13 ago 2013

Cuando dejamos de soñar



Dejamos de soñar, así se titulan los dos vídeos que os traigo hoy. Estos vídeos de Neil deGrasse Tyson tratan sobre el problema actual que tiene la NASA en cuanto a financiación se refiere, pero se podría aplicar la misma idea a toda la ciencia en general. Hoy en día la única política económica que se aplica, con la excusa de la crisis económica, consiste en reducir el gasto en desarrollo e innovación, cuando realmente este "gasto" es más bien una inversión que se ve con creces recompensada, y sería una posible salida de la crisis.
 
En estos vídeos se muestra como ejemplo el caso del programa espacial, ya que la idea de alcanzar la Luna hizo que Estados Unidos creciera económica y tecnológicamente, ilusionando a la gente hacia un futuro mejor, algo que hoy en día se ha perdido. En el segundo vídeo se muestra además todos los efectos positivos que tuvo esta aventura espacial a nivel global, no sólo en Estados Unidos, yaque generó un cambio de perspectiva de toda la humanidad haciéndonos ver que somos parte de un todo mayor.
 
Ideas muy interesantes y muy bien presentadas que os dejo a continuación, espero que os gusten:
 
 






Lo vi pasar en el Twitter de @LalaChus3

15 jul 2013

La espectacular niebla de San Francisco

Hoy os traigo un timelapse especialmente bonito de distintas fotografías tomadas en los alrededores de San Francisco durante el amanecer, recreándose especialmente en la niebla que de vez en cuando invade esta ciudad.

El autor es Simon Christen y tardó dos años en capturar todos estos momentos. Su rutina diaria consistía en observar qué condiciones meteorológicas había, visitando distintas webs donde consultar la información, y en el caso de que estas fueran adecuadas para la formación de niebla, se levantaba al día siguiente a las 5 de la mañana para ir hasta el lugar adecuado desde el que conseguir la mejor toma. Un gran esfuerzo cuyo genial resultado podéis ver a continuación:



1 jul 2013

El Test de Turing, o cómo saber si las máquinas piensan

Imaginemos por un momento que hubiésemos desarrollado la máquina más inteligente del mundo, al menos tan inteligente como un ser humano y que fuese capaz de pensar. ¿Cómo podríamos demostrar que es capaz de pensar? Esta misma pregunta se la planteó Alan Turing, uno de los más importantes teóricos de la computación y pionero en el campo de la inteligencia artificial.
 
Aunque depende mucho de qué entendamos por inteligencia, Turing propuso en 1950 una prueba (hoy conocida como el Test de Turing) basada en el Juego de la Imitación. Este juego consistía en tres personajes, un hombre y una mujer en una habitación y un juez situado en otra sala aislada de la primera. El hombre tenía que intentar engañar al juez convenciéndole de que era la mujer, mientras que la mujer tenía que convencer al juez de que la mujer era ella. El juez debía decidir a base de preguntas quién era la mujer y quién era el hombre.
 
La prueba que Turing propone un caso similar: en una habitación aislada hay un juez humano, mientras que en otras dos salas hay un individuo humano y la máquina a ser juzgada. Para comunicarse, Turing propone que la comunicación se realice utilizando teletipos, de manera que la escritura o la voz no afecte al criterio del juez. Si la máquina es capaz de pensar y razonar como un humano, el juez no será capaz de diferenciar entre la máquina y el humano, no sabrá decir quién es quién. Esto quiere decir, que si el juez no es capaz de identificar a la máquina y la confunde con el humano, podríamos considerar esa máquina como inteligente ya que es capaz de imitar el comportamiento humano. Turing afirmaba que “existirá Inteligencia Artificial cuando no seamos capaces de distinguir entre un ser humano y un programa de computadora en una conversación a ciegas”.


Fuente

Un ejemplo aplicado del Test de Turing son los CAPTCHA, esos códigos ilegibles que tienes que introducir para acceder a una web de los que ya hablamos, que aunque no siguen estrictamente el Test, si que representan la idea que Turing propuso: diferenciar al hombre de la máquina mediante una prueba.
 
 
 
Pero volviendo a la idea del Test, ¿que se engañe al juez demuestra que la máquina es capaz de pensar? La respuesta a esta pregunta es no, ya que lo que realmente demuestra este experimento es que la máquina es capaz de aparentar que piensa, y lo hace al menos tan bien como lo haría un humano. Pero, ¿cuál es la diferencia entre pensar y aparentar pensar? Quizás no tenga demasiada relevancia a nivel práctico, y lo importante es que una máquina sea capaz de elaborar una respuesta inteligente a las preguntas que le hagamos, independientemente del método seguido para elaborar dicha respuesta.
 
En cualquier caso, estamos aún lejos de conseguir que una máquina supere el Test. Esto se debe principalmente a la vasta amplitud de posibilidades que se presentan al tener un problema tan abierto: no hay límites en el tipo de preguntas que el juez puede hacer, siendo estas de cualquier tema que podamos imaginar y con todas las segundas intenciones que el juez quiera, y no hay límites en las posibles respuestas que se pueden dar. Sencillamente hay demasiadas posibilidades
 
Sin embargo, como ya vimos con el caso de Watson, en ciertas ocasiones donde el ámbito sea acotado y reducido a una porción de conocimiento, y con un mecanismo concreto, las máquinas van acercándose. En este post se recogen algunos avances en distintas áreas, como el reconocimiento facial, el ajedrez y la música entre otras. Aún nos queda mucho por delante, pero seguimos avanzando.
 
