APRENDIZAJE AUTOMÁTICO NO SUPERVISADO DE INTELIGENCIA ARTIFICIAL
En un artículo anterior sobre inteligencia artificial nos referíamos a los tres tipos característicos de aprendizaje automático de las aplicaciones basadas en inteligencia artificial: el supervisado, el no supervisado y de refuerzo. En ese mismo artículo mencionábamos que, a diferencia de los códigos de programación convencionales donde los desarrolladores escriben un código con la secuencia de pasos que debe ejecutar un software, los programas denominados de inteligencia artificial (IA) tienen la virtud de aprender y mejorar su desempeño. Puede mejorar con el tiempo en la medida que repite el trabajo para el cual fue diseñado, lo cual hace de manera automática.
Así es como aprendemos los humanos, mediante la repetición, el reforzamiento recibido de parte de tutores e identificando áreas de mejora (la práctica hace al maestro). Los programas convencionales solo reproducen un código, una secuencia de pasos; sin embargo, los programas basados en IA son capaces de mejorar su código y hacerlo más eficiente, gracias a la repetición y combinación de secuencias alternativas, explorando múltiples escenarios auxiliándose de una gran potencia computacional proveniente de redes neuronales artificiales (conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales. La información de entrada atraviesa la red neuronal –donde se somete a diversas operaciones– produciendo muchos valores de salida).
Esto supone que se ponen a funcionar –en paralelo– varios servidores interconectados entre sí que generan datos de salida que se transforman en entradas de datos para otros de forma redundante, recreando la forma en que funciona el cerebro humano con neuronas (nodos) y sinapsis (conexiones entre servidores) y que nos permite aprenden, explorar nuevas formas de hacer las cosas (técnica), buscar explicaciones sobre los fenómenos que acontecen a nuestro alrededor
(ciencia) y de maravillarnos por su existencia.
La vastedad de repeticiones equivaldría a que viviéramos cientos de años dentro de un período limitado de tiempo, por lo que los resultados alcanzados por estos programas trascienden los productos esperados por la mente humana; de hecho, los primeros sistemas requerían que se les suministraran datos de entrada (aprendizaje automático supervisado) como recurso de aprendizaje; generándose soluciones imprevistas, hasta ese momento, por el hombre (sistemas expertos).
Pero luego evolucionó hacia al aprendizaje automático no supervisado que utilizan como recurso de aprendizaje, la información disponible en internet, sin necesidad que los programadores le suministren datos (entradas) como sucedía originalmente; poniéndose a disposición de estos programas tanta información que rebasa la capacidad humana para controlar su veracidad mediante métodos convencionales. Así se desarrolló Alphazero, programa capaz de vencer a maestros de ajedrez, habiendo sido entrenado únicamente con las reglas del juego.
Ahora sabemos que se han desarrollado antibióticos mediante sistemas de IA, sin necesidad de brindarles datos como insumos; uno de ellos es un antibiótico experimental desarrollado por investigadores de Canadá y Estados Unidos llamado Abaucina; mientras que otro fue desarrollado en MIT (Instituto Tecnológico de Massachusetts) y lleva el nombre de Halicina, en alusión a la computadora de la nave especial de la película “2001: Odisea en el Espacio”. Según el MIT, de haberse utilizado métodos convencionales de investigación para su desarrollo, este antibiótico sería prohibitivamente caro.
Dicho medicamento se desarrolló entrenando a un software para identificar patrones estructurales en moléculas eficaces para combatir bacterias, efectuando una infinidad de combinaciones de moléculas y bacterias, intuitivamente. Naturalmente que dicho descubrimiento no fue consciente para la máquina, ni motivado por algún tipo de curiosidad humana; aunque durante el proceso se cumpliera con la “Prueba de Turing” sobre la definición de inteligencia (herramienta para evaluar la capacidad de una máquina para exhibir comportamientos similares a los humanos o indistinguibles de estos).
Así es como aprendemos los humanos, mediante la repetición, el reforzamiento recibido de parte de tutores e identificando áreas de mejora (la práctica hace al maestro).