El futuro de la inteligencia artificial aún está por llegar. En estas tres áreas, veremos un mejor uso de esta tecnología, que promete cambiar la forma en que vivimos.
La inteligencia artificial puede ser la herramienta más poderosa que la humanidad haya creado en los últimos tiempos. Aunque todavía está en sus inicios, si tenemos en cuenta su verdadero potencial, ha habido miles de propuestas que demuestran que realmente funciona. Por ejemplo, existe una inteligencia artificial capaz de descifrar la escritura antigua corrompida por el tiempo, mientras que otros pueden predecir si estás a punto de sufrir un infarto al escuchar tu voz. Su utilidad es inconmensurable, y apenas estamos comenzando a comprenderlo.
Por eso, hoy queremos mostrarte tres áreas en las que la IA progresará más en los próximos años. Después de todo, este tipo de tecnologías se están volviendo más prominentes y, según se informa, su valor noticioso aumenta hasta en un 34,5 %. Muy superior al 19,6% reportado en 2020.
¿Quieres saber dónde progresará la IA? Estas son algunas tecnologías y ciencias en las que debe centrarse.
inteligencia artificial neurosimbólica
Los investigadores Artur d’Avila Garcez y Luis Lamb describen la IA neurosimbólica como la tercera ola de la inteligencia artificial. Con él, esperamos ver un progreso significativo en los patrones de reconocimiento utilizados por el sistema. Al fin y al cabo, hasta el momento, la IA no es más que un compendio de conocimientos que, combinado con la formación previa, es capaz de producir resultados.
Sin embargo, esta nueva iniciativa de investigación de IBM permite que la inteligencia artificial reconozca símbolos mientras les otorga un significado semántico y lógico. De esta forma, se espera producir un sistema de inteligencia artificial capaz de realizar tareas más complejas con mayor precisión, requiriendo menos datos y entrenamiento.
Por lo tanto, es posible crear una inteligencia artificial que responda al razonamiento y los procesos, y que sea capaz de explicar por qué toma ciertas decisiones.
«Las redes neuronales y los conceptos simbólicos se complementan muy bien. Porque las redes neuronales te dan respuestas, desde el caos del mundo real hasta representaciones simbólicas del mundo, para encontrar todas las correlaciones en imágenes. Una vez que tienes representaciones simbólicas, puedes hacer algunas cosas bastante sorprendentes en el razonamiento de las cosas».
David Cox, director de MIT-IBM Watson AI en Cambridge, Massachusetts.
Redes generativas adversarias
¿Recuerdas cuando dijeron que el conflicto era malo? Sí, pero esa es una regla que no se aplica a la IA.
Si conoce Internet, probablemente haya visto alguna IA capaz de crear imágenes a partir de texto o recrear cosas que no existen con un realismo increíble. Claro, esto puede ser aterrador para millones de artistas en todo el mundo, pero también es una de las demostraciones más importantes de poder tecnológico.
Pero, ¿qué tiene que ver el conflicto en todo esto? tan fácil. Con la ayuda de las redes antagónicas generativas (GAN), esta imagen impulsada por IA promete mejorar cada vez más. La razón es simplemente que al usar entidades «generadas» y otras entidades «diferenciadas», la IA puede generar comentarios. Por lo tanto, es posible lograr el resultado de que este algoritmo discriminador no pueda distinguir entre imágenes creadas artificialmente e imágenes reales.
Algunos investigadores han ido más allá y están utilizando redes adversarias generativas para crear códigos genéticos completamente falsos. Sin duda, esta es una de las vistas más interesantes que están por venir.
Aprendizaje automático y síntesis molecular
Síntesis Molecular de Inteligencia Artificial
En 2020, AlphaFold de DeepMind aplicó con éxito el aprendizaje profundo a tareas biológicas. En concreto, se utiliza para resolver problemas de plegamiento de proteínas. El campo se ha estudiado durante décadas y las posibles soluciones que utilizan inteligencia artificial podrían conducir al descubrimiento de tratamientos para enfermedades, nuevos medicamentos y una mayor comprensión de cómo se comporta la vida celular.
Esta vez no encontramos inteligencia artificial con funciones específicas y revolucionarias. Sin embargo, es un claro ejemplo de cómo la aplicación de IA puede ser beneficiosa, sin importar el campo.
De hecho, el uso de la inteligencia artificial y el aprendizaje automático ha demostrado ser beneficioso en campos como la biología y la salud. Con ellos, los científicos pueden determinar qué medicamentos podrían ser mejores y qué medicamentos deberían evaluar. Además, podrían sacar diferentes conclusiones sobre el método de síntesis más eficiente.
Fuente : hipertextual.com por Tomás Rivero