Si alguien le mostrara una foto de un cocodrilo y le preguntara si es un pájaro, es posible que se ría y luego, si fuera paciente y amable, ayúdelo a identificar al animal. Tales interacciones del mundo real, y a veces tontas, pueden ser clave para ayudar a la inteligencia artificial a aprender, según un nuevo estudio en el que la estrategia mejoró drásticamente la precisión de una IA para interpretar imágenes novedosas. El enfoque podría ayudar a los investigadores de IA a diseñar más rápidamente programas que hagan de todo, desde diagnosticar enfermedades hasta dirigir robots u otros dispositivos alrededor de los hogares por su cuenta.
“Es un trabajo súper genial”, dice Natasha Jaques, científica informática de Google que estudia el aprendizaje automático pero que no participó en la investigación.
Muchos sistemas de inteligencia artificial se vuelven más inteligentes al confiar en un método de fuerza bruta llamado aprendizaje automático: encuentran patrones en los datos para, por ejemplo, descubrir cómo se ve una silla después de analizar miles de imágenes de muebles. Pero incluso los grandes conjuntos de datos tienen lagunas. Claro, ese objeto en una imagen está etiquetado como una silla, pero ¿de qué está hecho? ¿Y puedes sentarte en él?
Para ayudar a las IA a expandir su comprensión del mundo, los investigadores ahora están tratando de desarrollar una forma para que los programas de computadora ubiquen los vacíos en su conocimiento y descubran cómo pedirles a los extraños que los llenen, un poco como un niño le pregunta a su padre por qué el cielo. es azul. El objetivo final del nuevo estudio era una IA que pudiera responder correctamente a una variedad de preguntas sobre imágenes que no había visto antes.
El trabajo anterior sobre el «aprendizaje activo», en el que AI evalúa su propia ignorancia y solicita más información, a menudo ha requerido que los investigadores paguen a los trabajadores en línea para que proporcionen dicha información. Ese enfoque no escala.
Entonces, en el nuevo estudio, los investigadores de la Universidad de Stanford dirigidos por Ranjay Krishna, ahora en la Universidad de Washington, Seattle, entrenaron un sistema de aprendizaje automático no solo para detectar lagunas en su conocimiento, sino también para formular preguntas (a menudo tontas) sobre imágenes que los extraños respondería pacientemente. (P: “¿Cuál es la forma del lavabo?” R: “Es un cuadrado”).
Es importante pensar en cómo se presenta la IA, dice Kurt Gray, psicólogo social de la Universidad de Carolina del Norte, Chapel Hill, que ha estudiado la interacción humano-IA pero no participó en el trabajo. «En este caso, quieres que sea como un niño, ¿verdad?» él dice. De lo contrario, la gente podría pensar que eres un troll por hacer preguntas aparentemente ridículas.
El equipo «recompensó» a su IA por escribir preguntas inteligibles: cuando las personas realmente respondían a una consulta, el sistema recibía comentarios que le decían que ajustara su funcionamiento interno para comportarse de manera similar en el futuro. Con el tiempo, la IA aprendió implícitamente lecciones de lenguaje y normas sociales, perfeccionando su capacidad para hacer preguntas sensatas y fáciles de responder.
La nueva IA tiene varios componentes, algunos de ellos redes neuronales, funciones matemáticas complejas inspiradas en la arquitectura del cerebro. “Hay muchas piezas en movimiento… que necesitan tocar juntas”, dice Krishna. Un componente seleccionó una imagen en Instagram, digamos una puesta de sol, y un segundo hizo una pregunta sobre esa imagen, por ejemplo, «¿Esta foto se tomó de noche?» Los componentes adicionales extrajeron hechos de las respuestas de los lectores y aprendieron sobre las imágenes de ellos.
A lo largo de 8 meses y más de 200.000 preguntas en Instagram, la precisión del sistema para responder preguntas similares a las que había planteado aumentó un 118 %el equipo informa hoy en el procedimientos de la Academia Nacional de Ciencias. Un sistema de comparación que publicó preguntas en Instagram pero que no estaba explícitamente capacitado para maximizar las tasas de respuesta mejoró su precisión solo en un 72 %, en parte porque la gente lo ignoraba con más frecuencia.
La principal innovación, dice Jaques, fue recompensar al sistema por hacer que los humanos respondieran, «lo cual no es tan loco desde una perspectiva técnica, pero muy importante desde la perspectiva de la dirección de la investigación». También está impresionada por la implementación a gran escala en el mundo real en Instagram. (Los humanos verificaron todas las preguntas generadas por IA en busca de material ofensivo antes de publicarlas).
Los investigadores esperan que sistemas como el suyo eventualmente puedan ayudar a la IA con la comprensión del sentido común. (sabiendo, digamos, que las sillas son de madera), robótica interactiva (una aspiradora integrada con IA que pide indicaciones para llegar a la cocina)y chatbots (que conversan con las personas sobre el servicio al cliente o el clima).
Las habilidades sociales también podrían ayudar a la IA a adaptarse a nuevas situaciones sobre la marcha, dice Jaques. Un automóvil autónomo, por ejemplo, podría pedir ayuda para moverse por una zona de construcción. “Si puedes aprender efectivamente de los humanos, esa es una habilidad muy general”.
