17 expectativas de cómo el machine learning va a cambiar el mundo
Cada vez es más habitual leer u oír hablar sobre machine learning o aprendizaje automático, una rama de la inteligencia artificial que básicamente trata de lograr que las máquinas «aprendan» por sí solas.
Los avances en esta disciplina se han unido al uso de ingentes cantidades de datos para poder entrenar a estos motores y lograr resultados sorprendentes en muchos casos. ¿Hay limitaciones a lo que el aprendizaje automático puede lograr? Desde luego, pero todos estos ejemplos demuestran que hay ámbitos en los que ésta disciplina podría cambiar nuestro mundo para siempre.
La lucha frente al suicidio
Un equipo del Hospital Infantil de Cincinnati está TRABAJANDO EN UN SISTEMA que tras entrevistar a una serie de personas trataba de averiguar si eran personas con cierto riesgo de suicidio.
Para el análisis no solo se tenían en cuenta las respuestas, sino también otros apartados como la entonación o la armonía de las respuestas, algo que según los expertos podía aportar mucha información al sistema. Según el estudio, se identificó a las personas con riesgo de suicidio con un 93% de precisión.
Cómo hablar inglés (no nativo)
Los hablantes de un mismo idioma suelen entenderse sin problemas, pero hay situaciones en los que quienes lo han aprendido de forma nativa y quienes lo han hecho como idioma secundario tienen problemas para comunicarse.
Precisamente en este ámbito es en el que el MIT creó una gran base de datos de frases en inglés no nativo. El objetivo era mejorar el procesamiento que tienen las máquinas del idioma. La tecnología del procesamiento del lenguaje (NLP) permite RESOLVER ALGO CURIOSO: que una máquina no sabe cómo procesar las particularidades del inglés no nativo.
Diagnósticos médicos infalibles (o no)
Una de las áreas en la que se esperaba que este tipo de sistemas lograr impactar de forma importante es la medicina, y concretamente el diagnóstico médico en el que teóricamente el aprendizaje automático parecía muy capaz de dar respuestas válidas.
Las PRUEBAS DE AUTODIAGNOSTICO realizadas por la Universidad de Harvard demostraron que los sistemas automáticos funcionan con datos objetivos (radiografías, TACs, análisis clínicos) pero no con síntomas ofrecidos directamente por los pacientes.
El problema es que los médicos son capaces de detectar y extraer esos síntomas a partir de la información de los pacientes («todo el mundo miente», decía el Dr. House) para diagnosticar de forma efectiva lo que les pasa. A las máquinas aún les queda tiempo para resolver este problema, parece.
Contenidos cesurables y censurados en redes sociales
El éxito arrollador del vídeo en internet tanto en YouTube como en Facebook Video y otros servicios ha permitido que tanto las emisiones en directo como las grabadas se conviertan en un tipo de contenido muy apreciado por los usuarios, pero no todo el contenido sigue las políticas de uso de estos servicios en aspectos éticos o morales.
Esa es la razón de que en Facebook hayan desarrollado un sistema que permite DETECCION DE CONTENIDOS durante las retransmisiones en vivo y en directo que ofrece su servicio Facebook Live, y que automáticamente los bloquea.
A la búsqueda de exoplanetas habitables
Un equipo de la Universidad de Toronto SE HA INSPIRADO en los algoritmos de recomendación de Netflix, que también hacen uso del aprendizaje automático, para tratar de acelerar la búsqueda de sistemas planetarios dinámicamente estables.
La idea es la lograr acelerar la búsqueda de exoplanetas «hasta mil veces más rápido que con los métodos tradicionales», aseguran los responsables del estudio. De hecho se está planteando usar dicho algoritmo en la misión de la NASA que arranca el año que viene.
Reconocimiento instantáneo de objetos
Una de las áreas en las que el aprendizaje automático ha demostrado su validez es la de los sistemas de reconocimiento de imágenes. Varios son los servicios que aprovechan estos sistemas para organizar nuestras bibliotecas de fotos, pero la idea también es aplicable al reconocimiento de objetos y personas en tiempo real.
