GAN, LA IMAGINACIÓN DE LAS MAQUINAS AL PODER

GAN, LA IMAGINACIÓN DE LAS MAQUINAS AL PODER

Si hay un tópico que prevalece en la mayoría de los retratos de la Inteligencia Artificial (IA) en la ficción, es que las máquinas carecen por completo de imaginación. Esta es una cualidad reservada al cerebro humano e inalcanzable para los de silicio, por casi ilimitada que sea su capacidad de procesamiento.  Si hay algo que nos está demostrando el progreso de la tecnología es que es nuestra imaginación la que se queda corta a la hora de predecir el futuro: precisamente esta cualidad, la imaginación, ya está al alcance de las máquinas gracias a un novedoso tipo de algoritmo llamado Red Generativa Antagónica (GAN, por sus siglas en inglés).

En 2014  el científico computacional Ian Goodfellow, por entonces estudiante de doctorado en el campo del aprendizaje automático en la Universidad de Montreal (Canadá), se reunió con algunos de sus compañeros. Durante la velada surgió una discusión sobre cómo enseñar a las máquinas a inventar representaciones de objetos reales, sin copiar otras ya existentes y de modo que el resultado parezca una verdadera fotografía.
Los sistemas de IA son expertos en manejar inmensos volúmenes de datos de cara a la resolución de problemas, e incluso pueden aprender sin supervisión humana. Pero algo tan sencillo en apariencia como crear por sí mismos una imagen plausible de, por ejemplo, un rostro humano, les resulta una tarea imposiblemente complicada.

Algunos neurocientíficos apuntan que la excelencia del cerebro humano radica en nuestra insuperable capacidad de procesar patrones: desde muy niños podemos identificar imágenes de un rostro por muy diferentes que sean entre sí, porque conocemos qué hace que un rostro sea un rostro. En los últimos años, los algoritmos de aprendizaje profundo empleados en las redes neuronales–sistemas de computación inspirados en el cerebro humano– han dotado a las máquinas de una asombrosa habilidad para reconocer patrones, ya sean palabras en una conversación o el entorno por el que circula un vehículo autónomo.

Aquella noche, Goodfellow comenzó a escribir el código que daría origen a las GAN: una de las redes, la generadora, aprende a crear imágenes; la otra, la discriminadora, las evalúa para decidir si son reales o no. La red generadora va mejorando sus creaciones para tratar de engañar a la discriminadora, que a su vez perfecciona su capacidad de distinguir entre lo real y lo artificial. A diferencia de las redes generadoras sin un oponente, las GAN pueden entrenarse con solo unos pocos cientos de imágenes.

En palabras de Schmidhuber, “el concepto de las redes duelistas es una manera de dar a las máquinas el poder de la imaginación”. Parece evidente que es hora de derribar el tópico: según Schmidhuber, ya vivimos en un tiempo en que la creatividad y la curiosidad artificial“pueden guiar a los científicos y artistas artificiales”.

Para profundizar, te recomendamos que veas esta entrevista realizada a Ian Goodfellox por Lex Fridman. Si bien está en inglés, puedes colocar los subtítulos automáticos en español para no perderte detalle

emaginacion

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *