La Fundación BBVA premia al artífice de las primeras máquinas capaces de aprender
Geoffrey Hinton investiga en la Universidad de Toronto una rama de la inteligencia artificial llamada deep learning. Su objetivo es lograr que los ordenadores sean capaces de aprender como el cerebro humano. Desde hace unos años trabaja también para Google, donde ha impulsado el desarrollo de aplicaciones que van desde la traducción automática hasta los coches sin conductor o el diagnóstico de la malignidad de un tumor.
La Fundación BBVA ha concedido el Premio Fronteras del Conocimiento en Tecnologías de la Información y la Comunicación a 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”.
El cerebro humano, la máquina que mejor aprende
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.
“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.
Catedrático del departamento de Ciencias de la Computación de la Universidad de Toronto, Hinton 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 ese momento.
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.
Los vehículos sin conductor son una de las aplicaciones de la inteligencia artificial en las que ha trabajado Hinton.
Vehículos familiares autónomos dentro de cinco años
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.
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”.
Los asistentes personales, como Siri, también se basan en el deep learning.
Lograr que las máquinas aprendan de su experiencia
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 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.
No programas el ordenador con conocimiento, sino que realmente logras que la máquina aprenda de su propia experiencia
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”.
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”.