Innovación: ¡Inteligencia artificial que no olvida!

La gran necesidad de hoy en día es la cantidad de memoria que todo dispositivo tecnológico debe tener, pero ha llegado a nosotros una nueva manera de almacenamiento ¿"INTELIGENCIA ARTIFICIAL que no olvida lo que aprende"? ¿Qué será esta naciente tecnología? Veamos de que se trata...

En la actualidad los la inteligencia artificial no son mas que algoritmos diseñados para realizar diversos comportamientos o tareas. La inteligencia artificial no es capaz de almacenar o recordar, al final todo lo aprendido es olvidado y prácticamente desechado. Ejemplo, se puede entrenar a un algoritmo de aprendizaje automático a distinguir:

Tarea 1

Distinguir entre imágenes de humanos y animales, lo hará asombrosamente bien. Ya sea imágenes de baja calidad o combinaciones de animales  y humanos en una misma imagen. El algoritmo sabrá identificar de manera perfecto ¡Incluso mejor que un humano!

Tarea 2

Posteriormente podemos enseñarles a diferenciar entre teléfonos y tabletas, lo hará mejor aún pero con él único problema de que habrá olvidado lo aprendido en la primera tarea. Entonces podemos decir que ha ocurrido...

¡UN OLVIDO CATASTRÓFICO!

También llamado interferencia catastrófica, un concepto utilizado mayormente desde los 90s en adelante por la comunidad de inteligencia artificial. Para evitar un olvido catastrófico existen diversas estrategias como el ensayo o el  pseudo ensayo, estos consisten básicamente en regenerar o reutilizar "recuerdos" o algoritmos de la primera tarea en la siguiente.

Sin embargo el método mas aceptado es establecido por la empresa Telefónica Research, el cual se basa en “reducir la superposición de representación”. Básicamente, la estrategia cumple con mantener parte de algoritmos de la primera tarea y reutilizarlos en la siguiente, es decir, algoritmos que fueron esenciales en la primera tarea, mantenerlos para reutilizarlos en la siguiente tarea. Los autores de este proyecto innovador proponen dos parámetros: el parámetro de persistencia y la compactación. Por un lado, al evitar modificaciones severas en las partes que fueron útiles para tareas previas, el mecanismo garantiza que la información importante se preserve automáticamente (persistencia). Por otro, al promover un uso mínimo de los recursos, el mecanismo ahorra espacio automáticamente para aprender las próximas tareas (compactación).