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!

Advertisements

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