{"id":90103,"date":"2010-12-01T00:00:00","date_gmt":"2010-12-01T00:00:00","guid":{"rendered":"http:\/\/revistapesquisa.fapesp.br\/2010\/12\/01\/aprendizaje-inteligente\/"},"modified":"2017-02-15T17:34:42","modified_gmt":"2017-02-15T19:34:42","slug":"aprendizaje-inteligente","status":"publish","type":"post","link":"https:\/\/revistapesquisa.fapesp.br\/es\/aprendizaje-inteligente\/","title":{"rendered":"Aprendizaje inteligente"},"content":{"rendered":"

\"\"GABRIEL BITAR y NANA LAHOZ<\/span>No es de ahora que la idea de la existencia de computadoras inteligentes, capaces de razonar, aprender y tomar decisiones de manera aut\u00f3noma suscita la curiosidad y es retratada en la ficci\u00f3n. La m\u00e1s famosa de esas m\u00e1quinas es sin dudas HAL 9000, personaje dotado de una avanzada inteligencia artificial inmortalizado en el film 2001: odisea del espacio<\/em>, dirigido por Stanley Kubrick en 1968. Pero, \u00bfser\u00e1 que alg\u00fan d\u00eda esas m\u00e1quinas podr\u00e1n salir del universo de la ficci\u00f3n y convertirse en realidad? Varios cient\u00edficos de todo el mundo intentan dar respuesta a esta pregunta con proyectos destinados a que los ordenadores se vuelvan m\u00e1s inteligentes. Uno de ellos es el Read the Web<\/em> \u2013o lectura en la web<\/em>\u2013, un programa desarrollado en colaboraci\u00f3n por investigadores de la Universidad Federal de S\u00e3o Carlos (UFSCar) y de la Universidad Carnegie Mellon, de Estados Unidos. El grupo desarrolla una computadora capaz de aprender de manera aut\u00f3noma y de utilizar los conocimientos adquiridos para evolucionar en su propio aprendizaje. El problema planteado consiste en crear una m\u00e1quina que lea p\u00e1ginas de la web <\/em>y, partiendo de tal lectura, mejore su capacidad de aprendizaje de manera continua.<\/p>\n

“Pretendemos demostrar que con el actual desarrollo de las t\u00e9cnicas de aprendizaje de m\u00e1quinas, recuperaci\u00f3n de informaci\u00f3n y procesamiento de lenguaje es posible construir una computadora ‘inteligente’ y con capacidad para adquirir m\u00e1s y m\u00e1s conocimientos, exactamente como lo hacemos nosotros”, explica el profesor Estevam Rafael Hruschka Junior, del Departamento de Computaci\u00f3n de la UFSCar, coordinador brasile\u00f1o de la iniciativa. Para alcanzar este objetivo, el equipo construy\u00f3 un programa de computadora bautizado NELL (iniciales de never-ending language learner<\/em>), que apunta a un nuevo patr\u00f3n de aprendizaje de m\u00e1quina llamado “aprendizaje sin fin”. “Es un nuevo paradigma. El ordenador aprende continuamente y no solamente un tipo de conocimiento espec\u00edfico, sino tambi\u00e9n conocimientos generales y del sentido com\u00fan que lo ayudar\u00e1n a ampliar su capacidad de aprendizaje con el correr del tiempo”, explica Hruschka.<\/p>\n

Un aspecto importante del aprendizaje sin fin es la acumulaci\u00f3n de experiencias. As\u00ed como los seres humanos aprendemos conceptos m\u00e1s complejos luego de adquirir conocimientos m\u00e1s b\u00e1sicos y simples \u2013es m\u00e1s f\u00e1cil aprender \u00e1lgebra despu\u00e9s de haber aprendido las operaciones aritm\u00e9ticas b\u00e1sicas\u2013, NELL se vale de su experiencia acumulada durante el proceso de aprendizaje posterior. “De la misma manera que un empleado m\u00e1s antiguo en una empresa detecta situaciones que pueden llevar a equ\u00edvocos y evitarlas, con el correr del tiempo, NELL detecta estrategias infructuosas de aprendizaje y puede alterarlas a los efectos de perfeccionar el proceso”, comenta el investigador.<\/p>\n

Pero, \u00bfc\u00f3mo se lleva a cabo el proceso de aprendizaje de NELL? Al comienzo recibe informaciones que definen cu\u00e1l ha de ser su foco espec\u00edfico de aprendizaje. “Insertamos en NELL, bajo la forma de archivos de entrada, los conceptos que estamos interesados en que aprenda y qu\u00e9 relaciones entre esos conceptos nos importan”, explica Hruschka. A partir de all\u00ed, el programa comienza a “leer” archivos de internet para extraer conocimiento de temas espec\u00edficos. Para entender c\u00f3mo funciona este aprendizaje, Hroschlka comenta de qu\u00e9 modo aprende NELL el nombre de las ciudades del mundo. “De entrada le suministramos a la computadora algunas sugerencias de lectura que la ayudar\u00e1n a detectar ciudades en los t\u00e9rminos hallados en internet. Podemos decirle que siempre que encuentre la sentencia ‘x es una ciudad ubicada…’, donde el t\u00e9rmino x se refiere a una ciudad. Al cabo de la lectura y la identificaci\u00f3n de algunas ciudades, NELL est\u00e1 en condiciones de definir aut\u00f3nomamente nuevas formas de identificaci\u00f3n de ciudades, vali\u00e9ndose de la sentencia ‘el Ayuntamiento de x’, por ejemplo.”<\/p>\n

