Compartir
Publicidad
Publicidad
17 expectativas de cómo el machine learning va a cambiar el mundo
Robótica e IA

17 expectativas de cómo el machine learning va a cambiar el mundo

Publicidad
Publicidad

Cada vez es más habitual leer u oír hablar sobre machine learning o aprendizaje automático, una rama de la inteligencia artificial que básicamente trata de lograr que las máquinas "aprendan" por sí solas.

Los avances en esta disciplina se han unido al uso de ingentes cantidades de datos para poder entrenar a estos motores y lograr resultados sorprendentes en muchos casos. ¿Hay limitaciones a lo que el aprendizaje automático puede lograr? Desde luego, pero todos estos ejemplos demuestran que hay ámbitos en los que ésta disciplina podría cambiar nuestro mundo para siempre.

La lucha frente al suicidio

Un equipo del Hospital Infantil de Cincinnati está trabajando en un sistema que tras entrevistar a una serie de personas trataba de averiguar si eran personas con cierto riesgo de suicidio.

1366 2000

Para el análisis no solo se tenían en cuenta las respuestas, sino también otros apartados como la entonación o la armonía de las respuestas, algo que según los expertos podía aportar mucha información al sistema. Según el estudio, se identificó a las personas con riesgo de suicidio con un 93% de precisión.

Cómo hablar inglés (no nativo)

Los hablantes de un mismo idioma suelen entenderse sin problemas, pero hay situaciones en los que quienes lo han aprendido de forma nativa y quienes lo han hecho como idioma secundario tienen problemas para comunicarse.

Ingles

Precisamente en este ámbito es en el que el MIT creó una gran base de datos de frases en inglés no nativo. El objetivo era mejorar el procesamiento que tienen las máquinas del idioma. La tecnología del procesamiento del lenguaje (NLP) permite resolver algo curioso: que una máquina no sabe cómo procesar las particularidades del inglés no nativo.

Diagnósticos médicos infalibles (o no)

Una de las áreas en la que se esperaba que este tipo de sistemas lograr impactar de forma importante es la medicina, y concretamente el diagnóstico médico en el que teóricamente el aprendizaje automático parecía muy capaz de dar respuestas válidas.

Medicos

Las pruebas de autodiagnóstico realizadas por la Universidad de Harvard demostraron que los sistemas automáticos funcionan con datos objetivos (radiografías, TACs, análisis clínicos) pero no con síntomas ofrecidos directamente por los pacientes.

El problema es que los médicos son capaces de detectar y extraer esos síntomas a partir de la información de los pacientes ("todo el mundo miente", decía el Dr. House) para diagnosticar de forma efectiva lo que les pasa. A las máquinas aún les queda tiempo para resolver este problema, parece.

Contenidos cesurables y censurados en redes sociales

El éxito arrollador del vídeo en internet tanto en YouTube como en Facebook Video y otros servicios ha permitido que tanto las emisiones en directo como las grabadas se conviertan en un tipo de contenido muy apreciado por los usuarios, pero no todo el contenido sigue las políticas de uso de estos servicios en aspectos éticos o morales.

Desnudos

Esa es la razón de que en Facebook hayan desarrollado un sistema que permite detectar contenidos violentos o desnudos durante las retransmisiones en vivo y en directo que ofrece su servicio Facebook Live, y que automáticamente los bloquea.

A la búsqueda de exoplanetas habitables

Un equipo de la Universidad de Toronto se ha inspirado en los algoritmos de recomendación de Netflix, que también hacen uso del aprendizaje automático, para tratar de acelerar la búsqueda de sistemas planetarios dinámicamente estables.

Exo

La idea es la lograr acelerar la búsqueda de exoplanetas "hasta mil veces más rápido que con los métodos tradicionales", aseguran los responsables del estudio. De hecho se está planteando usar dicho algoritmo en la misión Transiting Exoplanet Survey Satellite de la NASA que arranca el año que viene.

Reconocimiento instantáneo de objetos

Una de las áreas en las que el aprendizaje automático ha demostrado su validez es la de los sistemas de reconocimiento de imágenes. Varios son los servicios que aprovechan estos sistemas para organizar nuestras bibliotecas de fotos, pero la idea también es aplicable al reconocimiento de objetos y personas en tiempo real.

Radarcat

Es lo que hace RadarCat, un kit que tiene como base el Project Soli de Google y que permite reconocer, clasificar y distinguir distintos materiales y objetos en tiempo real y con alta precisión.

El secreto son las ondas electromagnéticas y, por supuesto, su algoritmo de aprendizaje automático, que se alimenta de una base de datos en la que cada objeto deja una "huella dactilar" única.

