Modelo GLOM
El aprendizaje profundo fue uno de los grandes avances en el campo de la inteligencia artificial. Generalmente, existe la creencia de que el aprendizaje profundo puede ser todo lo que se necesita para replicar la inteligencia humana. Sin embargo, la realidad es que persisten los desafíos, ya que exponer una red neuronal a un conjunto de datos desconocido lo revelará de manera frágil.
Por ejemplo, en el caso de los automóviles autónomos, aparentemente son efectivos, pero los sistemas de inteligencia artificial pueden equivocarse fácilmente. Si el sistema solo ha sido entrenado para identificar objetos desde perspectivas laterales, es poco probable que los reconozca desde una perspectiva superior.
Aprovechando el impacto y la gran inversión que implica el desarrollo de la IA en la actualidad, cada día surgen nuevas propuestas para desarrollar Deep Learning, Machine Learning, nuevos algoritmos, etc.
Recientemente, Geoffrey Hinton presentó GLOM, un proyecto que aborda dos de los problemas más difíciles para los sistemas de percepción visual. En primer lugar, comprender una escena completa en relación con los objetos y sus partes naturales y, en segundo lugar, reconocer los objetos cuando se ven desde una nueva perspectiva. Aunque el enfoque GLOM se centra actualmente en la visión, se espera que se desarrolle para aplicaciones de lenguaje.
El problema con las redes es que agrupar partes puede resultar complicado para las computadoras, ya que algunas veces las partes pueden ser ambiguas. Es decir, un círculo puede representar un ojo o una rueda. Inicialmente, la primera generación de IA trató de reconocer objetos a partir de la geometría en la denominada relación parte-todo, que consiste en la orientación espacial entre partes y entre partes y el todo.
Paralelamente, la segunda generación se basó en el aprendizaje profundo, entrenando la red neuronal con grandes volúmenes de datos e información. La idea de GLOM combina las mejores propiedades de ambas generaciones.
En consecuencia, GLOM presenta buenas perspectivas para lograr la percepción de la IA en un método más similar al humano que las redes neuronales actuales.
Así, si su apuesta tiene éxito, Hinton desencadenará una nueva revolución en inteligencia artificial como lo ha hecho en anteriores
Comentarios
Publicar un comentario