Los humanos entrenan a las computadoras para realizar actividades de manera automatizada. Pero, ¿cómo aprenden las máquinas? Aplicaciones biomédicas que podrían revolucionar la salud.
Gracias a los avances en computación, la inteligencia artificial y el aprendizaje automático llegaron para quedarse. ¿Cuáles son las ventajas y aplicaciones actuales? Lo que comúnmente se conoce como «aprendizaje profundo» o «aprendizaje automático» se refiere a un conjunto de técnicas, un conjunto de algoritmos que enseñan a las computadoras a realizar tareas específicas. “Es una forma de aprender diferente a la de los humanos: si le digo a un niño ‘esto es amarillo’ tres o cuatro veces, entenderá y aprenderáLas computadoras, en cambio, pueden necesitar cientos de miles de ejemplos, es aprendizaje estadístico”, explicó a la Agencia de Noticias Científicas UNQ, Universidad Terra, el ingeniero informático Emmanuel Iarussi, investigador del Conicet en el Laboratorio de Inteligencia Artificial de la UNQ.
Resulta que si tienes una gran base de datos, la computadora aprende a buscar patrones o tendencias. Es diferente de la llamada programación clásica. El científico explicó que al programar, cada paso debe ser metódicamente claro para completar las tareas necesarias. «En el aprendizaje automático, la situación se invierte: al algoritmo se le muestra una etiqueta diferente y se le pide que lo aprenda», agregó. Un ejemplo es el etiquetado de fotos de gatos y perros: después de escanear millones de imágenes, una computadora puede identificar estas etiquetas en otras fotos que nunca antes había visto. Iarussi aclara que computacionalmente es muy costoso porque hay que repetirlo muchas veces.
Algunas de las técnicas utilizadas por el aprendizaje automático se conocen desde hace mucho tiempo, pero actualmente están explotando por dos razones fundamentales.
Por un lado, la cantidad de datos es enorme, Internet y las computadoras han aumentado drásticamente esta disponibilidad, que era inimaginable en la década de 1990. Por otro lado, actualmente existe hardware para procesar toda esta información porque los algoritmos de aprendizaje automático son exigentes.
Algoritmos ubicuos: tontos y poderosos
Hoy en día, los algoritmos de aprendizaje automático son parte de la vida cotidiana. Un ejemplo de esto son los sistemas de recomendación para plataformas de entretenimiento: el algoritmo aprende de miles de usuarios con ciertas características hasta que finalmente sabe qué películas o series les gustan y las puede recomendar a otros consumidores. Este es un asunto relativamente simple y puede realizar tareas más complejas, como los llamados «deepfakes». En este tipo de tarea, predecir cómo se vería un video de una persona hablando. Entre risas, Iarussi aclara que el problema es «¡funciona muy bien!». Hay millones de videos de personas hablando a las cámaras: si aíslas el audio y entrenas un algoritmo para que diga una determinada frase, el resultado es un video muy real de una persona diciendo algo que no sucede en la realidad. El impacto de esto es inimaginable, y puedes poner palabras en boca de las personas que nunca dijeron, y es muy creíble.
Los algoritmos de aprendizaje automático se incluyen en la denominada inteligencia artificial. Para Iarussi, «la IA es aspiracional, suena como una entidad casi humana, y la realidad es que estamos lejos de eso. Hemos visto cosas asombrosas, pero no tienen la capacidad de ser como los humanos». dio un ejemplo: “La red neuronal que entreno para una tarea generalmente no es buena para otra tarea. En cambio, las personas son capaces de realizar múltiples trabajos. Los investigadores del Conicet incluso explicaron que, en ocasiones, los algoritmos tienden a ser «tontos» porque no pueden realizar las tareas solicitadas cuando los datos se presentan de manera diferente a los datos que les enseñaron. «Una verdadera IA debe usar la misma estructura». de cosas al mismo tiempo», concluyó.
Todas estas aplicaciones están contenidas en una «caja negra» y, a veces, se les da demasiado poder. En ocasiones, incluso se utilizan algoritmos para descartar búsquedas de empleo. «Si llegan dos mil currículums, para acelerar el proceso de selección, varios son descartados por un algoritmo que se entrena con datos de empleados que ya tienen un alto rendimiento dentro de la empresa. Ahorra trabajo, pero los rechazos que ocurren son bastante oscuros». Además de los datos, hay características que el algoritmo no puede hacer un censo, y faltan todas esas dimensiones”, detalló.
«Me gusta pensar en estas técnicas como herramientas para el empoderamiento, no como reemplazos. Estos métodos empoderaron y produjeron una revolución similar a la que habría producido la fotografía en ese momento», reflexiona.
revolución biomédica
Debido a su estructura, las moléculas a menudo interactúan y reaccionan; es un juego de entrelazamiento a nivel submicroscópico. Se sabe que el comportamiento de las proteínas está determinado por su forma, razón por la cual la empresa «DeepMINd» propiedad de Google desarrolló «Alphafold». El programa es un conjunto de algoritmos que utilizan el aprendizaje automático para predecir la geometría espacial de las proteínas. «Es una enorme base de datos de proteínas que puede predecir estructuras con mucha precisión. No puedes escribir algoritmos infinitamente complejos, pero con una base de datos puedes aprender tareas automáticas», dice Iarussi.
El científico compartió con entusiasmo parte de su investigación: «Nos contactaron expertos que necesitaban contar y diferenciar rápidamente entre células muertas y vivas en cultivos de cáncer de mama». imágenes de microscopio: «Ayudamos a resolver esta tarea y pudimos proporcionar a los expertos algunas herramientas».
El grupo de Iarussi también está investigando la aplicación de algoritmos de generación de geometría. Un ejemplo de esto es la tomografía ósea computarizada, que reconstruye la geometría de los huesos pero a muy baja resolución. «No es suficiente generar modelos 3D de huesos», explicó. Lo que se hace es entrenar el algoritmo utilizando huesos escaneados a muy alta resolución. Esto no se puede hacer en personas, ya que es una técnica que requiere mucha energía y puede causar mucho daño. Sin embargo, se pueden realizar escaneos de huesos ex vivo para entrenar al algoritmo y comparar con la tomografía de baja resolución. “Si bien estamos aún muy lejos de la aplicación directa, las herramientas están mejorando a pasos agigantados”, comenta.
Fuente: pagina12.com