La inteligencia artificial se atasca con las matemáticas

DeepMind, la apuesta de Google para liderar la inteligencia artificial, no es capaz, de momento, de resolver satisfactoriamente problemas escolares. «Lo que nos interesa evaluar aquí son los modelos de propósito general, no los que vienen con conocimientos de matemáticas ya incorporados», explican los investigadores de DeepMind.

La red neuronal solo fue capaz de acertar en 14 de las 40 preguntas. «Los sistemas de aprendizaje como las redes neuronales son bastante malos a la hora de poner en práctica el razonamiento algebraico», señala David Saxton.

A pesar de sus problemas con las matemáticas, DeepMind, que opera con una red neuronal y cuatro chips especializados, es capaz de dominar juegos de mesa y conocer perfectamente sus reglas. La IA de Google ha sido capaz de realizar hitos que el resto no ha completado como vencer en una partida de StarCraft II, donde venció a 'TLO' Wünsch y Grzegorz 'LiquidMaNa' Komincz, jugadores profesionales, en diez partidas.

Además, DeepMind está preparada para, en principio, aprobar con éxito la carrera de Medicina. Con base en Reino Unido, Google ha construido un prototipo funcional de un dispositivo que puede diagnosticar enfermedades complejas de los ojos en tiempo real, en un paso importante hacia el primer dispositivo médico de la compañía propiedad de Alphabet.

El sistema es capaz de detectar una variedad de enfermedades oculares, como el glaucoma, la retinopatía diabética y la degeneración macular relacionada con la edad, con el mismo nivel de precisión que los principales especialistas del mundo.El análisis se analizó mediante un conjunto de algoritmos en Google Cloud, que proporcionaron una puntuación de urgencia y un diagnóstico detallado, todo en aproximadamente 30 segundos.

Los robots y también los asistentes virtuales son algo más que un algoritmo. Cimentados sobre redes neuronales, su aprendizaje y construcción cada vez les hace parecerse más a las personas, eso sí sin emociones ni sentimientos, de momento.

La nueva parada se encuentra en el concepto Selfception. Un proyecto europeo liderado por Pablo Lanillos, investigador de la Universidad técnica de Múnich. «Al proporcionar este tipo de aprendizaje a los robots, esta investigación ayudará a la transición de plataformas robóticas cilíndricas que evitan obstáculos a una nueva generación de robots humanoides multisensoriales, con la capacidad de adaptación suficiente para lograr una interacción correcta entre las máquinas y los humanos», señala en su página web.

Su objetivo es «desarrollar un modelo sintético del yo sensoriomotor que capte la relación entre lo que percibe el robot (respuesta sensorial) y las acciones que realiza». Así nace Tiago, que, por ejemplo, es capaz de reconocerse frente al espejo.

Tiago es la evolución de su predecesor Nico, un pequeño robot desarrollado en 2011 en el Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos, pero en él sólo se usó la variable del movimiento, es decir, el robot se reconocía en el espejo porque se movía y detectaba ese movimiento a través de sensores.

El hecho es que el proyecto del español Lanillos cuenta con un modelo de codificación predictiva. Para ello, Lanillos se basó en teorías de cómo funciona el cerebro humano y con ello trató de imitar un modelo similar en el humanoide.

El pasado marzo, la casa de subastas Sotheby's conseguía vender por 46.450 euros 'Memorias de los transeúntes I', una obra del artista alemán Mario Klingemann generada mediante inteligencia artificial.

El artista alemán consiguió que su algoritmo generara y pintara en tiempo real una serie de imágenes ante la mirada del espectador y, además, de forma infinita. «La máquina va creando nuevos retratos que cambian y desaparecen, mientras aprende de sí misma y se va retroalimentando», señala Klingemann. «Espero que cuando las personas se sienten a ver pasar los fugaces rostros tengan la misma sensación que tengo yo», añade.