Una investigación reciente abre la puerta hacia la creación de inteligencias artificiales que sean capaces de aprender todo lo que necesiten sin requerir de la guía o supervisión de seres humanos.
Casi todas las tecnologías actuales de inteligencia artificial se basan en el “aprendizaje supervisado”, un método de entrenamiento para inteligencias artificiales que requiere que seres humanos etiqueten grandes cantidades de datos mediante categorías o valores predefinidos, de modo que la inteligencia artificial pueda, a partir de eso, realizar predicciones y encontrar relaciones.
El aprendizaje supervisado presenta varias limitaciones. Etiquetar los datos es costoso, requiere mucho tiempo y, a menudo, resulta poco práctico para tareas complejas o a gran escala.
En cambio, una estrategia alternativa, el aprendizaje no supervisado, funciona sin datos etiquetados. Sin embargo, los logros con esta estrategia han venido siendo modestos… hasta ahora.
Unos investigadores han desarrollado un nuevo algoritmo de inteligencia artificial, al que le han dado el nombre de “Torque Clustering”, que mejora significativamente el modo en que los sistemas de inteligencia artificial aprenden cosas y encuentran patrones en los datos, todo ello por su cuenta, sin guía ni supervisión humana de ningún tipo.
El logro es obra de Jie Yang y Chin-Teng Lin, de la Universidad Tecnológica de Sídney en Australia.
Mediante el nuevo algoritmo, las inteligencias artificiales se comportan de un modo mucho más parecido a como lo hace la inteligencia natural humana que lo conseguido por otros sistemas que, en mayor o menor medida, intentan emular a la mente humana.
Con el algoritmo Torque Clustering, una inteligencia artificial puede analizar de forma eficiente y autónoma grandes cantidades de datos en campos como la biología, la química, la astronomía, la psicología, las finanzas y la medicina, haciendo descubrimientos científicos como la identificación de patrones de enfermedades, detectando fraudes o comprendiendo mejor la conducta de una persona.
