La inteligencia artificial es, probablemente, la herramienta más poderosa que ha creado la humanidad en los últimos tiempos. Los investigadores Artur d’Avila Garcez y Luis Lamb han descrito a la Inteligencia Artificial Neuro-simbólica como la tercera ola de la IA. Con ella, se espera que veamos un avance importante en los patrones de reconocimiento que usan los sistemas.
Después de todo, hasta ahora la IA no es más que un compendio de conocimientos que, junto a un entrenamiento previo, es capaz de arrojar un resultado. Sin embargo, esta nueva investigación de IBM tiene como plan hacer que la inteligencia artificial sea capaz de reconocer símbolos, y al mismo tiempo, aportarles un significado semántico y lógico.
De esta forma, se espera generar un sistema de inteligencia artificial capaz de llevar a cabo tareas más complejas, con una precisión más alta, y que al mismo tiempo necesite menos cantidad de datos y entrenamiento. Así, se podría crear una inteligencia artificial capaz de responder a un razonamiento y un proceso, con la capacidad de explicar el motivo por el cual ha tomado ciertas decisiones.
-Las redes generativas adversarias
¿Recuerdas cuando decían que el conflicto no es bueno? Pues así es, pero esta es una regla que no vale para la inteligencia artificial. Si has estado al tanto de internet, probablemente habrás visto ciertas IAs capaz de crear imágenes a partir de texto; o de recrear cosas que no existen con un realismo increíble.
Esto, por supuesto, puede resultar horroroso para millones de artistas en el mundo, pero es a su vez una de las demostraciones más importantes de la potencia de la tecnología. Pero, ¿qué tiene que ver el conflicto en todo esto? Pues sencillo. Con las Redes Generativas Adversarias (GAN, por sus siglas en inglés), se espera que esta generación de imágenes a partir de inteligencia artificial se vuelva cada vez mejor.
El motivo es bastante sencillo, y es que con el uso de entidades “generadoras”, y otras “discriminadoras”, la IA es capaz de crear una retroalimentación. Así, se puede alcanzar un resultado en el que este algoritmo discriminador no sea capaz de diferenciar la imagen creada de manera artificial, de aquellas que sí son reales.
Algunos investigadores han ido incluso más lejos, y están usando las Redes Generativas Adversarias para crear código genético totalmente falso. Sin duda alguna es uno de los puntos más interesantes que están por llegar.
-Las enseñanzas y síntesis molecular
Durante 2020, AlphaFold de DeepMind logró aplicar aprendizaje profundo (Deep learning) en tareas de biología. Específicamente, se usó en el problema del plegamiento de las proteínas. Este campo lleva décadas siendo estudiado, y una posible resolución con el uso de la IA podría conllevar al descubrimiento de curas para enfermedades; nuevos fármacos, y a entender con mayor profundidad el comportamiento de la vida celular.
En esta ocasión no encontramos a una IA con una función específica y revolucionaria. Sin embargo, es un claro ejemplo de cómo aplicar el uso de las inteligencias artificiales puede resultar beneficioso, sin importar el campo que sea. De hecho, ya el uso de la inteligencia artificial y el aprendizaje automático está resultando beneficioso para campos como la biología y la sanidad. Con ellas, los científicos pueden determinar qué fármacos son potencialmente mejores, y cuáles deben evaluar. Además, pueden llegar a distintas conclusiones sobre las formas más eficaces de sintetizarlos.