Un ordenador gana por primera vez a un experto al Go

Vengo a cabrear a Seuron:
http://www.nextdoorpublishers.com/2016/02/creyeron-que-no-existiriamos/

#214
Sip. Por eso he intentado invocarte. Helena Matute en principio es top española en investigación psicológica y toca el tema de cómo tratamos a los robots / máquinas / etc... y nextdoor en principio es una editorial / medio de información nuevo bastante tocho y que nace de la desidía de los medios "de siempre".

Por eso normalmente digo que vale más ir a los datos y no leer de "gente que interpreta a". Claramente es chungo y casi-imposible, pero como que me mola intentarlo.
Igualmente, siguiendo una de mis normas "duras" todo esto no pasaría => no hacer nunca predicciones. Nunca.

#218

Mmm ahí a Penrose se le fue un poco la pinza parece xD. Hay mucha controversia sobre esas demostraciones.

Todo sea dicho, yo comparto totalmente su opinión (por si no había quedado claro aún xD).

#220

Ya ves xD. Pero la máquina hace eso porque hay un humano que la ha diseñado y programado para ese fin.

Más sobre la falta de conocimiento de la IA. http://www.iflscience.com/editors-blog/new-report-outlines-biggest-threats-humanity

Si en 'pandemia por ingenería' se pusiera apocalipsis zombie poca gente les tomaría en serio. Por el contrario ponen alegremente que la IA puede matarnos a todos así sin más y nadie se sorprende, precisamente porque hay gente de reputación (pero no en el campo) que apoya libremente tal idea.

#178 solo un peque;o comentario, Kuhn ya habla de la ciencia normal (en "La naturaleza de las revoluciones cientificas") como una fase de "produccion" y no la desmerece en absoluto. Cuando hay suficientes anomalias como para que la ciencia normal no las pueda explicar con "errores de calculo" o modificaciones del modelo, es cuando llega un nuevo paradigma. Es todo necesario en la ciencia, aunque a todos nos gustaria tener breakthroughs cada dia jaja (yo lo veo de hecho como un caso claro de la estrategia de Neyman Pearson de hecho, tienes que coger una hipotesis nula y una alternativa, y no puedes minimizar a la vez la probabilidad de falso negativo y la de falso positivo).

#221 otro comentario relacionado con cosas de hace 2 paginas. Empieza a haber algunas teorias sobre por que funciona el ML y DL, de hecho dentro de poco saldra una red neuronal con programacion dinamica que en principio es sencilla de entender por que funciona, y ademas usa miles de niveles (con descomposicion tensorial y cosas muy chulas) en lugar de decenas. Elad Hazan y Sanjeev Arora son los que yo conozco que han sacado mas resultados (Arora usa un modelo que bastante gente critica, yo no se tanto del tema).

Por cierto, ¿alguien de aquí juega al go? Yo no es que sea bueno, ni mucho menos, pero fui el fundador del club de go de mi facultad, e hice de profesor enseñando las cosas básicas.

Sería interesante encontar mediavideros para echar alguna partidita

#230

mmm en mi opinión una pregunta así sería englobada por otras de carácter más general cómo

¿serán necesarias "la herramientas X" para tener una AI?

Y la respuesta muy seguramente sea sí, sobre todo cogiendo el significado más abstracto de la palabra herramienta. Básicamente porque artificial implica todo aquello que nos "emula", y para ello necesitamos de herramientas xD. Y muy seguramente algunas de estas herramientas sean mejores en algún sentido que la "equivalente" en el cerebro humano.

Aunque hay que distinguir también que hay muchos tipos de inteligencias. Hoy en día hemos creado herramientas para resolver determinadas (concretas) tareas que son deterministas y sistemáticas. Desconocemos si es realmente así cómo lo resuelve nuestro cerebro, ya que de momento no sabemos a ciencia cierta cómo lo hace*. Por otro lado sí sabemos lo que no pueden hacer nuestras herramientas actuales, cómo por ejemplo no sabríamos crear un programa que descubriera por si mismo una teoría de física. Y todo sea dicho, yo no estoy muy seguro sí sólo software sería capaz de algo así. Si algún gran genio (que alguno aparecerá en los próximos mil años espero xD) da con la tecla y desarrolla toda una teoría para crear un cerebro artificial, creo que para su implementación necesitará algo más que sólo software.

*Si que se conoce que utilizamos el lenguaje, que de ahí pasamos a la imaginación/razocinio y de ahí damos una respuesta (y muchas más movidas). Todo este proceso, con nuestra actual IA no lo replicamos puesto que no puedes copiar algo que no conoces. Pero sí que lo emulamos/sustituimos para dada una misma entrada, obtener una salida satisfactoria.

#231 Yo también creo que hará falta el ML, pues a fin de cuentas, no es éste el que trata de imitar lo que se considera el pilar del aprendizaje, que es el aprendizaje bayesiano? Puedo estar patinando, pero bueno tengo entendido que en esto sí nos estamos acercando, aunque todavía quede muchísimo.

