Intelixencia artificial para revolucionar todas as industrias

Unha técnica de aprendizaxe artificial que xa dotou os ordenadores dunha capacidade arrepiante para recoñecer a voz e clasificar imaxes agora empézase a coar en industrias distintas, dende a seguridade informática ata a bolsa. Se a técnica funciona nesas áreas, podería crear oportunidades novas, e desprazar algúns traballadores á súa vez.

A aprendizaxe profunda, nome polo que se coñece esta técnica, implica a aplicación repetida de cálculos aos datos, que poden ser imaxes ou son, para recoñecer atributos clave e similitudes. Ofrece unha forma poderosa de que as máquinas recoñezan similitudes que doutra forma serían moi difíciles de comprender para un ordenador: a mesma cara vista dende distintos ángulos, por exemplo, ou unha palabra pronunciada con distintos acentos.

Os principios matemáticos que forman a base da aprendizaxe profunda son relativamente sinxelos, pero cando se combinan con enormes cantidades de datos de aprendizaxe e sistemas informáticos que executan múltiples operacións en paralelo, a técnica deu paso a grandes avances nos últimos anos, sobre todo nos campos de recoñecemento de voz e imaxes.

Por exemplo, Google utiliza aprendizaxe profunda para o recoñecemento de voz en móbiles Android, mentres que Facebook utiliza a tecnoloxía para identificar amigos nas fotos dos seus usuarios.

E séguenos outras empresas tecnolóxicas. Nun evento en Boston (EEUU) celebrado a semana pasada, dous investigadores de eBay describiron como esta empresa utiliza aprendizaxe profunda para aprender a catalogar os produtos mediante as imaxes do produto publicadas polos vendedores. A través do estudo de imaxes que xa foron etiquetadas, o sistema pode distinguir, por exemplo, entre unhas chanclas e unhas manoletinas.  Isto axuda a mellorar o buscador de eBay, sobre todo para produtos que non foron correctamente etiquetados.

Da publicidade á medicina

O interese pola aprendizaxe profunda empeza a manifestarse noutros campos e industrias tamén. No evento en Boston, investigadores, enxeñeiros e emprendedores falaron dos progresos neste campo e as súas aplicacións potenciais na publicidade, as finanzas e a medicina. Un asistente que previamente aplicara as técnicas de aprendizaxe artificial aos fondos de alto risco fundara unha start-up para o uso de aprendizaxe profunda para predicir cambios de mercado, como unha caída repentina do valor dunha divisa. Outro asistente, empregado dunha das principais aseguradoras do país, buscaba utilizar a aprendizaxe profunda para identificar reclamacións fraudulentas.

Un líder do campo, profesor adxunto da Universidade de Stanford (USA) e director de Tecnoloxía da empresa chinesa Baidu, Andrew Ng, dixo na conferencia que a aprendizaxe profunda xa demostrou a súa utilidade. “Unha das cousas que Baidu fixo moi ben dende o principio foi crear unha plataforma interna de aprendizaxe profunda”, dixo Ng. “Un enxeñeiro do noso grupo de sistemas decidiu utilizalo para identificar con un día de antelación cando vai fallar o disco duro. Utilizamos aprendizaxe profunda para detectar intrusións. Agora moita xente está a aprender acerca da aprendizaxe profunda e inténtano aplicar a moitos problemas distintos”.

A aprendizaxe profunda está sendo probada por investigadores como ferramenta para recoller coñecementos de imaxes médicas. Un investigador de doutorado do Instituto para o Cancer Dana-Farber de Boston (USA), Emmanuel Rios Velázquez, está a explorar o uso de aprendizaxe profunda para axudar a predicir o prognóstico dun paciente con maior precisión a partir das imaxes do seu cancro.

O desenvolvemento de novos fármacos representa outra área prometedora. Un investigador da Universidade de Carolina do Norte – Chapel Hill (EEUU), Olexandr Isayev, demostrou que os algoritmos de aprendizaxe profunda poden axudar a adestrar ordenadores para que escollan moléculas de fármacos potencialmente beneficiosos de entre millóns de candidatos. Isayev introduciu datos de centos de miles de experimentos ao seu sistema informático, e despois pediulle que predixese como unha molécula podería unirse a un grupo específico de proteínas. “Un algoritmo típico de aprendizaxe profunda realiza unha función obxectiva”, explica. Coa aprendizaxe profunda podes realizar múltiples optimizacións. Por exemplo, poderías querer maximizar a unión con este tipo de proteína pero minimizar a unión con outra proteína”.

A aprendizaxe profunda non é a solución para todo, como demostra tamén o traballo de Isayev. Di que as melloras que ofreceu para o descubrimento informatizado de medicamentos foron modestas en comparación co que esta técnica podería achegar ao recoñecemento de imaxes informatizadas.

Aínda así, o potencial que supón unha aplicación máis ampla da aprendizaxe profunda pódese ver co afloramento dalgunhas start-up ben financiadas. MetaMind, radicado en Palo Alto (USA), que creou unha plataforma de aprendizaxe profunda, foi fundada por Richard Socher, un antigo alumno de Ng na Universidade de Stanford (USA). “Temos xente clasificando moda, coches, casas, imaxes de satélite, e cada unha destas xa é unha industria xigante”, di Socher. “A beleza da aprendizaxe profunda radica no feito de que, dende os datos aínda sen procesar ata o produto final, é todo aprendido”.

(Fonte: Technology Review)