La inteligencia artificial aprendió a modificarse

Los algoritmos genéticos llevan desde los años 60 asentando las bases del aprendizaje automático en los sistemas actuales

Hace unos días, Google asombró al mundo con una nueva inteligencia artificial de su sistema DeepMind que era capaz de «aprender» sin la necesidad de un entrenador humano. Esta tecnología que podría parecer rescatada por Marty McFly desde el futuro tiene más antigüedad de lo que parece.

En los últimos años se ha avanzado mucho en la aplicación de nuevos modelos de aprendizaje automático que, en fases más avanzadas, intenta replicar el funcionamiento del cerebro humano. Precisamente, uno de los campos que más interés despierta es la capacidad de «automodificación» de un sistema por sí mismo gracias a los llamados algoritmos genéticos. No se trata de un área abstracta en ciernes de ver la luz algún día, es otra de las múltiples metodologías que tras mucho ser probada ha alcanzado otro nivel.

La inteligencia artificial no es un tema de hace unos pocos años, arrancó en los años cuarenta. Los sistemas de aprendizaje de las máquinas -«machine learning», en inglés- hicieron aparición, en realidad, a mediados de los sesenta, una época de cambio y de innovación social.

Al final, la evolución tiene mucho que ver con la adaptación al entorno. En el sentido biológico, los cromosomas que se adaptan mejor tienen mayor grado de supervivencia. Estos conceptos aplicados al entorno de la informática representan valores en el que cada cromosoma consistirá en dos elementos codificados. Durante la selección, dichos cromosomas establecerán parejas para la reproducción, cuyo producto resultante será como un niño que combine características de sus padres. Esta unión puede contener algunos elementos mutados. Como en este caso se trata de aplicarlo a la inteligencia artificial y a su aprendizaje, en algún lugar de esa cadena de generaciones se encontrará la respuesta al problema planteado que debe resolver. Al final es un método de prueba y error hasta hallar la respuesta, puesto que los algoritmos genéticos buscan la optimización.

Publicado el 2017-12-10 08:02:06 visitas 36


IA Noticias