Llegó el día en el que las máquinas fabrican otras máquinas. O, siendo más concretos, el principio de una época en la que los sistemas de inteligencia artificial podrán construir otros sistemas de inteligencia artificial. Un avance que ha hecho realidad el proyecto AutoML de Google diseñando un sistema de visión computarizada que supera ampliamente a los modelos más punteros.

Fue en mayo de este mismo año cuando los investigadores de Google Brain anunciaron la creación de esta iniciativa, un algoritmo de aprendizaje automático que aprende a construir otros algoritmos de aprendizaje automático. La intención fue ver de qué era capaz una inteligencia artificial creando otra inteligencia artificial sin intervención humana, teniendo como fin último alcanzar un mayor despliegue de estas tecnologías.

Hay pocos humanos capaces de desarrollarlas, son muy codiciados y proyectos similares ayudarían a llevar la inteligencia artificial a muchos otros campos y empresas, mucho más rápidamente. De lo contrario, mayor lentitud implicaría un gran riesgo para las propias IA según expertos como Dave Heiner, asesor de Microsoft. Parte de su éxito implica que la implantación sea amplia.

El mayor reto para AutoML: crear una IA

El director ejecutivo de Google, Sundar Pichai, presumió sobre AutoML durante la presentación del Pixel 2 y del Pixel 2 XL y hoy podría volver a presumir al mostrar qué ha conseguido esta prometedora iniciativa. Su mayor reto hasta la fecha.

Automatizando el diseño de modelos de aprendizaje de máquinas utilizando un enfoque llamado aprendizaje de refuerzo, como explican en Futurism, los investigadores hicieron que esta inteligencia artificial actuase como una red neuronal de controladores que, a su vez, crea otra red de inteligencia artificial menor destinada a una tarea específica. Una creación, llamada NASNet, que ha superado a todas sus homólogas construidas por humanos.

NASNet está destinada a identificar objetos de toda clase en imágenes en directo.

Su función consiste en reconocer objetos en vídeos emitidos en tiempo real. Debe identificar personas, coches, bolsos, mochilas y otros elementos presentes en las imágenes. AutoML evalúa el rendimiento y, con esos datos, perfecciona de forma autónoma esta inteligencia artificial menor repitiendo el proceso miles de veces. Una labor costosa, hecha normalmente por humanos, pero imprescindible.

Los investigadores de Google compararon los resultados de las identificaciones de NASNet con «dos de los conjuntos de datos académicos a gran escala más respetados en visión por ordenador», la clasificación de imágenes ImageNet y el conjunto de datos de detección de objetos COCO, y descubrieron que superó a todos los demás sistema de visión por ordenador hechos por personas.

Concretamente, fue un 82,7 % preciso en la predicción del set de validación ImageNet, lo que supone estar por encima en un 1,2 % de cualquier resultado publicado previamente. De igual manera, el sistema es también un 4 % más eficiente con una precisión media de un 43,1 %. Además, una versión menos exigente desde el punto de vista de recursos computacionales superó en un 3,1 % a los mejores modelos de un tamaño semejante destinados a plataformas móviles.

Los avances que puede traer AutoML

Como decíamos al inicio, parte del éxito de las inteligencias artificiales lo encontraremos en su implantación amplia y rápida. Cuantos más ámbitos cotidianos hayan encontrado soluciones mediante estas tecnologías y más compañías puedan hacer uso de ellas o crearlas sin demasiada dificultad, mayor será el avance y mayores las ventajas. Una situación que impulsará todavía más las investigaciones, aumentando ese avance y esas ventajas.

Por eso, que una inteligencia artificial como AutoML pueda ser capaz de crear otras abre la puerta a que todo ese progreso llegue de una forma más veloz y, desde casi el principio, pueda ser un coto abierto a muchos y no solamente a unos pocos. Permitiría que empresas sin el personal ni los conocimientos adecuados pudiese disponer de una tecnología que hará avanzar su negocio. Aunque si no se toman medidas, la automatización puede suponer que entre 400 y 800 millones de trabajadores se queden sin sus puestos en 2030.

En Xataka | Aprende sobre Inteligencia Artificial por internet: cursos, publicaciones y las recomendaciones de expertos

También te recomendamos

Vivir para ver: los negocios que no creerás que existen

Porque la gente busca cosas muy específicas, Pornhub entrena una IA para etiquetar todos sus vídeos

Google puede saber si alguien está echando un vistazo a la pantalla de tu teléfono gracias a esta inteligencia artificial

–
La noticia

Una inteligencia artificial de Google ha creado otra inteligencia artificial que supera a las construidas por humanos

fue publicada originalmente en

Genbeta

por
Toni Castillo

.