Deep-Learning Programs.

Los científicos ven Promesa en Deep-Learning Programs.

Utilizando una técnica de inteligencia artificial inspirada en las teorías acerca de cómo el cerebro reconoce patrones, las empresas de tecnología están reportando ganancias sorprendentes en campos tan diversos como la visión artificial, reconocimiento de voz y la identificación de prometedoras nuevas moléculas para el diseño de fármacos.

Los avances han dado lugar a un entusiasmo generalizado entre los investigadores que el software de diseño para llevar a cabo las actividades humanas, como ver, escuchar y pensar. Ellos ofrecen la promesa de máquinas que conversar con los seres humanos y realizar tareas como conducir vehículos y trabajar en las fábricas, aumentando el espectro de robots automatizados que podrían sustituir a los trabajadores humanos .La tecnología, llamada aprendizaje profundo, ya ha sido objeto de un uso en servicios como Siri de Apple asistente virtual personal, que se basa en el servicio de Nuance Communications 'reconocimiento de voz, y en el Street View de Google, que utiliza la visión artificial para identificar direcciones específicas.Pero, ¿qué hay de nuevo en los últimos meses es la velocidad y la precisión creciente de programas de aprendizaje profundo, a menudo llamados redes neuronales artificiales o sólo "redes neuronales" por su parecido con las conexiones neuronales en el cerebro.

"Ha habido una serie de impresionantes resultados nuevos con profundas métodos de aprendizaje", dijo Yann LeCun, un científico informático de la Universidad de Nueva York que realizó un trabajo pionero en el reconocimiento de escritura en los Laboratorios Bell. 

"El tipo de salto que estamos viendo en la precisión de estos sistemas es muy raro."Investigadores de inteligencia artificial son muy conscientes de los peligros de ser demasiado optimista. Su campo siempre ha estado plagada de arrebatos de entusiasmo fuera de lugar seguidos de descensos igualmente sorprendentes.En la década de 1960, algunos científicos informáticos cree que un sistema viable inteligencia artificial tenía sólo 10 años de distancia. En la década de 1980, una ola de nuevas empresas comerciales se derrumbó, dando lugar a lo que algunos llaman el "invierno AI".

Pero los logros recientes han impresionado a un amplio espectro de expertos en informática. En octubre, por ejemplo, un equipo de estudiantes de posgrado estudiando en la Universidad de Toronto, equipo científico Geoffrey E. Hinton ganó el primer premio en un concurso patrocinado por Merck para el diseño de software para ayudar a encontrar moléculas que podrían conducir a nuevos fármacos.

De un conjunto de datos que describe la estructura química de 15 moléculas diferentes, que utiliza profundo software de aprendizaje para determinar qué molécula era más probable que sea un agente farmacológico eficaz.

El logro fue particularmente impresionante porque el equipo decidió participar en el concurso en el último minuto y diseñó su software sin ningún conocimiento específico acerca de cómo las moléculas se unen a sus objetivos. Los estudiantes también están trabajando con un conjunto relativamente pequeño de datos, redes neuronales suelen funcionar bien con sólo los muy grandes.

"Este es un resultado muy impresionante porque es la primera vez que ganó el aprendizaje profundo, y más significativamente que ganó en un conjunto de datos que no se hubieran esperado a ganar menos", dijo Anthony Goldbloom, director ejecutivo y fundador de Kaggle , una empresa que organiza competiciones de datos científicos, entre ellos el concurso de Merck.

Los avances en el reconocimiento de patrones tienen implicaciones no sólo para el desarrollo de fármacos, pero para una gran variedad de aplicaciones, incluyendo la comercialización y aplicación de la ley. Con mayor precisión, por ejemplo, los vendedores pueden peine grandes bases de datos de comportamiento de los consumidores para obtener información más precisa sobre los hábitos de compra. Y las mejoras en el reconocimiento facial es probable que hagan la tecnología de vigilancia más barato y más común.

Las redes neuronales artificiales, una idea que se remonta a la década de 1950, tratan de imitar la forma en que el cerebro absorbe información y aprende de él. En las últimas décadas, el Dr. Hinton, 64 (un grande-grande-nieto del siglo 19 el matemático George Boole , cuyo trabajo en la lógica es la base de las modernas computadoras digitales), ha sido pionera en nuevas y poderosas técnicas para ayudar a las redes artificiales reconocer patrones .

Las modernas redes neuronales artificiales se componen de un conjunto de componentes de software, dividido en entradas, capas ocultas y salidas. Los arreglos pueden ser "entrenados" por exposiciones repetidas a reconocer patrones, como imágenes o sonidos.

Estas técnicas, ayudado por la velocidad y el poder creciente de las computadoras modernas, han dado lugar a una rápida mejora en el reconocimiento de voz, descubrimiento de fármacos y visión por computador.

Deep-Learning Systems recientemente han superado a los humanos en ciertas pruebas de reconocimiento limitadas.

El año pasado, por ejemplo, un programa creado por los científicos del Laboratorio de Inteligencia Artificial de Suiza en la Universidad de Lugano ganó un concurso de reconocimiento de patrones por superar a los dos sistemas competidores de software y un experto humano en la identificación de las imágenes en una base de datos de las señales de tráfico alemanas.