Una red neuronal ya es capaz de encontrar la pieza perdida de Lego - Nobbot

¿La máquina supera al hombre? Una red neuronal ya es capaz de encontrar la pieza perdida de Lego

¿Recuerdas con morriña cuando los días pasaban frente a una montaña de piezas de Lego? Naves espaciales, puertas giratorias, la guarida de los malos… los límites los ponía la imaginación. Y la incapacidad de encontrar esa pieza que te hacía falta. Estaba ahí, camuflada entre un millón de bloques, pero la vista se nublaba y todo parecían piezas básicas de color amarillo.

Los niños del futuro quizá no tengan ese problema: la inteligencia artificial y Jacques Mattheij han llegado para salvar el mundo. Este techie holandés pudo conocer bien la situación en su infancia. Por eso ha diseñado una red neuronal y una máquina que han aprendido a distinguir las más de 38.000 piezas diferentes de Lego (y sus variables en colores) que existen.

Cuando las máquinas aprenden

Sin paños calientes, Mattheij le dio a su red neuronal dos toneladas de piezas de Lego que procesar. La colección, un sueño (o quizá pesadilla) para cualquier niño, le sirvió a su red neuronal para aprender. “A medida que la red aprende, se producen menos errores y se reduce el trabajo de manual. Al cabo de un par de semanas ya tenía un conjunto de datos de 20.000 imágenes etiquetadas correctamente”, explica Mattheij.

Y es que una red neuronal no es más que un intento de imitar un cerebro humano en una computadora. Así, observa patrones, aprende e infiere conocimiento por sí misma, aunque (de momento) con la ayuda de los programadores. Como explica Mattheij, este tipo de inteligencia artificial utiliza un conjunto de datos como referencia para deducir el resto de información. Y, si en el proceso se detectan errores, se pueden corregir manualmente.

De esta forma, la capacidad de aprendizaje de las redes neuronales se antoja infinita. Cuantos más datos reciban, más aprenderán. En los próximos años, la inteligencia artificial amenaza con dejarnos sin trabajo, mejorará la medicina y reforzará nuestra seguridad. Y, también, nos hará reír con un montón de cosas locas.

Es la hora de comer (en plan absurdo)

¿Galletas de pollo frito? ¿Gelatina de alcachofa para perros? Estos son los resultados del experimento de Janelle Shane, quien puso una red neuronal a discurrir nuevas recetas con ayuda de la comunidad online. A partir de miles de platos e ingredientes disponibles en la red, esta inteligencia artificial diseñó la comida del futuro; y Twitter y Tumblr se volvieron locos con los resultados.

El proyecto de Shane estaba inspirado en otro anterior de Tom Brewe y Andrej Karpathy y su software inteligente Meal Master. Aquí, un ejemplo de la receta definitiva de unas buenas costillas a la parrilla. Un paquete de arroz sazonado, una cerveza cortada en cubitos, una cucharada de azúcar, chuletas troceadas y dos cucharadas de levadura. Irresistible.

El reino de los bots rarunos

Si algo nos ha dado la inteligencia artificial hasta el momento es un ejército de bots. Los hay que chatean desde el departamento de atención al cliente de una gran compañía o los que tuitean como locos a favor de cualquier causa (más o menos perdida). Y también los hay que han hecho del absurdo su herramienta de humor.

Este es el caso de Darius Kazemi y su legado artístico, incompresible sin Internet y sin inteligencia artificial. Suyos son bots poetas o humoristas, bots que compran compulsivamente en Amazon o bots que toman el testigo de J.K. Rowling y el sombrero seleccionador de Harry Potter.

La incoherencia (dentro de lo comprensible) es un hilo común en los trabajos de Kazemi. “Este verano, la esperanza es buena para el éxito. Así que cierra las puertas”. Así reza una de las últimas ideas de This Summer Bot, un bot que crea trailers aleatorios de películas inventadas a partir de trozos de otros anuncios.

Robots humoristas

La vida de una persona cambia la primera vez que Cortana (o Siri o sistemas similares) le cuenta un chiste de Chiquito de la Calzada. Si no lo has probado todavía, estás tardando. Sin embargo, por mucha gracia que nos haga o por mucho que nos guste el absurdo de Kazemi, los bots y la inteligencia artificial todavía están lejos de ser como Bender Rodríguez, el faltón robot de Futurama.

Y es que crear una máquina que genere humor al estilo humano es muy complicado. Expertos en robótica y científicos computacionales llevan décadas intentándolo, pero introducir en la inteligencia artificial conceptos como conciencia de uno mismo, empatía, espontaneidad o juegos lingüísticos no es sencillo.

Si nos paramos a pensar, muchas veces ni siquiera nosotros entendemos por qué nos reímos con las cosas que nos hacen gracia. ¿Así cómo vamos a enseñar a nadie? Mientras lo seguimos intentando, siempre nos queda buscar bots absurdos o pasarnos la tarde viendo vídeos de cómo fallan y se tropiezan los robots.

En el camino del arte definitivo

De forma paralela a esa búsqueda del humor verdadero, científicos y artistas desarrollan el nuevo Michelangelo robot. De momento, parece que están lejos de alcanzar su objetivo, pero sus resultados son más que interesantes. Entre medias, algunos vuelven a provocarnos la risa.

Entre ellos están los experimentos con redes neuronales y análisis de imagen de Samim Winiger que demostraron la capacidad de la inteligencia artificial para reconocer lo que pasaba en las fotografías. ¿O no?

El experimento de Winiger es de hace casi dos años. Desde entonces, las redes neuronales han avanzado mucho. Incluso han aprendido a hacer representaciones abstractas de la realidad siguiendo patrones parecidos a los que tenemos los seres humanos. Este experimento desarrollado por Google demuestra que las máquinas ya pueden pintar por sí mismas.

Intencionalidad o empatía, máquinas que enseñan a otras máquinas, robots que trabajen para un mundo de humanos ociosos… quedan muchos asuntos por resolver en la revolución de la inteligencia artificial. Lo que es seguro es que no nos faltarán curiosidades con las que entretenernos por el camino.

En Nobbot | El gran paso de la inteligencia artificial: usa lo aprendido en una tarea para la siguiente

Imágenes: Jacques Mattheij, Samim Winiger, Google, Pixabay