El llamado buffering es una de las pesadillas a las que se enfrenta internet hoy día, ya que arruina la experiencia de los espectadores, hace perder ingresos a los anunciantes y es todo un dolor de cabeza para los equipos técnicos de los sitios.
En el MIT lo tienen claro y ya han diseñado un sistema basado en machine learning cuyo objetivo es ofrecer servicios de streaming fluidos, sin cortes ni cambios en la resolución. ¿Un sueño hecho realidad? Podría ser, ya que hasta el momento las primeras pruebas han sido satisfactorias.
Los aficionados a la fotografía saben que aprender este arte requiere tiempo, paciencia y experimentar mucho. Pero ahora Google nos quiere demostrar que la inteligencia artificial puede imitar las capacidades de un fotógrafo en tiempo récord y con resultados sobresalientes.
En un nuevo experimento, Google nos muestra como su sistema de inteligencia artificial es capaz de editar fotografías de paisajes de forma profesional, a un nivel que incluso es capaz de engañar a fotógrafos que han dedicado gran parte de su vida a esto.
Sí, lo sabemos, dibujar con un mouse en un ordenador o sobre la pantalla táctil de un smartphone puede ser un verdadero dolor de cabeza, más si no nos tocó el gen del dibujo y nuestras creaciones se van más hacia el lado del arte abstracto. Pues hoy estamos de suerte, ya que Google ha escuchado nuestras plegarias y ha creado la herramienta perfecta para quienes no sabemos dibujar.
AutoDraw es un herramienta en línea que nos permite dibujar como cualquier otro programa o aplicación, la diferencia radica en que Google le ha incorporado inteligencia artificial para que el sistema trate de adivinar lo que estamos dibujando. Es decir, que nuestro arte abstracto se podrá transformar en una imagen que todo el mundo podrá entender sin mucho esfuerzo.
Seguramente muchos seáis algo suspicaces con los servicios de Google y la forma en la que su software recolecta datos para mejorar la experiencia de usuario. Sus algoritmos de inteligencia artificial y aprendizaje automático hasta ahora tenían que comunicarse con su gigantesca nube, algo que planteaba ciertas amenazas a nuestra privacidad, pero eso ya está cambiando.
La empresa ha comenzado a aprovechar el llamado "aprendizaje federado", un tipo de procedimiento que se aprovecha de la capacidad de nuestros smartphones para entrenar al sistema y mejorarlo sin que Google se entere prácticamente de nada. Los beneficios de la inteligencia artificial se disfrutan y además lo hacen mientras se protegen nuestros datos de uso de nuestros dispositivos.
En una cita que llamó "la magia detrás de los ordenadores", Google expuso varios casos de éxito sobre inteligencia artificial aplicados a la vida real, pero su discurso fue más en la línea de "estamos en la fase de hacer que las máquinas sean menos tontas".
Esto es un gato; esto, un avión
Porque sí, podemos hablar de redes neuronales profundas, de mecanismos de aprendizaje continuo, de enseñar a un ordenador a identificar y a solucionar problemas pero, en el fondo, las máquinas siguen siendo tontas. Y así las define Jeremiah Harmsen, líder del Departamento de Investigación de Google Europa, y con el que pudimos hablar sobre estos temas.
Ahora mismo estamos dando los primeros pasos en cuanto a machine learning y nuestro foco está en hacer que las máquinas sean menos tontas. Estamos en la fase de hacer que una máquina identifique en una foto lo que es un gato de lo que no y está habiendo grandes avances por aquí, pero hacer especulaciones sobre lo que pasará en el futuro son solo eso, especulaciones.
Jeremiah Harmsen, líder del Departamento de Investigación de Google Europa en Zúrich
"Tengo claro que mis padres no se habrían imaginado en su día que pudiéramos enviar un correo desde nuestro smartphone, pero no puedo predecir el futuro por mucho machine learning que sepa", sentenciaba Jeremiah cuando le preguntábamos por el proyecto de Elon Musk y ese hipotético futuro con máquinas tan o más inteligentes como los humanos.
Y, sí, se están produciendo avances con la inteligencia artificial en diferentes áreas: desde detectar un 80% más de leones marinos en peligro de extinción con fotos aéreas y un algoritmo, pasando por un sistema de aprendizaje profundo para identificar un posible impacto peligroso en la Tierra de un asteroide en el año 2153, hasta unos agricultores japoneses que distinguen mejor entre diferentes clases de pepinos gracias al machine learning. Sin embargo, ese futuro de 'Terminator' por ahora sólo queda en el plano de la ficción. En palabras de Jeremiah:
Creo que veremos que la inteligencia artificial seguirá mejorando nuestra vida cotidiana con pequeñas cosas como hacernos llegar 5 minutos antes a nuestro destino, hacer que un ascensor llegue 30 segundos más rápido y, sin duda, acabará llegando a cuestiones mayores, como seguridad, salud, etc.
De hecho, para impulsar que el machine learning avance más rápido existen herramientas open source (la que propone Google se llama TensorFlow), aunque por ahora a nivel usuario nos tengamos que conformar con que una app sepa identificar entre lo que es un gato y un avión en una fotografía. Son pequeños avances pero a un nivel muy pequeño de lo que teóricamente nos podrá brindar la inteligencia artificial en el futuro.
¿Hype del machine learning o futuro esperanzador?