Leer la mente parece factible

La relación del aprendizaje automático con áreas como la neurología y la psicología parece improbable, pero un grupo de investigadores en Estados Unidos han desarrollado un sistema que se acercaba a una idea muy propia de las películas de ficción: la de poder leerte la mente.

Caras

Los responsables de este desarrollo presentaron cientos de caras a 23 personas sometidas a una resonancia magnética funcional, y luego repitieron el proceso pero ofreciendo al algoritmo solo los datos de la resonancia para que el algoritmo tratase de enlazar esa resonancia con la cara que estaban viendo los participantes del experimento. El resultado fue singular, aunque no definitivo. Quizás uno que nos dirija efectivamente a un lector de mentes infalible.

Del coche autónomo a la silla de ruedas autónoma

Los coches autónomos son desde luego uno de los campos en los que la inteligencia artificial parece tener un papel más relevante a corto plazo, pero las bases de ese aprendizaje automático que se aplican en estos vehículos también son aplicables a las sillas de ruedas que se utilizan por ejemplo en hospitales.

Silla

En Singapur están tratando de crear precisamente esas sillas de rueda autónomas que liberarían al personal de trasladar a los pacientes por el hospital para que éstas se ocupasen de otras tareas distintas. Nissan, por cierto, tiene un proyecto similar.

Móviles (¿más?) inteligentes

Esta disciplina también está comenzando a formar parte de nuestros smartphones, esos dispositivos que se irán volviendo más y más ambiciosos en ese objetivo de simplificar la vida a los usuarios adelantándose a sus necesidades. Google Assistant, la herramienta que ha debutado en los Google Pixel, hace uso de este tipo de algoritmos.

En Google no son los únicos en aprovecharse del aprendizaje automático. Huawei presentó recientemente su Mate 9, un smartphone cuyo software aprende del usuario para mejorar la experiencia de uso. Recicla y clasifica aplicaciones para gestionar recursos del móvil (memoria, almacenamiento, capacidad de procesamiento) de la forma más eficiente posible, y esto es a buen seguro solo el principio de la aplicación de ese tipo de disciplina en nuestros smartphones.

Más allá del reconocimiento facial y de voz

Las aplicaciones de la tecnología de reconocimiento facial son cada vez más curiosas. Si en principio se habían planteado como una forma útil y cómoda de autenticarse (Windows 10 y algunos dispositivos ya lo permiten a través de Windows Hello) el aprendizaje automático ha hecho posible que los algoritmos que identifican caras sean claves para clasificar fotos en internet y hacer esas búsquedas tan precisas que Google Fotos (con polémica incluida) o Facebook Moments habilitan a sus usuarios.

Angry

Esa capacidad podría ser aplicada no obstante a temas mucho más sensibles como la identificación de sospechosos de algún delito, pero no ya por el reconocimiento facial, sino por el de voz. Hay mucho terreno recorrido en este sector, y los investigadores de diversas empresas tecnológicas tienen ya sistemas y APIs que permiten llegar a identificar a una persona por su voz incluso cuando esta está distorsionada.

Adiós, Manolo Lama, no te necesitamos

Los comentaristas deportivos también podrían ver afectadas sus labores por la llegada de la inteligencia artificial. Los algoritmos de aprendizaje automático son capaces de reconocer lo que está pasando en varios deportes y añadir comentarios al vídeo que se está emitiendo con apenas retraso.

Deportes

Como en todo sistema de este tipo, el secreto está en el entrenamiento de estas soluciones, que hacen uso de horas y horas de pequeñas jugadas de varios deportes para luego ofrecer esas ayudas. De hecho esa es la palabra clave, porque los comentaristas no deberían verse amenazados: estos sistemas están orientados a ayudarles en su labor por ejemplo analizando las jugadas desde otros ángulos con rapidez.

Precaución, amigo conductor

Los coches autónomos están —nunca mejor dicho— a la vuelta de la esquina, pero puede que antes de ver estos vehículos en carretera nos encontremos con sistemas basados en aprendizaje automático que estén destinados a evitar nuestra próxima pifia al volante.

Caras

En este tipo de aplicación una cámara analiza nuestro lenguaje corporal y nuestros gestos para tratar de entender qué reacciones tenemos antes de distintas maniobras. Según las pruebas realizadas por investigadores de Cornell y Stanford, era posible predecir por ejemplo los cambios de carril con un 90% de precisión, y las aplicaciones parecen muy interesantes en el ámbito del transporte de mercancías, por ejemplo.

Máquinas que hablan como nosotros

Otro de los segmentos claros en los que el aprendizaje automático puede aportar claras ventajas es en su capacidad de ayudar a la comunicación entre los seres humanos y las máquinas.