Es lo que hace radar.cat un kit que tiene como base el Project Soli de Google y que permite reconocer, clasificar y distinguir distintos materiales y objetos en tiempo realy con alta precisión.
El secreto son las ondas electromagnéticasy, por supuesto, su algoritmo de aprendizaje automático, que se alimenta de una base de datos en la que cada objeto deja una «huella dactilar» única.
Leer la mente parece factible
La relación del aprendizaje automático con áreas como la neurología y la psicología parece improbable, pero un grupo de investigadores en Estados Unidos han desarrollado un sistema que se acercaba a una idea muy propia de las películas de ficción: la de poder leerte la mente.
Los responsables de este desarrollo presentaron cientos de caras a 23 personas sometidas a una resonancia magnética funcional, y luego repitieron el proceso pero ofreciendo al algoritmo solo los datos de la resonancia para que el algoritmo tratase de enlazar esa resonancia con la cara que estaban viendo los participantes del experimento. El resultado fue singular, aunque no definitivo. Quizás uno que nos dirija efectivamente a un lector de mentes infalible.
Del coche autónomo a la silla de ruedas autónoma
Los coches autónomos son desde luego uno de los campos en los que la inteligencia artificial parece tener un papel más relevante a corto plazo, pero las bases de ese aprendizaje automático que se aplican en estos vehículos también son aplicables a las sillas de ruedas que se utilizan por ejemplo en hospitales.
En Singapur están tratando de crear precisamente esas sillas de ruedas autónomas que liberarían al personal de trasladar a los pacientes por el hospital para que éstas se ocupasen de otras tareas distintas. Nissan, por cierto, tiene un proyecto similar.
Móviles (¿más?) inteligentes
Esta disciplina también está comenzando a formar parte de nuestros smartphones, esos dispositivos que se irán volviendo más y más ambiciosos en ese objetivo de simplificar la vida a los usuarios adelantándose a sus necesidades. Google Assistant, la herramienta que ha debutado en los Google Pixel, hace uso de este tipo de algoritmos
En Google no son los únicos en aprovecharse del aprendizaje automático. Huawei presentó recientemente su mate 9, un smartphone cuyo software APRENDE DEL USUARIO para mejorar la experiencia de uso. Recicla y clasifica aplicaciones para gestionar recursos del móvil (memoria, almacenamiento, capacidad de procesamiento) de la forma más eficiente posible, y esto es a buen seguro solo el principio de la aplicación de ese tipo de disciplina en nuestros smartphones.
Más allá del reconocimiento facial y de voz
Las aplicaciones de la tecnología de reconocimiento facial son cada vez más curiosas. Si en principio se habían planteado como una forma útil y cómoda de autenticarse (Windows 10 y algunos dispositivos ya lo permiten a través de Windows Hello) el aprendizaje automático ha hecho posible que los algoritmos que identifican caras sean claves para clasificar fotos en internet y hacer esas búsquedas tan precisas que Google Fotos (con polémica incluida) o Facebook Moments habilitan a sus usuarios.
Esa capacidad podría ser aplicada no obstante a temas mucho más sensibles como la identificación de sospechosos de algún delito, pero no ya por el reconocimiento facial, sino por el de voz. Hay mucho terreno recorrido en este sector, y los investigadores de diversas empresas tecnológicas tienen ya sistemas y APIs que permiten llegar a identificar a una persona por su voz INCLUSO CUANDO ESTA DISTORSIONADA
Adiós, Manolo Lama, no te necesitamos
Los comentaristas deportivos también podrían ver afectadas sus labores por la llegada de la inteligencia artificial. Los algoritmos de aprendizaje automático son capaces de reconocer lo que está pasando en varios deportes y AÑADIR COMENTARIOS AL VIDEO que se está emitiendo con apenas retraso.