En el mundo de la tecnología siempre suele haber términos de moda. En la actualidad, uno de ellos es el machine learning. Parece que todo proyecto o empresa que use machine learning, deep learning o inteligencia artificial es más "cool" y es raro no ver algún día en diferentes medios titulares o artículos que hagan referencia a estos conceptos. ¿Cómo distinguimos la palabrería de lo que realmente es un esfuerzo innovador de inteligencia artificial?
Jeremiah responde con un diplomático "el tiempo mostrará qué proyectos son machine learning de verdad o no", aunque reconoce que ese hype es beneficioso para atraer atención a una área tecnológica muy joven.
Hay también un reto en el horizonte que es el de la privacidad, seguridad y confianza en la máquina. ¿Nos sentimos cómodos sabiendo que un algoritmo está leyendo nuestro mail para filtrar el spam? ¿O que se reconozca nuestra cara y se etiquete automáticamente en una foto en una red social? Aquí se plantea el dilema habitual desde el boom de Internet: ¿te compensa el resultado de lo que obtienes a cambio de lo que das? ¿lo que saben de ti son datos agregados o desagregados?
En el lado de Google, obviamente, resuelven este tema con un "nos tomamos esto muy en serio", incluso tienen métodos más creativos para obtener información sin que el usuario proporcione datos privados. En cualquier caso, es aquí el usuario quien tendrá la última palabra por mucho machine learning que haya detrás.
¿Qué formación hace falta para dedicarse al machine learning?
Jeremiah nos dio varias pistas para aquellos que quieran tener una carrera profesional en la inteligencia artificial y el machine learning. Nos dijo que está orientada a programadores, aunque recalcó que tener un contexto en ciencia y matemáticas ayudaría mucho, así como "ser creativo" a la hora de solucionar problemas.
Ser programador y tener conocimientos en ciencia y matemáticas son requisitos clave para trabajar en machine learning
Nos enfatizó que hay informes, estudios y guías para aprender a usar TensorFlow y nos confesó que ahora es un muy buen momento para especializarse en inteligencia artificial porque está en una fase muy temprana.
Sea como sea, el mensaje de Google es cristalino: no tan rápido con los cyborgs, que todavía estamos usando las máquinas para que nos ayuden a distinguir entre diferentes tipos de pepinos.
Imaginen un software al que sólo tengamos que cargarle unas imágenes e información, esto con el objetivo de que a los pocos minutos nos devuelva una página web totalmente funcional y lista para usarse en todo tipo de plataformas, como escritorio, móvil, tablet, etc. ¿Suena interesante? Pues es lo que están desarrollando en Adobe.
Para Adobe el futuro del diseño pasa por la inteligencia artificial, ya que a través de una plataforma de machine learning y reconocimiento de imágenes han desarrollado un sistema enfocado en diseño gráfico y web, que es capaz de automatizar tareas que a día de hoy son realizadas por diseñadores en todo el mundo.
IMDB, una de las páginas más longevas de Internet, anunciaba el cierre de sus foros recientemente. Durante los últimos años han sido numerosas las publicaciones que han seguido una estrategia similar y han cerrado sus comentarios. El motivo suele ser siempre el mismo: el ambiente en algunos casos es muy "tóxico" y el arreglarlo significa estar pendientes e invertir recursos. Y, aun así, a veces no es suficiente.
Conscientes de este problema, desde Google han anunciado hoy una posible solución: Perspective. Con ese nombre han bautizado a una tecnología, todavía en fase de desarrollo, que utiliza machine learning para procesar los comentarios de forma automática y les otorga una puntuación de 0 a 100 en función de su grado de "toxicidad". Perspective forma parte del proyecto Jigsaw de Google, es totalmente gratis y cualquiera que lo desee podrá implementarlo vía API en su web.
Los pioneros de la Inteligencia Artificial soñaban con construir complejas máquinas que tuvieran las mismas características que la inteligencia humana allá por la década de los 50.
En la actualidad, aunque aún nos sigue pareciendo lejano el hecho de programar algo tan complejo como la mente humana, estamos viviendo un avance tremendo en el uso del Machine Learning. Y desde hace unos cuantos años concretamente del Deep Learning. Ambos englobados en la Inteligencia Artificial, la cual fue ideada para hacer que las máquinas sean más listas, incluso que los humanos.
Aunque los medios sigan tratando de forma indiferente ambos términos (Machine Learning y Deep Learning) vamos a aclarar algunos conceptos en más profundidad y, sobre todo el impacto que está teniendo en los avances tecnológicos presentes y lo que está por llegar, tanto en la industria del software como en nuestra vida cotidiana.
En un comunicado oficial de The Raspberry Pi Foundation se explica cómo "el titán tecnológico tiene planes fantásticos para la comunidad maker". El objetivo es singular: ofrecer una serie de herramientas de inteligencia artificial y aprendizaje automático (machine learning) para que la Raspberry Pi sea el centro de proyectos aún más potentes.
Para lograrlo Google está llevando a cabo una encuesta en la cual toda la comunidad maker está invitada a participar. En ella se pregunta a los usuarios por los campos en los que más interés hay, y se perfilan las áreas en las que Google ofrecerá sus herramientas: drones, robótica, IoT, impresoras 3D, wearables, domótica, o aprendizaje automático.
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.
