que los seres humanos sabemos qué es un gato, podemos imaginarnos fácilmente un gato de un color diferente, o un gato en una pose diferente, o un gato en un entorno diferente. Para las redes de IA, eso es mucho más difícil, a pesar de que pueden reconocer a un gato cuando lo ven (con suficiente entrenamiento).

Científicos le están dando a la IA la capacidad de imaginar cosas

Simulando la imaginación humana en máquinas

Para intentar desbloquear la capacidad de imaginación de la IA, los investigadores han ideado un nuevo método para permitir que los sistemas de inteligencia artificial averigüen cómo debería verse un objeto, incluso si nunca antes habían visto uno exactamente igual.

“Nos inspiraron las capacidades de generalización visual humana para intentar simular la imaginación humana en máquinas”, dice el científico informático Yunhao Ge de la Universidad del Sur de California (USC).

“Los seres humanos pueden separar su conocimiento aprendido por atributos – por ejemplo, forma, pose, posición, color – y luego recombinarlos para imaginar un nuevo objeto. Nuestro artículo intenta simular este proceso usando redes neuronales”.

Extrapolación usando un gran banco de datos de entrenamiento

La clave es la extrapolación: poder usar un gran banco de datos de entrenamiento (como imágenes de un automóvil) para luego ir más allá de lo que se ve en lo que no se ve. Esto es difícil para la IA debido a la forma en que generalmente se entrena para detectar patrones específicos en lugar de atributos más amplios.

Lo que el equipo ha ideado aquí se llama aprendizaje de representación desenredado controlable, y utiliza un enfoque similar a los utilizados para crear deepfakes: desenredar diferentes partes de una muestra (por lo tanto, separar el movimiento de la cara y la identidad de la cara, en el caso de un video de deepfake).

Significa que, si una IA ve un automóvil rojo y una bicicleta azul, entonces podrá ‘imaginar’ una bicicleta roja por sí misma, incluso si nunca antes ha visto una. Los investigadores han reunido esto en un marco que llaman aprendizaje supervisado en grupo.

Una de las principales innovaciones de esta técnica es el procesamiento de muestras en grupos en lugar de individualmente, y la construcción de vínculos semánticos entre ellos a lo largo del camino. Entonces, la IA puede reconocer similitudes y diferencias en las muestras que ve, utilizando este conocimiento para producir algo completamente nuevo.

Nuevo sentido de imaginación en los sistemas de IA

Nuevo sentido de imaginación en los sistemas de IA, los acerca a la comprensión humana del mundo

“Este nuevo enfoque de desenredo, por primera vez, realmente desata un nuevo sentido de imaginación en los sistemas de IA, acercándolos a la comprensión humana del mundo”, dice el científico informático de la USC Laurent Itti.

Estas ideas no son completamente nuevas, pero aquí los investigadores han llevado los conceptos más allá, haciendo que el enfoque sea más flexible y compatible con tipos adicionales de datos. También han hecho que el marco sea de código abierto, por lo que otros científicos pueden utilizarlo más fácilmente.

En el futuro, el sistema desarrollado aquí podría protegerse contra el sesgo de la IA al eliminar atributos más sensibles de la ecuación, ayudando a crear redes neuronales que no sean racistas o sexistas, por ejemplo.

El mismo enfoque también podría aplicarse en los campos de la medicina y los automóviles autónomos, dicen los investigadores, con la inteligencia artificial capaz de ‘imaginar’ nuevas drogas o visualizar nuevos escenarios de carreteras para las que no se ha entrenado específicamente en el pasado.

“El aprendizaje profundo ya ha demostrado un rendimiento y una promesa insuperables en muchos dominios, pero con demasiada frecuencia esto ha sucedido a través de una mímica superficial y sin una comprensión más profunda de los atributos separados que hacen que cada objeto sea único”

Deja una respuesta

Tu dirección de correo electrónico no será publicada.