Identificación de usuarios

Noticias


Premio Fundación BBVA Fronteras del Conocimiento en Tecnologías de la Información y la Comunicación al artífice de las primeras máquinas capaces de aprender como el cerebro humano

Geoffrey Hinton, catedrático de Ciencias de la Computación en la Universidad de Toronto e investigador en Google, recibe el galardón "por su trabajo pionero y profundamente influyente en el campo del aprendizaje automático (machine learning)", según señala el jurado. Sus contribuciones revolucionarias a la inteligencia artificial han permitido la creación de sistemas de reconocimiento de voz e imagen, asistentes personales como Siri, vehículos sin conductor, traductores automáticos de idiomas y programas de procesamiento del lenguaje. El trabajo de Hinton "está inspirado en el funcionamiento del cerebro humano y cómo se puede proyectar este conocimiento para dotar a las máquinas de la capacidad para desempeñar tareas complejas como lo hacen los humanos", destaca el jurado.


FUENTE | Fundación BBVA
17/01/2017
 
Comenarios Enviar a alguien Imprimir
Imprimir en blanco y negro
Compartir noticia

Delicious  Digg  Yahoo meneame


El Premio Fundación BBVA Fronteras del Conocimiento en la categoría de Tecnologías de la Información y la Comunicación (TIC) ha sido concedido en su novena edición al investigador en inteligencia artificial Geoffrey Hinton, "por su trabajo pionero y profundamente influyente" a la hora de lograr que las máquinas sean capaces de aprender, señala el acta del jurado. El científico galardonado "se ha inspirado en cómo funciona el cerebro humano y en cómo ese conocimiento puede ser aplicado para dotar a las máquinas de la capacidad para desempeñar tareas complejas como lo hacen los humanos".

Hinton (Londres, 1947), catedrático del departamento de Ciencias de la Computación de la Universidad de Toronto, es también desde 2013 investigador en Google, que le contrató poco después de que los programas para reconocimiento de imágenes y de voz que él y su grupo habían desarrollado resultaran mucho mejores que los utilizados hasta entonces. Desde entonces, la investigación de Hinton ha impulsado el desarrollo acelerado de aplicaciones de inteligencia artificial que ya empiezan a llegar al mercado: desde programas de traducción automática y clasificación de fotos, a los sistemas de reconocimiento de voz, los asistentes personales como Siri y los coches sin conductor. También hay aplicaciones en investigación biomédica -análisis de imágenes médicas para diagnosticar si un tumor provocará metástasis y búsqueda de moléculas eficaces para el desarrollo de fármacos-, y en general en todas las áreas de investigación donde haga falta identificar y extraer información relevante a partir de gran cantidad de datos.

Para los miembros del jurado Ramón López de Mántaras y Regina Barzilay, el trabajo de Hinton ha iniciado una "revolución"científica y tecnológica que tiene "asombrada" a la propia comunidad de investigación en inteligencia artificial, que no había anticipado una evolución tan rápida del sector.

El área impulsada por el trabajo de Hinton se denomina deep learning o 'aprendizaje profundo', y es "uno de los desarrollos más emocionantes de la moderna inteligencia artificial", afirma el jurado. El deep learning se inspira en la manera en que se cree que funciona el propio cerebro, y en especial en dos características: procesa la información de manera distribuida, con muchas neuronas conectadas en red, y aprendiendo a partir de ejemplos. El equivalente computacional es emplear las llamadas redes neuronales -programas que hacen las veces de neuronas y que están conectados entre sí- y, como afirma el propio Hinton, "enseñarles a aprender".

"La máquina que mejor aprende es el cerebro humano. El cerebro tiene miles de millones de neuronas, y aprende al reforzar las conexiones entre ellas. Así que una manera de conseguir que un ordenador aprenda, es intentar que una máquina actúe como si fuera una red neuronal, y descubrir una regla o mecanismo que refuerce las conexiones entre neuronas. De esta forma, podemos intentar que el ordenador aprenda de la misma manera que el cerebro", explica Hinton.

La estrategia del deep learning, según explica el científico premiado, se basa en presentarle a la máquina ejemplos o 'inputs', y los 'outputs' que se desean obtener. "Después intentas reforzar las conexiones en esa red neuronal artificial, y así consigues que cuando introduces un 'input', la máquina te da la respuesta que buscas", afirma Hinton. La investigación del científico galardonado se ha centrado precisamente en intentar averiguar cuáles son las reglas que permiten reforzar las conexiones de una red neuronal artificial, para lograr que un ordenador sea capaz de aprender. Esto ha abierto la puerta, según explica Hinton, a "un nuevo tipo de inteligencia artificial", en el que, a diferencia de otras estrategias, "no programas el ordenador con conocimiento, sino que realmente logras que la máquina aprenda de su propia experiencia".

