Aprendendo a ver (V): Aprender é xeneralizar

[O artigo previo da serie é Aprendendo a ver (IV): Aprendizaxe automática.]

No episodio anterior da serie Aprendendo a ver (orixinalmente Learning to See, de Welch Labs) analizabamos un novo enfoque para o desenvolvemento da nosa intelixencia artificial «identificadora de dedos». No canto de programar unha morea de regras que, ademais, tende a medrar de xeito exponencial, poida que a alternativa da aprendizaxe automática sexa máis flexible. Inicialmente obtivemos uns resultados estupendos, pero… podémonos fiar deles? Son realistas as marabillosas porcentaxes que achamos no vídeo anterior? Neste episodio veremos que non… e veremos por que.

Coma sempre, para veres os subtítulos en galego, tes de escollelos ti. Preme en «Configuración» e selecciona a túa lingua!

Advertisements

Aprendendo a ver (IV): Aprendizaxe automática

[O artigo previo da serie é Aprendendo a ver (III): Now I R1.]

No vídeo anterior da serie Aprendendo a ver vimos un dos exemplos máis notables da historia da enxeñaría do coñecemento e dos sistemas expertos: o sistema R1 da compañía informática DEC. O problema deste tipo de enfoque é que o número de regras necesarias tende a crecer dun xeito moi acelerado e, cantas máis regras hai nun sistema, máis complicado é adaptalo a unha nova necesidade. Chega un momento no cal o sistema é xa tan monstruosamente extenso que non pode seguir evolucionando: por este motivo, entre outros, a enxeñaría do coñecemento decaeu desde primeiros da década de 1990, substituída por outro enfoque máis flexible: a aprendizaxe automática. A xente de Welch Labs, dentro da súa serie Learning to see, cóntanos en que consiste!

Coma sempre, para veres os subtítulos en galego, tes de escollelos ti. Preme en «Configuración» e selecciona a túa lingua!

Aprendendo a ver (III): Now I R1

[O artigo previo da serie é Aprendendo a ver (II): Regras e máis regras.]

No vídeo anterior aparecía unha pregunta importante no noso problema de recoñecemento automático de dedos: deberiamos escribir máis regras, incorporándollas ao noso programa, ou iríanos mellor probar outro enfoque? Resulta que este problema xa o atoparon os científicos que investigaban a intelixencia artificial na década de 1980 co primeiro sistema experto de importancia. A xente de Welch Labs, na súa serie Learning to see, explícanos a historia que pode axudarnos a avanzar no noso desafío.

Coma sempre, para veres os subtítulos en galego, tes de escollelos ti. Fai un clic en «Configuración» e selecciona a túa lingua!

Aprendendo a ver (II): Regras e máis regras

[O artigo previo da serie é Aprendendo a ver (I): Introdución.]

Xa está aquí o segundo capítulo da serie Learning to see, de Welch Labs. No vídeo anterior vimos unha introdución ao problema da intelixencia artificial, centrándonos nun problema moi concreto: deseñar un sistema de ia capaz de contar cantos dedos lle estamos a amosar. O enfoque deste segundo vídeo, por fin subtitulado en galego, é o primeiro que se nos podería ocorrer: crear regras fixas que nos permitan identificar dedos nunha imaxe. Porén, como veremos, o resultado non será o que esperabamos…

Coma sempre, para veres os subtítulos en galego, tes de escollelos ti. Fai un clic en «Configuración» e selecciona a túa lingua!

Aprendendo a ver (I): Introdución

Desde Ciención de Breogán estamos embarcados nun novo pequeno proxecto: subtitular en galego os vídeos da serie Learning to see de Welch Labs. Hai uns poucos días xa subtitulamos o primeiro: unha introdución ao problema da intelixencia artificial partindo dunha proposta que semella moi trivial pero que non o é en absoluto: deseñar un programa informático que saiba contar cantos dedos lle estamos a amosar. Gózao e compárteo coas túas amizades!

Para veres os subtítulos en galego, seica tes de escollelos ti: fai un clic en «Configuración» e escolle a túa lingua.

Teorías, feitos e mentes

[Esta é unha tradución adaptada do artigo orixinal de 8 de decembro de 2016 Teorías, hechos y mentes, de Pepe Cervera, que pode lerse nesta ligazón.]

teorias-hechos-y-mentes-640x384

Vivimos un momento chave no desenvolvemento económico das nosas sociedades, e seica na historia mesma da humanidade: a creación de verdadeiros sistemas de intelixencia artificial. O avance do big data, o desenvolvemento e o éxito de técnicas como a aprendizaxe profunda (deep learning) e os exemplos anecdóticos que xa comezan a aparecer nas nosas vidas son soamente premonicións do que se aveciña: un auténtico tsunami económico e social que vai supor unha seria convulsión política. Os espectaculares adiantos, como AlphaGo ganando ao go ás mellores mentes humanas ou programas relativamente simples capaces de colorar imaxes en branco e negro ou diagnosticar doenzas, axiña darán paso a chatbots capaces de substituír os call centers e programas de xestión que tornen innecesarios os avogados ou os executivos intermedios. A ruptura xa é inminente e será profunda; algúns mesmo prognosticaron a Fin da Ciencia, substituída por correlacións creadas mediante técnicas de análise e intelixencia artificial sobre inxentes cantidades de datos. A teoría será innecesaria; o coñecemento será automático e xerado por mera elevación dos datos empíricos, limpo de nesgos e ideas preconcibidas.

Seguir lendo