Conversar

Entrenar a un sistema de inteligencia artificial con diálogos de todo tipo da como resultado un algoritmo capaz de mantener una conversación relativamente coherente, algo que demostraron en Google a partir de diálogos de películas clásicas. Este tipo de aplicación será cada vez más llamativa, sobre todo ahora que todas las grandes parecen querer meter su particular versión del Amazon Echo en nuestro salón.

Ahora en la factura de la luz (y en otras muchas, esperemos)

Lo bueno de ese aprendizaje automático que está conquistando todo tipo de escenarios es que tiene un potencial enorme para optimizar un buen montón de procesos y decisiones. Algunas, por cierto, tan útiles como la de lograr que ahorrermos dinero en nuestra factura de la luz.

Google

Google ha logrado hacerlo en sus centros de datos, y quien le ha aconsejado mejoras en la forma de consumir energía más eficiente en dichos centros ha sido un algoritmo desarrollado por Jim Gao, un programador de Google. EL sistema aprendía el comportamiento de cada uno de los servidores para ajustar el PUE (Power Usage Effectiveness) en cada caso y lograr que el consumo fuera justo el adecuado.

Recomendaciones musicales que te sonarán a gloria

Puede que Google esté siendo protagonista involuntaria de este artículo, pero ya nos decía una de sus máximas responsables en este área que "no hay departamento en Google que no se beneficie del machine learning". Las aplicaciones prácticas para los usuarios son muchas y variadas, pero entre las más prácticas y recientes está la que afecta a Google Play Music, su servicio de streaming de música.

Play

Este nuevo sistema hace uso de sistemas de aprendizaje automático para descubrir el tipo de música que nos gusta y mezclarlo con datos como nuestra ubicación o actividad e incluso el estado de la metereología para crear una lista de reproducción personalizada. Estas recomendaciones van más allá de lo que intentan otros sistemas que solo se basan en lo que nos gusta o escuchamos frecuentemente, y el análisis de esos factores adicionales (puedes no activar esta opción si prefieres proteger tu privacidad) puede ser un plus para muchos usuarios.

Redes sociales con menos spam y menos noticias falsas

El problema de las redes sociales más populares es que su propia filosofía provoca que haya muchísimo contenido falso que muchos usuarios pueden confundir con contenidos legítimos. El spam y el reciente fenómeno de las noticias falsas han demostrado que aquí hay mucho camino por recorrer, pero puede que los algoritmos de aprendizaje automático también ofrezcan soluciones al respecto.

Spam

Es lo que opinan al menos en Twitter, donde su sistema BotMaker lleva un par de años tratando de luchar contra el spam en esta red de microblogging. Sus responsables destacaban entonces que el sistema había sido capaz de reducir en un 40% el spam publicado en Twitter, y a esto se unen los recientes esfuerzos de Facebook por lidiar con el escándalo de las fake news. La empresa de Mark Zuckerberg utilizará sistemas de machine learning para detectar este tipo de noticias, aunque habrá más recursos para evitar problemas como los que se han dado recientemente.

Tiembla, Beethoven: llegan las máquinas que componen música clásica

Uno podría creer que el campo artístico está a salvo de la inteligencia artificial por el momento. La intuición y el tipo de factores que entran en juego en la creación de cualquier pieza artística son algo que por ahora no parecía al alcance de los sistemas de aprendizaje automático, pero hay quien está desafiando esa idea.

DeepBach es un sistema que tras aprender la forma en la que estaban compuestas las cantatas de Bach es ahora capaz de crear piezas que imitan estas composiciones e incluso tomar canciones existentes para armonizarlas bajo ese mismo estilo. No es el único proyecto en este sentido, y hace poco entrevistábamos a Francisco Vico para hablar de Iamus, un cluster de computación capaz de componer música contemporánea que de hecho ya ha sido interpretada por la Filarmónica de Londres.

Más y mejores medicamentos

Entre esas aplicaciones prácticas que nos hablan de un futuro mejor está el de la investigación en el ámbito farmacológico: el descubrimiento de nuevos medicamentos podría ser mucho más eficiente y veloz gracias a la utilización de sistemas de inteligencia artificial y, en concreto, de aprendizaje máquina.

Medicina

Un estudio reciente permitía por ejemplo minimizar e incluso evitar los efectos secundarios de un medicamento antes de realizar las pruebas clínicas en seres humanos, algo que reduce de forma notable el coste de este tipo de procesos. Como era de esperar, Google también está investigando en este área en colaboración con Pande Lab, un laboratorio de la Universidad de Stanford, y hay un buen conjunto de iniciativas similares que esperemos ayuden a tratar antes y mejor todo tipo de enfermedades.

En Xataka | Deep Learning: qué es y por qué va a ser una tecnología clave en el futuro de la inteligencia artificial

Temas
Publicidad
Comentarios cerrados
Publicidad
Publicidad
Inicio
Inicio

Ver más artículos