Aunque sus aplicaciones más importantes han surgido en los últimos años, las redes neuronales no son, en realidad, un invento reciente. Cuando Hinton empezó a investigar en inteligencia artificial -movido por un deseo de entender el funcionamiento del cerebro humano, que le llevó a estudiar primeramente psicología experimental-, sus colegas empezaban a descartar las redes neuronales que él defendía como opción prometedora. Los resultados no eran lo bastante satisfactorios. Sin embargo, Hinton decidió perseverar, contra los consejos de su profesor y a pesar de que en su país, Reino Unido, no había conseguido fondos para seguir investigando. Emigró primero a Estados Unidos y posteriormente a Canadá, donde sí pudo formar un grupo y seguir trabajando en el desarrollo de redes neuronales, que por entonces, en los años ochenta, se consideraban ya una línea completamente marginal de la inteligencia artificial.

A mediados de la década de los 2000 llegaron los primeros resultados que hicieron que la comunidad volviera de nuevo a la estrategia de las redes neuronales. Hinton desarrolló un algoritmo para lograr que las conexiones entre estas redes artificiales se reforzaran, logrando que un ordenador 'aprendiera' de sus errores. Hinton consigue programas basados en que varias capas de redes neuronales procesan la información paso a paso. Si se trata de reconocer una foto, por ejemplo, la primera capa de neuronas reconocerá blancos y negros, la segunda algunas formas burdas... y así hasta llegar a un rostro.

Lo que debilita o refuerza las conexiones en las redes neuronales artificiales son los aciertos o fallos, contrastados con los miles de ejemplos que se proporcionan a la máquina. Los abordajes convencionales, en cambio, se basaban en la lógica; los investigadores creaban representaciones simbólicas con las que el programa operaba de acuerdo a reglas lógicas predefinidas. "Siempre he estado convencido de que la única manera de hacer que la inteligencia artificial realmente funcione es operar como lo hace el cerebro", dice Hinton. "Eso es lo que siempre he tratado de buscar. Estamos avanzando, aunque aún nos queda mucho para entender cómo lo hace el cerebro".

En 2009, quedó claro que la estrategia de Hinton era un éxito. Los programas que desarrollaba con sus estudiantes empezaron a batir todos los récords del área. El abordaje aprovechaba al máximo otros grandes avances cruciales en computación: el gran aumento de la capacidad de cálculo y el aluvión de datos que empezaban a estar disponibles en multitud de áreas. Para muchos, de hecho, el deep learning es el complemento indispensable del auge del big data. Hoy Hinton siente que el tiempo le ha dado la razón: "Hace años hice una apuesta por un abordaje potencial, y me siento muy afortunado porque al final se ha demostrado que funciona".

Cuando se le pregunta por las aplicaciones de deep learning que más le sorprenden, menciona los últimos sistemas de traducción automática, que son "mucho mejores" que los que se basaban en programas con reglas predefinidas Tampoco duda del éxito futuro los vehículos autónomos y los asistentes personales: "Está muy claro que tendremos vehículos completamente autónomos, y serán mucho más seguros. Mi apuesta es que en los próximos cinco o diez años habrá coches familiares completamente autónomos". En su opinión, "las máquinas nos pueden hacer la vida mucho más fácil, haciendo que todo el mundo tenga un asistente personal inteligente que ayude en la vida cotidiana. Serán extremamente útiles".

En cuanto a los posibles riesgos de la inteligencia artificial y el temor de que, como han imaginado muchas películas de ciencia ficción, las máquinas inteligentes se rebelen en el futuro contra sus creadores, Hinton considera que "estamos muy lejos" de que esto pueda considerarse un riesgo real. Sin embargo, lo que sí le preocupa son las potenciales aplicaciones militares de las máquinas inteligentes, como el uso de “escuadrones de pequeños drones asesinos” programados para atacar objetivos en escenarios bélicos. "Esto ya es un peligro real que debemos tomarnos en serio y necesitamos una Convención de Ginebra que regule el uso de este tipo de armas autónomas", advierte el científico premiado.



   Enlaces de interés
 
IMDEA Networks
IMDEA Software


Prohibida la reproducción de los contenidos de esta noticia sin la autorización de Fundación BBVA



Añada un comentario a esta noticia


Los comentarios de esta noticia han sido cerrados.


 




Texto a buscar:
Tema:
Desde:
Hasta:


 


Nube de tags







Boletín informativo 'diariodeSol'
------- ------------