Nuevo algoritmo de IA enseñado por humanos acaba 'superando' al maestro

   MADRID, 17 Nov. (EUROPA PRESS) -

   Un nuevo algoritmo aprende directamente de instrucciones humanas, en lugar de un conjunto de ejemplos existentes, y supera los métodos convencionales de formación de redes neuronales en un 160 por ciento.

   Más sorprendentemente, este nuevo algoritmo también superó en un nueve por ciento su propio entrenamiento: aprendió a reconocer el cabello en imágenes con mayor fiabilidad que la habilitada por el adiestramiento, marcando un salto significativo hacia adelante para la inteligencia artificial.

   El nuevo algoritmo de aprendizaje de máquinas ha sido diseñado por los investigadores de la Universidad de Toronto Parham Aarabi y Wenzhi Guo. Lo entrenaron para identificar el pelo de las personas en fotografías, una tarea mucho más desafiante para las computadoras que para los humanos.

UN MAESTRO ENSEÑA A UN NIÑO, Y ÉSTE TERMINA SABIENDO MÁS

   "Nuestro algoritmo aprendió a clasificar correctamente los casos difíciles, límites - distinguir la textura del cabello frente a la textura del fondo", dice en un comunicado Aarabi. "Lo que vimos fue como un maestro instruyendo a un niño, y el niño aprendiendo más allá de lo que lo que el maestro le enseñó inicialmente".

   Los seres humanos "enseñan" redes neuronales - redes informáticas que aprenden dinámicamente - proporcionando un conjunto de datos etiquetados y pidiendo a la red neuronal que tome decisiones basadas en las muestras que ha visto. Por ejemplo, podría entrenarse una red neuronal para identificar el cielo en una fotografía mostrándole cientos de imágenes con el cielo etiquetado.

   Este algoritmo es diferente: se aprende directamente de los entrenadores humanos. Con este modelo, llamado entrenamiento heurístico, los seres humanos proporcionan instrucciones directas que se utilizan para pre-clasificar las muestras de entrenamiento en lugar de un conjunto de ejemplos fijos. Los entrenadores programan el algoritmo con pautas como "el cielo es probable que varíe tonos de azul", y "los píxeles cerca de la parte superior de la imagen tienen más probabilidades de ser cielo que los píxeles en la parte inferior".

Su trabajo se publica en la revista IEEE Transactions on Neural Networks and Learning Systems.

   Este enfoque de entrenamiento heurístico es muy prometedor para abordar uno de los mayores desafíos para las redes neuronales: hacer clasificaciones correctas de datos previamente desconocidos o no etiquetados. Esto es crucial para aplicar el aprendizaje de la máquina ante nuevas situaciones, como identificar correctamente los tejidos cancerosos para el diagnóstico médico, o clasificar todos los objetos que rodean y se aproximan a un automóvil autodidacta.

   "Aplicar el entrenamiento heurístico a la segmentación del cabello es sólo un comienzo", dice Guo. "Estamos dispuestos a aplicar nuestro método a otros campos y una variedad de aplicaciones, desde la medicina hasta el transporte".