Las computadoras digitales han transformado el trabajo en casi todos los sectores de la economía en las últimas décadas (1). Estamos ahora en el comienzo de una transformación aún mayor y más rápida debido a los recientes avances en el aprendizaje automático (ML), que es capaz de acelerar el ritmo de la automatización en sí.
El investigador de Google Moritz Hardt y sus colegas han desarrollado una forma de verificar si los algoritmos de aprendizaje toman decisiones basándose en principios sesgados como el género o la raza. Durante un tiempo ha habido preocupación por la posibilidad de que los algoritmos de AA inyecten deliberada o accidentalmente sesgo en aplicaciones de publicidad, crédito, empleo, educación y justicia.
El constante desarrollo del machine-learning se ha topado con un muro gigantesco: una paradoja lógica descubierta por el matemático Kurt Godel el siglo pasado. Pero eventualmente será resuelta, ¿cierto? No mientras se sigan usando los axiomas (afirmaciones que se consideran verdaderas) sobre los cuales se basa todo el lenguaje matemático estándar.
El Consejo Superior de Investigaciones Científicas (CSIC) lidera el proyecto europeo AI4EOSC, que ofrecerá servicios para mejorar el desarrollo de modelos y aplicaciones de inteligencia artificial, aprendizaje automático (Machine learning, en inglés) y aprendizaje profundo (Deep learning, en inglés) para la comunidad investigadora.
Compartimos el descubrimiento de 2,2 millones de nuevos cristales, lo que equivale a casi 800 años de conocimientos. Presentamos Graph Networks for Materials Exploration (GNoME), nuestra nueva herramienta de aprendizaje profundo que aumenta drásticamente la velocidad y la eficiencia del descubrimiento mediante la predicción de la estabilidad de nuevos materiales.
¿Es el esfuerzo constante y la repetición mecánica la verdadera llave para dominar una habilidad, o existe un límite físico en la velocidad a la que podemos aprender? Un hallazgo en neurociencia cuestiona la eficacia de la práctica intensiva y revela que nuestro cerebro utiliza un cronómetro interno para decidir cuánto conocimiento puede absorber realmente.
Cada vez que un gobierno plantea poner límites al poder de las grandes plataformas digitales ocurre lo mismo: los dueños de esas plataformas gritan “censura”, “autoritarismo” y “ataque a la libertad”. No falla. Ha pasado en Francia, en Australia y ahora en España, tras el anuncio de Pedro Sánchez de endurecer la legislación contra la desinformación, la manipulación algorítmica y el acceso de menores a redes sociales, incluyendo la posible responsabilidad penal de los CEO que miren hacia otro lado mientras sus plataformas amplifican contenidos..
Google reveló más detalles de su Tensor Processing Unit. De acuerdo a algunos benchmarks ejecutados en su TPU, servidores con CPUs Haswell y GPUs Nvidia Tesla K80, la TPU fue entre 15 y 30 veces más rápida y hasta 80 veces más eficiente que los otros chips. En el 2006, Google consideró usar GPUs, FPGAs o ASICs propios en sus centros de datos de aprendizaje automático. Concluyeron que no necesitaban un ASIC. Esto cambió en el 2013 cuando se dieron cuenta que el uso de DNNs explotó y necesitarían doblar sus centros de datos si dicho uso aumentaba
El reconocimiento natural de voz está en boca de todas las tecnológicas. Su combinación con la inteligencia artificial y el Machine Learning está potenciando enormemente las posibilidades del software, tanto que compañías como Amazon o Google lo han postulado como una de sus líneas de negocio más prometedoras. Microsoft no quiere quedarse atrás en el asunto y, por ello, han puesto a disposición del público su propio conjunto de utilidades en código abierto para que cualquiera pueda potenciar el Machine Learning con reconocimiento de
La Administración del Ciberespacio de China (CAC) y otros organismos gubernamentales chinos publicaron conjuntamente el 4 de enero nuevas normas para regular los algoritmos, que entrarán en vigor a partir de marzo. La normativa pide a los proveedores de algoritmos que revisen periódicamente sus productos y se aseguren de que los algoritmos no tienen características adictivas ni inducen a gastar más de la cuenta. Las nuevas normas también prohíben a los proveedores de algoritmos fomentar prácticas monopolísticas y promover noticias [...]
El Gobierno ha puesto el foco sobre los algoritmos. A raíz de una propuesta de Más País, se ha pactado la creación de una Agencia Española de Supervisión de la Inteligencia Artificial. Una entidad que tendrá como objetivo controlar los algoritmos de las redes sociales y supervisar su aplicación. Esta agencia será un organismo estatal con patrimonio propio y autonomía en su gestión, según concreta la enmienda acordada. Para ello se destinarán 5 millones de euros en los próximos Presupuestos Generales.
Era cuestión de tiempo. Entidades bancarias y aseguradoras ya utilizan bases de datos y algoritmos aplicados sobre ellas para determinar tus probabilidades de ganarte o no alguno de sus planes. Se usan para saber cómo se moverá un peatón en la calle o para determinar la idoneidad de un candidato en base a su currículum. Era cuestión de tiempo que estas ideas llegasen a Hollywood.
Algoritmos fundamentales como la ordenación o el hash se utilizan billones de veces al día. A medida que crece la demanda de computación, es fundamental que estos algoritmos ofrezcan el máximo rendimiento posible. Aunque en el pasado se han logrado avances notables, mejorar la eficiencia de estas rutinas ha resultado todo un reto tanto para los científicos humanos como para los enfoques computacionales. Aquí mostramos cómo la inteligencia artificial puede ir más allá del estado actual de la técnica descubriendo rutinas hasta ahora desconocidas.