Como en todo sistema de este tipo, el secreto está en el entrenamiento de estas soluciones, que hacen uso de horas y horas de pequeñas jugadas de varios deportes para luego ofrecer esas ayudas. De hecho esa es la palabra clave, porque los comentaristas no deberían verse amenazados: estos sistemas están orientados a ayudarles en su labor por ejemplo analizando las jugadas desde otros ángulos con rapidez.
Precaución, amigo conductor
Los coches autónomos están —nunca mejor dicho— a la vuelta de la esquina, pero puede que antes de ver estos vehículos en carretera nos encontremos con sistemas basados en aprendizaje automático que estén destinados a evitar nuestra próxima pifia al volante.
En este tipo de aplicación una cámara analiza nuestro lenguaje corporal y nuestros gestos para tratar de entender qué reacciones tenemos antes de distintas maniobras. Según las pruebas realizadas por investigadores de Cornell y Stanford, era posible predecir por ejemplo los cambios de carril con un 90% de precisión, y las aplicaciones parecen muy interesantes en el ámbito del transporte de mercancías, por ejemplo.
Máquinas que hablan como nosotros
Otro de los segmentos claros en los que el aprendizaje automático puede aportar claras ventajas es en su capacidad de ayudar a la comunicación entre los seres humanos y las máquinas.
Entrenar a un sistema de inteligencia artificial con diálogos de todo tipo da como resultado un algoritmo capaz de mantener una conversación relativamente coherente, algo que demostraron en Google a partir de DIALOGOS DE PELICULAS CLASICAS Este tipo de aplicación será cada vez más llamativa, sobre todo ahora que todas las grandes parecen querer meter su particular versión del Amazon Echo en nuestro salón.
Ahora en la factura de la luz (y en otras muchas, esperemos)
Lo bueno de ese aprendizaje automático que está conquistando todo tipo de escenarios es que tiene un potencial enorme para optimizar un buen montón de procesos y decisiones. Algunas, por cierto, tan útiles como la de lograr que ahorrermos dinero en nuestra factura de la luz.
Google ha logrado hacerlo en sus centros de datos, y quien le ha aconsejado mejoras en la forma de consumir energía más eficiente en dichos centros ha sido un algoritmo DESARROLLADO POR JING GAO , un programador de Google. EL sistema aprendía el comportamiento de cada uno de los servidores para ajustar el PUE (Power Usage Effectiveness) en cada caso y lograr que el consumo fuera justo el adecuado.
Recomendaciones musicales que te sonarán a gloria
Puede que Google esté siendo protagonista involuntaria de este artículo, pero ya nos decía una de sus máximos responsables en este área que «no hay departamento en Google que no se beneficie del machine learning». Las aplicaciones prácticas para los usuarios son muchas y variadas, pero entre las más prácticas y recientes está la que afecta a Google Play Music, su servicio de streaming de música.
Este nuevo sistema hace uso de sistemas de aprendizaje automático para descubrir el tipo de música que nos gusta mezclarlo con datos como nuestra ubicación o actividad e incluso el estado de la metereología para crear una lista de reproducción personalizada. Estas recomendaciones van más allá de lo que intentan otros sistemas que solo se basan en lo que nos gusta o escuchamos frecuentemente, y el análisis de esos factores adicionales (puedes no activar esta opción si prefieres proteger tu privacidad) puede ser un plus para muchos usuarios.
Redes sociales con menos spam y menos noticias falsas
El problema de las redes sociales más populares es que su propia filosofía provoca que haya muchísimo contenido falso que muchos usuarios pueden confundir con contenidos legítimos. El spam y el reciente fenómeno de las noticias falsas han demostrado que aquí hay mucho camino por recorrer, pero puede que los algoritmos de aprendizaje automático también ofrezcan soluciones al respecto.
