A pesar de que el modelo solo puede, por ahora, aprender un alfabeto a partir de caracteres escritos a mano, el sistema subyacente podría ampliarse para construir aplicaciones capaces de aprender de otros sistemas que se basan en símbolos, gestos, movimientos o idiomas, tanto escritos como hablados.

Se trata de una hazaña tecnológica -el trabajo se acaba de publicar en la revista Science- que podría ser el principio de una era en la que las máquinas serán capaces de aprender de su entorno igual que lo hacen las personas.

Conceptos nuevos

Los métodos de aprendizaje de las máquinas muestran constantes avances en los últimos años, pero Science destacó que los humanos siguen siendo mucho mejores que ellas a la hora de asimilar conceptos nuevos.

Las personas, de hecho incluso los niños, apenas necesitan uno o dos ejemplos para aprender, mientras que los algoritmos de las máquinas requieren normalmente decenas o incluso cientos de ejemplos diferentes para "comprender" un concepto al que nunca se habían enfrentado antes.

Y lo que es más, una vez que una persona aprende un concepto por primera vez, es inmediatamente capaz de aplicarlo en un gran número de formas y situaciones diferentes. Algo que, hasta ahora, ninguna máquina tampoco era capaz de hacer.

El modelo

Esas capacidades exclusivamente humanas son las que Brenden Lake y su equipo de investigadores trataron de "capturar" en su modelo informático. Para ello, los investigadores se centraron en una amplia gama de símbolos visuales muy simples, como los caracteres escritos a mano de alfabetos de todo el mundo. Y construyeron su modelo de forma que pudiera aprender esta clase de signos visuales, y de llevar a cabo generalizaciones sobre ellos a partir de un número muy reducido de ejemplos concretos.

Los científicos llamaron a su modelo BPL (Bayesian Program Learning), y afirman que el programa puede "aprender toda una categoría de símbolos visuales a partir de un único ejemplo y después generalizar a partir de él de un modo que resulta indistinguible del que utilizan las personas".

Tras desarrollar el enfoque BPL, Lake y su equipo compararon la forma en que los humanos, el BPL y otros sistemas informáticos afrontaban el aprendizaje de cinco desafíos diferentes, entre ellos la generación de nuevos ejemplos de letras que solo se habían visualizado unas pocas veces.

Los científicos relataron a Science que, cómo en una desafiante tarea de clasificación "de un solo vistazo", el modelo BPL consiguió el mismo nivel de rendimiento que los seres humanos y superó ampliamente cualquier resultado de aprendizaje profundo de máquinas obtenido hasta ahora.

De hecho, el modelo informático fue capaz de clasificar, analizar y recrear caracteres escritos a mano y logró incluso generar nuevas letras del alfabeto de apariencia "correcta" según los test del tipo Turing con los que se compararon los resultados de BPL con los que lograron los sujetos humanos del experimento. "En muchos casos -reseñó el artículo de Science- las habilidades creativas y la capacidad de generalización fueron indistinguibles de los que son propios de la conducta humana".

Un equipo investigador de la Universidad de Toronto y del Instituto de Tecnología de Massachussets (MIT) consiguió crear un modelo informático que es capaz de emular la capacidad humana, hasta ahora única, de aprender conceptos nuevos a partir de un único ejemplo.

Mauricio Mondaca L. mmondacal@mediosregionales.cl

Los seres humanos pueden generalizar y aprender a partir de muy pocos ejemplos. Hasta ahora, las máquinas no podían hacer algo similar.

pixabay