Autor: Andy Clark

Eres lo que comes: Inteligencia artificial y grandes datos

Un tema común en los escritos recientes sobre la inteligencia de las máquinas es que las mejores nuevas máquinas que aprendan constituirán más bien formas alien de inteligencia. No estoy tan seguro. El razonamiento detrás de la imagen de las ‘IAs alien’ suele ir más o menos así. La mejor forma de lograr que las máquinas resuelvan problemas difíciles del mundo real es configurarlas como máquinas que aprendan y que tengan capacidad estadísticamente sensible de beneficiarse al máximo de su contacto con los datos masivos. Dichas máquinas aprenderán con frecuencia a resolver problemas complejos detectando patrones, y patrones entre patrones, y patrones dentro de patrones, ocultos en la profundidad de los flujos de datos masivos que se les presentan. Esto se logrará con más probabilidad utilizando algoritmos de «aprendizaje profundo» para explotar cada vez con mayor profundidad en los flujos de datos. Después de que dicho aprendizaje se complete, su resultado podría ser un sistema que funciona pero cuyas estructuras de conocimiento son opacas para los ingenieros y programadores que configuraron el sistema al principio.