Es lo que opinan al menos en Twitter, donde su sistema BotMaker lleva un par de años tratando de luchar contra el spam en esta red de microblogging. Sus responsables destacaban entonces que el sistema había sido capaz de reducir en un 40% el spam publicado en Twitter, y a esto se unen los recientes esfuerzos de Facebook por lidiar con el escándalo de fake news. La empresa de Mark Zuckerberg usara sistemas de machine learning para detectar este tipo de noticias, aunque habra mas recursos para evitar problemas como los que se han dado recientemente.
Tiembla, Beethoven: llegan las máquinas que componen música clásica
Uno podría creer que el campo artístico está a salvo de la inteligencia artificial por el momento. La intuición y el tipo de factores que entran en juego en la creación de cualquier pieza artística son algo que por ahora no parecía al alcance de los sistemas de aprendizaje automático, pero hay quien está desafiando esa idea.
DeepBach es un sistema que tras aprender la forma en la que estaban compuestas las cantatas de Bach es ahora capaz de crear piezas de estas composiciones e incluso tomar canciones existentes para armonizarlas bajo ese mismo estilo. No es el único proyecto en este sentido, y hace poco entrevistábamos a Francisco Vico para hablar del Iamus un cluster de computación capaz de componer música contemporánea que de hecho ya ha sido interpretada por la Filarmónica de Londres.
Más y mejores medicamentos
Entre esas aplicaciones prácticas que nos hablan de un futuro mejor está el de la investigación en el ámbito farmacológico: el descubrimiento de nuevos medicamentospodría ser mucho más eficiente y veloz gracias a la utilización de sistemas de inteligencia artificial y, en concreto, de aprendizaje máquina.
It is becoming more common to read or hear about machine learning, a branch of artificial intelligence that basically tries to get machines to «learn» by themselves.
Advances in this discipline have been coupled with the use of huge amounts of data to train these engines and achieve surprising results in many cases. Are there limitations to what automatic learning can achieve? Of course, but all these examples demonstrate that there are areas in which this discipline could change our world forever.
The fight against suicide
A team at Cincinnati Children’s Hospital is working on a system that interviewed a number of people trying to figure out if they were people at some risk of suicide.
The analysis not only took into account the answers, but also other sections such as the intonation or the harmony of the answers, something that according to the experts could contribute much information to the system. According to the study, people at risk for suicide were identified with 93% accuracy.
How to Speak English (Non-native)
Speakers of the same language are usually understood without problems, but there are situations in which those who have learned it natively and those who have done so as a secondary language have problems communicating.
It is precisely in this area that MIT created a large database of non-native English phrases. The goal was to improve the processing of language machines. Language processing technology (NLP) allows us to solve something curious: that a machine does not know how to process the peculiarities of non-native English.
Infallible medical diagnoses (or not)
One of the areas in which these types of systems were expected to impact in an important way is medicine, and specifically the medical diagnosis in which automatic learning seemed to be capable of giving valid answers.
Physicians
The self-diagnostic tests performed by Harvard University showed that automatic systems work with objective data (X-rays, TACs, clinical tests) but not with directly offered by patients.
The problem is that doctors are able to detect and extract those symptoms from patient information («everyone lies,» said Dr. House) to effectively diagnose what happens to them. The machines still have time to solve this problem, it seems.
Cessation and censored contents in social networks
The overwhelming success of video on the internet on YouTube and Facebook Video and other services has allowed both live and recorded broadcasts to become a type of content highly appreciated by users, but not all content follows the policies of Use of these services in ethical or moral aspects.
Nudes
That is the reason that Facebook has developed a system that allows you to detect violent or nude content during the live and live broadcasts offered by your Facebook Live service, which automatically blocks them.
In search of habitable exoplanets
A team at the University of Toronto has been inspired by Netflix’s recommendation algorithms, which also make use of automated learning, to try to accelerate the search for dynamically stable planetary systems.
Exo
The idea is to accelerate the search for exoplanets «up to a thousand times faster than with traditional methods,» say those responsible for the study. In fact, it is considering using this algorithm in NASA’s Transiting Exoplanet Survey Satellite mission that starts next year.