En general, NELL aprende hechos que constituyen la relaci\u00f3n entre dos categor\u00edas, tales como “yo vivo en… (ciudad, pa\u00eds, etc.)” o “\u00e9l juega en… (equipo de voleibol, f\u00fatbol)”. En total, la computadora domina hasta ahora 280 tipos de relaciones, y esa cifra crece continuamente. Para evitar el aprendizaje y la propagaci\u00f3n de errores, todas las informaciones aprendidas pasan por una validaci\u00f3n interna que se efect\u00faa mediante un modelo probabil\u00edstico que considera la cantidad de evidencias de que un determinado hecho puede ser verdadero y la cantidad de evidencias falsas. Eso es lo que hace que NELL\u00a0 no confunda el nombre de un pa\u00eds con el de una ciudad al depararse con la frase “Jos\u00e9 Saramago naci\u00f3 en Portugal”, por ejemplo.<\/p>\n

Seg\u00fan los autores de la investigaci\u00f3n, un programa de computadora inteligente como NELL podr\u00eda usarse en un sinn\u00famero de aplicaciones. En la propia internet, por ejemplo, podr\u00e1 originar mecanismos de b\u00fasqueda m\u00e1s sofisticados, que en lugar de encontrar sencillamente p\u00e1ginas relacionadas con temas que buscamos, suministren respuestas a nuestras preguntas. En empresas, sistemas computacionales podr\u00e1n ir adquiriendo experiencia y, al igual que los empleados m\u00e1s antiguos, acumular conocimiento que los vuelvan m\u00e1s eficientes con el correr del tiempo. Tambi\u00e9n podr\u00e1n usarse como asesores personales virtuales que aprenden sobre el perfil de sus usuarios y los atienden cada vez mejor, por ejemplo, desempe\u00f1ando el rol de asistentes de noticias que buscan autom\u00e1ticamente contenidos en la web<\/em> de inter\u00e9s del usuario.<\/p>\n

El proyecto Read the web naci\u00f3 en 2008 durante una visita que Estevam Junior realiz\u00f3 al laboratorio del profesor Tom Mitchell, de la Universidad Carnegie Mellon. Ambos ya se conoc\u00edan desde hac\u00eda tres a\u00f1os. En ese entonces el investigador brasile\u00f1o desarrollaba un proyecto de programa Joven Investigador de la FAPESP sobre banco de datos. Aunque los objetivos del proyecto de Hruschka eran otros, surgieron intereses comunes y pasaron a trabajar asociados. “En enero de 2008, cuando llegu\u00e9 a Carnegie Mellon,\u00a0 Tom y yo empezamos el trabajo oficial del Read the web<\/em>. Al cabo del primer a\u00f1o de trabajo, logramos definir una arquitectura inicial y los principios b\u00e1sicos del nuevo paradigma de aprendizaje sin fin. As\u00ed iniciamos un prototipo del NELL”, comenta el investigador brasile\u00f1o. En febrero de 2010 regres\u00f3 a Brasil y dio inicio al proyecto Leitura de la web<\/em> en Portugu\u00e9s, cuyos resultados en el futuro se integrar\u00e1n al NELL. Ac\u00e1 no Brasil la iniciativa es financiada por el Consejo Nacional de Desarrollo Cient\u00edfico y Tecnol\u00f3gico (CNPq). En Estados Unidos recibe recursos de la empresa Google, de la Fundaci\u00f3n Nacional de Ciencia (NSF, por sus siglas en ingl\u00e9s) y del Defense Advanced Research Proyects Agency (Darpa), la oficina de investigaciones del Departamento de Defensa estadounidense. Yahoo le cedi\u00f3 la supercomputadora M45 y Microsoft Research financia una beca de doctorado.<\/p>\n

Otras instituciones y empresas financian programas a fin de dotar a las computadoras de alg\u00fan tipo de inteligencia. Tal es el caso de IBM, titular de un proyecto llamado Respuestas a Preguntas (Cuestion Answering) destinado a investigar t\u00e9cnicas que permitan que una m\u00e1quina responda antes las preguntas que le hagan los seres humanos. En tanto, el grupo del profesor Oren Etzioni, de la Universidad de Washington, Estados Unidos, tambi\u00e9n act\u00faa en la extracci\u00f3n de conocimiento de p\u00e1ginas de la web, pero con un conjunto fijo de p\u00e1ginas previamente almacenadas y sin aplicar t\u00e9cnicas de aprendizaje continuo. “Tenemos una excelente relaci\u00f3n con ambos grupos”. Con relaci\u00f3n a las funciones del NELL, Hruschka destaca que “no posee autonom\u00eda para realizar ning\u00fan otro tipo de acci\u00f3n distinta de las de aprender en la web<\/em>, almacenar ese conocimiento adquirido e interactuar con humanos \u2013o con la propia web<\/em>\u2013 para despejar dudas”. Es decir, el riesgo de que NELL se transforme en el futuro en HAL 9000 o en Skynet, el programa de computadora del film Terminator<\/em>, que domin\u00f3 el mundo aprendiendo en internet, es nulo. “El cambio de la forma en que las computadoras aprenden no es algo sencillo ni tampoco r\u00e1pido. En la versi\u00f3n actual de NELL tenemos una computadora inteligente, pero estimamos que a mediados de 2014 podremos mostrar buena parte del potencial de esta idea.”<\/p>\n","protected":false},"excerpt":{"rendered":"Una m\u00e1quina absorbe conocimiento en forma continua","protected":false},"author":23,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[192],"tags":[333],"coauthors":[116],"class_list":["post-90103","post","type-post","status-publish","format-standard","hentry","category-tecnologia-es","tag-tecnologia-de-la-informacion"],"acf":[],"_links":{"self":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/90103","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/users\/23"}],"replies":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/comments?post=90103"}],"version-history":[{"count":0,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/90103\/revisions"}],"wp:attachment":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media?parent=90103"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/categories?post=90103"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/tags?post=90103"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/coauthors?post=90103"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}