Google: IA para diseñar algoritmos y acelerar IA

Hace bastante tiempo que Google trabaja con procesos integrados de aprendizaje automático, una de sus muchas Inteligencia Artificial (IA), lo cual hoy en día está en variados procesos automatizados, incluso en tu smartphone, algoritmos que desarrollan un sin fin de tareas, pero una cosa es, diseñar, programar, y otra es dejar que la misma IA cree algoritmos de aceleración y diseño de microchips necesarios para acelerar procesos ya generados por IA, varias películas nos advierten de esto, no?

Al parecer, Google está trabajando en algunas actualizaciones importantes de su lenguaje de desarrollo autónomo de aprendizaje automático ‘AutoML’. Según un documento de investigación pre-impreso escrito por varios de los investigadores de inteligencia artificial del Google, ‘AutoML Zero’ está llegando, y está trayendo algoritmos evolutivos desarrollados por la misma IA.

AutoML es una herramienta de Google que automatiza el proceso de desarrollo de algoritmos de aprendizaje automático para diversas tareas. Es fácil de usar, bastante simple y completamente de código abierto. Lo mejor de todo es que Google lo actualiza siempre.

En su versión actual, AutoML tiene algunos inconvenientes. Todavía tiene que crear y ajustar manualmente varios algoritmos para que actúen como bloques de construcción para que la máquina pueda comenzar. Esto le permite tomar su trabajo y experimentar con nuevos parámetros en un esfuerzo por optimizar lo que ha hecho. Los novatos pueden solucionar este problema utilizando paquetes de algoritmos prefabricados, pero Google también está trabajando para automatizar esta parte.

Según el documento de preimpresión del equipo de Google:

Hoy es posible descubrir automáticamente algoritmos completos de aprendizaje automático utilizando solo operaciones matemáticas básicas como bloques de construcción. Demostramos esto mediante la introducción de un marco novedoso que reduce significativamente el sesgo humano a través de un espacio de búsqueda genérico.

A pesar de la inmensidad de este espacio, la búsqueda evolutiva aún puede descubrir redes neuronales de dos capas entrenadas por retropropagación. Estas redes neuronales simples pueden superarse evolucionando directamente en tareas de interés, donde las técnicas modernas emergen en los algoritmos principales, como las interacciones bilineales, los gradientes normalizados y el promedio de peso.

Además, la evolución adapta algoritmos a diferentes tipos de tareas: por ejemplo, las técnicas de abandono aparecen cuando hay pocos datos disponibles.

En otras palabras: Google descubrió cómo aprovechar los algoritmos evolutivos para AutoML utilizando nada más que conceptos matemáticos básicos. Los desarrolladores crearon un paradigma de aprendizaje en el que la máquina escupirá 100 algoritmos generados aleatoriamente y luego trabajará para ver cuáles funcionan mejor.

Después de varias generaciones, los algoritmos se vuelven cada vez mejores hasta que la máquina encuentra uno que funciona lo suficientemente bien como para evolucionar. Para generar algoritmos novedosos que puedan resolver nuevos problemas, los que sobreviven al proceso evolutivo se prueban contra varios problemas de IA estándar, hasta crear el algoritmo necesario y avanzar al siguiente.

Fuentes: TheNextWeb / TechnologyReview

Lino Cisterna

CEO&Founder RevistaProware.com Aficionado a las Ciencias, Física Teórica, (G)Astronomía, Sociología, Psicología, Teorías de la Tecnología (AAT).

Agregar un comentario

Su dirección de correo no se hará público. Los campos requeridos están marcados *