[vc_row][vc_column][vc_column_text]Pathways es una nueva forma de pensar sobre la IA que aborda muchas de las debilidades de los sistemas existentes y sintetiza sus fortalezas. Para mostrarte lo que quiero decir, veamos algunas de las deficiencias actuales de la IA y c\u00f3mo Pathways puede mejorarlas.<\/p>\n
Los modelos de IA actuales suelen estar entrenados para hacer s\u00f3lo una cosa. Pathways nos permitir\u00e1 entrenar un solo modelo para hacer miles o millones de cosas.<\/strong><\/p>\n Los sistemas de IA actuales a menudo se entrenan desde cero para cada nuevo problema: los par\u00e1metros del modelo matem\u00e1tico se inician literalmente con n\u00fameros aleatorios. Imag\u00ednate que, cada vez que aprendieras una nueva habilidad (saltar la cuerda, por ejemplo), olvidaras todo lo que hab\u00edas aprendido (c\u00f3mo mantener el equilibrio, c\u00f3mo saltar, c\u00f3mo coordinar el movimiento de tus manos) y comenzaras a aprender cada nueva habilidad desde cero.<\/p>\n As\u00ed es m\u00e1s o menos c\u00f3mo entrenamos la mayor\u00eda de los modelos de aprendizaje autom\u00e1tico en la actualidad. En lugar de extender los modelos existentes para aprender nuevas tareas, entrenamos cada nuevo modelo desde cero para hacer una cosa y s\u00f3lo una cosa (o, a veces, especializamos un modelo general para una tarea espec\u00edfica). El resultado es que terminamos desarrollando miles de modelos para miles de tareas individuales. No s\u00f3lo el aprendizaje de cada nueva tarea toma m\u00e1s tiempo de esta manera, sino que tambi\u00e9n requiere de muchos m\u00e1s datos para aprender cada nueva tarea, ya que estamos tratando de aprender todo sobre el mundo y los detalles de esa tarea desde cero (completamente diferente a c\u00f3mo las personas abordan nuevas tareas).<\/p>\n Los modelos actuales se centran principalmente en un sentido. Pathways permitir\u00e1 m\u00faltiples sentidos.<\/b><\/p>\n Las personas dependen de m\u00faltiples sentidos para percibir el mundo. Eso es muy diferente de c\u00f3mo los sistemas de IA actuales digieren la informaci\u00f3n. La mayor\u00eda de los modelos actuales procesan s\u00f3lo una modalidad de informaci\u00f3n a la vez. Pueden captar texto, im\u00e1genes o voz, pero normalmente no los tres a la vez.<\/p>\n Pathways podr\u00eda permitir modelos multimodales que abarquen la vista, el o\u00eddo y la comprensi\u00f3n del lenguaje simult\u00e1neamente. Entonces, ya sea que el modelo est\u00e9 procesando la palabra “leopardo”, el sonido de alguien que dice “leopardo” o un video de un leopardo corriendo, la misma respuesta se activa internamente: el concepto de leopardo. El resultado es un modelo m\u00e1s perspicaz y menos propenso a errores y sesgos.<\/p>\n Y, por supuesto, un modelo de IA no tiene por qu\u00e9 limitarse a estos sentidos tan familiares; Pathways podr\u00eda manejar formas de datos m\u00e1s abstractas, ayudando a encontrar patrones \u00fatiles que han eludido a los cient\u00edficos humanos en sistemas complejos como la din\u00e1mica clim\u00e1tica.<\/p>\n Los modelos actuales son densos e ineficientes. Pathways los har\u00e1 m\u00ednimos y eficientes.<\/b><\/p>\n Un tercer problema es que la mayor\u00eda de los modelos actuales son “densos”, lo que significa que toda la red neuronal se activa para realizar una tarea, sin importar si es muy simple o realmente complicada.<\/p>\n La IA puede funcionar de la misma manera. Lo que significa que s\u00f3lo se activan peque\u00f1as rutas a trav\u00e9s de la red seg\u00fan sea necesario. De hecho, el modelo aprende din\u00e1micamente qu\u00e9 partes de la red son buenas en qu\u00e9 tareas; aprende c\u00f3mo enrutar las tareas a trav\u00e9s de las partes m\u00e1s relevantes del modelo. Un gran beneficio de este tipo de arquitectura es que no s\u00f3lo tiene una mayor capacidad para aprender una variedad de tareas, tambi\u00e9n es m\u00e1s r\u00e1pido y mucho m\u00e1s eficiente energ\u00e9ticamente, porque no activamos toda la red para cada tarea.<\/p>\n Para recapitular<\/strong>: los modelos de aprendizaje autom\u00e1tico de hoy tienden a especializarse demasiado en tareas individuales cuando podr\u00edan sobresalir en muchas. Dependen de una forma de entrada cuando pueden sintetizar varias. Y con demasiada frecuencia recurren a la fuerza bruta cuando bastan la destreza y la especializaci\u00f3n de conocimientos.<\/p>\n Pathways, que permitir\u00e1 que un \u00fanico sistema de IA se generalice en miles o millones de tareas, comprenda diferentes tipos de datos y lo haga con una eficiencia notable; esto nos permitir\u00e1 pasar de la era de los modelos de prop\u00f3sito \u00fanico que simplemente reconocen patrones, a una en la que m\u00e1s sistemas inteligentes reflejan una comprensi\u00f3n m\u00e1s profunda de nuestro mundo y pueden adaptarse a nuevas necesidades.[\/vc_column_text][us_separator size=”small” show_line=”1″][vc_column_text]Por: Jeff Dean, Senior Fellow y SVP, Google Research<\/a><\/i>[\/vc_column_text][\/vc_column][\/vc_row]<\/p>\n","protected":false},"excerpt":{"rendered":" [vc_row][vc_column][vc_column_text]Pathways es una nueva forma de pensar sobre la IA que aborda muchas de las debilidades de los sistemas existentes y sintetiza sus fortalezas. Para mostrarte lo que quiero decir, veamos algunas de las deficiencias actuales de la IA y c\u00f3mo Pathways puede mejorarlas. Los modelos de IA actuales suelen estar entrenados para hacer s\u00f3lo…<\/p>\n","protected":false},"author":2,"featured_media":7463,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1805,1813],"tags":[360,140,358,116,148,22,259,359,58],"class_list":["post-7459","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai","category-bigdata","tag-arquitectura","tag-digitalizacion","tag-future","tag-ia","tag-inteligencia-artificial","tag-it","tag-machine-learning","tag-pathways","tag-tecnologia"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/posts\/7459","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/comments?post=7459"}],"version-history":[{"count":1,"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/posts\/7459\/revisions"}],"predecessor-version":[{"id":7461,"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/posts\/7459\/revisions\/7461"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/media\/7463"}],"wp:attachment":[{"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/media?parent=7459"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/categories?post=7459"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.flane.com.pa\/blog\/wp-json\/wp\/v2\/tags?post=7459"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}