Pienso que con algoritmos convencionales (pero muy complicados y extensos), y ML, se debería de poder alcanzar una GP AI. No sé, creo que todos los comportamientos del universo pueden explicarse mediante la matemática, y por tanto la algoritmia, y me parecería muy extraño que hiciera falta "algo más" para obtener verdadera inteligencia. La propuesta de Penrose de que nosotros nos vemos ligeramente afectados por la incertidumbre cuántica... lo dudo, pero incluso en ese caso podríamos computacionalmente simular una inteligencia. La única diferencia, es que si hay algoritmos BQP (bounded error quantum polynomial time), necesitaremos ordenadores cuánticos para resolverlos (o usar heurísticas que comerían muchos recursos y tiempo, ante las cuales pocas predicciones se podrían establecer).

La cosa es, ¿cuán difíciles podrían ser esos algoritmos? ¿Qué pesos asignamos a cada uno de los outputs posibles de cada nodo de la red neuronal? Yo creo que el problema está ahí, y no es uno, sino unos cuantos los subproblemas que tenemos que solucionar antes de pensar en una AI GP.

Un ejemplo de problema matemático que creo que vendrá bien resolver para ayudar tremendamente a esto, es el del graph isomorphism. Una vez tengamos eso, prácticamente cualquiera de los usos actuales de la IA va a pegar un subidón interesante. Pero vamos, que casi seguro habrá bastantes más problemas que resolver antes de hacer una síntesis que podamos utilizar para construir una AI GP.

#234 El concepto original lo leí en un par de artículos hace tiempo, era similar a GP AI o AI GP o así, pero se entiende xD. La idea de "general purpose AI" no es nada que me acabe de sacar de la manga, simplemente se trataría de una IA capaz de pensar como un humano, reconocer una figura en una imagen aunque esté girada (sin tener que ser feedeada con millones de inputs previos), terminaría con el tiempo siendo capaz de entender y hablar los lenguajes humanos como una persona, etc...

Tengo entendido que sí sería necesario algo de colaboración humana, ya sea previo al "enchufe" como bien dices (en forma de lookup tables que le puedan ayudar a... ¿comenzar y dirigir el aprendizaje?) o en forma de aprendizaje reforzado. De hecho lo más probable, según he leído, es que hubiera que enseñarle en las primeras etapas de forma similar a como se enseña a un niño (la idea es que entienda el lenguaje natural con facilidad, ¿no?). Sólo que claro, aprendería muchísimo más rápido, y si luego se consigue que la máquina "aprenda a aprender"... pues xD.

#234SeuroN:

Por ejemplo, acorde a lo que tú entiendes por IAGP, podría ésta por si misma desarrollar todo el conocimiento matemático, físico, biológico, etc que tenemos los humanos hasta ahora?

Esto ya es una lolada padre, pero si de verdad tuviera todas las capacidades de la mente humana sin sacrificar la potencia y rapidez de procesamiento de las computadoras, yo creo que tras una cierta cantidad de tiempo (larga xD) podría, siempre y cuando tenga todas las herramientas de las que dispusimos los humanos durante nuestra historia (sentidos, habilidad para manipular objetos, etc...).

La cosa es que esto a día de hoy es literalmente imposible porque no sabemos cómo hacer que la máquina se abstraiga o encuentre soluciones a problemas para los que no está previamente diseñada.

#236 A día de hoy, funciones que requieren de "creatividad" (o dicho de otra manera, alguna variable puramente subjetiva), son alimentadas con valores aleatorios, y parecen funcionar bastante bien. Véase este sencillo ejemplo de cómo una simple implementación de Machine Learning puede componer música, algo para lo que necesita hacer algunas decisiones no racionales!

El reconocimiento de imagen, voz... es lo que más se hace ahora con ML y sobretodo DL, pero ojocuidao, esto es gracias a muchas horas de aprendizaje reforzado y una cantidad de inputs que te cagas. Y habrá situaciones en las que todavía les cueste. Por ejemplo, nosotros somos capaces de identificar un perro desde cualquier ángulo prácticamente, ¿no? Incluso si nos enseñan la imagen girada, cambiada, simplificada... seguiremos viendo un perrete. Un ordenador está lejos de llegar ahí, y precisamente lo que decía antes del problema del graph isomorphism tiene mucho que ver en este problema en concreto. Básicamente, una IA entrenada con imágenes de perros de frente, será muy buena identificado perros de frente... pero, ¿y de lado?

Yo creo que hay que montar mucha algoritmia por encima y por debajo del ML, pero mucha, mucha, incluso si queremos perfeccionar técnicas como las que ya tenemos; ya ni hablemos llegar a una inteligencia humana, la cual estoy seguro que será radicalmente diferente a los bots que tenemos ahora. Quizá incluso debamos cambiar cómo alimentamos datos a estos sistemas, o la estructura de las redes neuronales, o debamos cambiar cómo relacionamos conceptos en un mapa semántico.

Pero francamente, pese a que nos quede mucho, sigo sin ver la necesidad de un componente "mágico".