Instant Object Recognition
One of the areas where automatic learning has proved its validity is that of image recognition systems. Several are the services that use these systems to organize our photo libraries, but the idea is also applicable to the recognition of objects and people in real time.
Radarcat
This is what RadarCat does, a kit based on Google’s Project Soli that allows you to recognize, classify and distinguish different materials and objects in real time and with high precision.
The secret is electromagnetic waves and, of course, its algorithm of automatic learning, which feeds on a database in which each object leaves a unique «fingerprint».
Reading the mind seems feasible
The relationship of automatic learning with areas such as neurology and psychology seems unlikely, but a group of researchers in the United States have developed a system that approached a very own idea of fiction films:
The one of being able to read your mind to you.Caras Those responsible for this development presented hundreds of faces to 23 people undergoing a functional magnetic resonance, and then they repeated the process but offering to the algorithm only the data of the resonance so that the algorithm tried to link that resonance With the face that the participants of the experiment were seeing.
The result was unique, but not definitive. Perhaps one that directs us effectively to an infallible mind reader.
From the autonomous car to the autonomous wheelchair
Autonomous cars are certainly one of the fields in which artificial intelligence seems to have a more relevant role in the short term, but the bases of that automatic learning that are applied in these vehicles are also applicable To wheelchairs that are used for example in hospitals. Silla In Singapore they are trying to create precisely those autonomous wheelchairs that would free the staff from moving the patients around the hospital so they could take on different tasks. Nissan, by the way, has a similar project. Smart Phones (more?) This discipline is also starting to become part of our smartphones, those devices that will become more and more ambitious in that goal to simplify the life to users ahead of their needs. Google Assistant, the tool that has debuted in the Google Pixel, makes use of this type of algorithms. In Google are not the only ones to take advantage of automatic learning. Huawei recently introduced its Mate 9, a smartphone whose software learns from the user to improve the user experience.
It recycles and classifies applications to manage mobile resources (memory, storage, processing capacity) in the most efficient way possible, and this is surely only the beginning of the application of this type of discipline in our smartphones.
Facial and voice applications of facial recognition technology are increasingly curious.
If in principle they had been considered as a useful and convenient way to authenticate (Windows 10 and some devices already allow it through Windows Hello), automatic learning has made it possible for algorithms that identify faces to be key to classify photos on the internet and do Those searches so precise that Google Photos (with controversy included) or Facebook Moments enable their users. Angry This ability could be applied to much more sensitive issues such as the identification of suspects of a crime, but not by facial recognition, but By the voice. There is a lot of ground in this sector, and researchers from various technology companies already have systems and APIs that allow us to identify a person by his voice even when it is distorted. Goodbye, Manolo Lama, we do not need you. Sports commentators could also see their work affected by the arrival of artificial intelligence.
Auto-learning algorithms are able to recognize what is happening in various sports and add comments to the video being broadcast with just lag.
Sports As in all such systems, the secret lies in training these solutions, which use hours and hours of small plays of various sports and then offer those aids. In fact that is the key word, because commentators should not be threatened: these systems are oriented to help them in their work for example by analyzing the plays from other angles quickly. Caution, driving friend Autonomous cars are – never better – just around the corner, but before we see these vehicles on the road we find systems based on automatic learning that are intended to avoid our next pifia behind the wheel. Type of application a camera analyzes our body language and our gestures to try to understand what reactions we have before different maneuvers. According to Cornell and Stanford researchers, it was possible to predict, for example, lane changes with 90% accuracy, and applications appear to be very interesting in the field of freight transport, for example.
The clear segments in which automatic learning can provide clear advantages is in its ability to aid communication between humans and machines. Training an artificial intelligence system with dialogues of all kinds results in an algorithm capable of maintaining a relatively coherent conversation, something they demonstrated in Google from dialogues of classic films. This type of application will be more and more striking, especially now that all the big ones seem to want to put their particular version of the Amazon Echo in our salon. Now in the invoice of the light[:]