Si os interesa leer más sobre el tema, aquí tenéis el enlace al artículo original de Turing  y si quereis saber más sobre Turing hay muchos artículos sobre su legado, aquí os dejo uno de ellos.

13 may 2013

Cuando las máquinas comenzaron a dejarnos obsoletos [Detallado 8]

Hace tiempo que las máquinas comenzaron a dejarnos obsoletos. Comenzaron reemplazándonos como mano de obra, pero no van a terminar ahí. Hoy os traigo la historia de Ken Jennings como ejemplo de lo que está por venir. Espero que os guste.

Ken Jennings

De pequeño, Ken Jennings era el típico sabelotodo que se pasaba el día leyendo enciclopedias y acumulando datos curiosos. Estos datos variaban mucho, desde la frecuencia de la órbita del cometa Halley o el tamaño del pastel de calabaza más grande del mundo. Gracias a esta curiosidad innata y a su capacidad para retener esta información pudo presentarse al concurso americano Jeopardy.  
La gracia de este concurso está en que, en lugar de preguntar directamente a los concursantes, a estos se les da una respuesta, una pista, y deben ser ellos los que elaboren la pregunta. Por ejemplo: una respuesta del concurso podría ser "El Padre de la Patria; en realidad, no cortó un árbol de cerezo", a la que el concursante debería responder "¿Quién es George Washington?".

Ken Jennings participando en Jeopardy
En el caso de Ken, él fue el concursante de Jeopardy capaz de acumular la racha más larga de programas consecutivos ganados. Sumó un total de 75 programas, acumulando un premio final de más de dos millones y medio de dólares.
Y Ken estaba contento. Había sido una racha espectacular, la gente le saludaba por la calle celebrando con él su éxito. Tantos años de acumular datos se habían visto recompensados. Todo iba bien. Hasta que IBM se propuso ganarle.

Watson

Tras la victoria de Deep Blue sobre Gari Kaspárov en su famosa partida de ajedrez de 1997, IBM estaba buscando el siguiente gran reto donde pudieran demostrar las capacidades de la Inteligencia Artificial. En 2004, Charles Lickel, el gerente de investigaciones para IBM, vio la racha ganadora de Ken Jennings en Jeopardy mientras cenaba en un restaurante con sus compañeros de trabajo, y en ese momento pensó en cual podría ser su próximo gran reto: vencerle. Es entonces cuando, tras convencer a sus superiores, se comienza el desarrollo de Watson, el sistema informático desarrollado para ser capaz de participar y ganar en Jeopardy.
La dificultad del concurso Jeopardy reside en dos grandes bloques: entender la pista dada y formular la pregunta correcta. En la primera parte es donde Watson lo tendría más difícil, pues esta pista se da en lenguaje natural, es decir, en el lenguaje humano, en este caso en inglés. El gran problema de trabajar con el lenguaje natural es la ambigüedad semántica que este presenta. Una palabra puede significar diferentes cosas según su contexto. Por ejemplo, “amo” puede referirse a la primera persona del presente del verbo “amar” o al dueño de una propiedad. Para conseguir resolver estos problemas, Watson no tenía un único programa, si no que era capaz de ejecutar varios programas a la vez, de manera que observando cual de todas las respuestas obtenidas con ellos era la más frecuente era capaz de econtrar la respuesta correcta. Una vez entendida la respuesta, era relativamente sencillo buscar en su inmensa base de datos, de más de 4 terabytes, a qué información se refería, y a partir de ahí, sólo quedaba la pequeña tarea de elaborar la pregunta.
Tras siete años de desarrollo y pruebas, en febrero de 2011 Watson se enfrentó en un concurso especial de Jeopardy contra Ken y Brad Rutter, los dos mejores concursantes de toda la historia del programa. Para que Watson no tuviera ventaja, también tuvieron que elaborar un pulsador electrónico que este podría pulsar con un dedo robótico. Y no dejó de pulsarlo. Watson fue capaz de vencer a ambos concursantes sin que estos tuvieran la más mínima posibilidad de plantarle cara.

¿Cuánto duraremos?

Esta victoria es muy destacable. En el caso de Deep Blue, el superordenador campeón de ajedrez que antes mencionábamos, su victoria sobre Kaspárov mostró la increíble capacidad de cómputo que un ordenador puede alcanzar. Pero al fin y al cabo, el ajedrez es un juego cerrado, en el sentido de que el número de posibles jugadas, si bien es muy grande, este es finito, ya que existen unas reglas bien definidas sobre cómo se mueve cada pieza. En el caso de Jeopardy esto no es así. El número de posibles pistas es enorme, mucho más grande, y estas requieren una interpretación por parte del concursante. Existe ambigüedad e imprecisión en muchas de ellas. Es precisamente el ser capaces de resolver este tipo de ambigüedades una de las características que nos separa a los humanos de las máquinas. O nos separaba.
En el video que os dejo al final de la entrada, Ken cuenta que su sensación tras el concurso fue la de sentirse obsoleto. Una máquina, un conjunto de cables conectados entre sí, había sido capaz de ser mejor en aquello en lo que él era considerado como uno de los mejores. De algún modo, debió de sentirse como aquellos trabajadores de las fábricas que trabajaban manualmente, a los que un día y sin previo aviso, se les sustituyó por máquinas de vapor capaces de hacer su mismo trabajo más rápido y mejor.
Por primera vez en la historia estamos ante la situación donde las máquinas van a ser capaces de realizar tareas cognitivas, es decir, donde las máquinas van a ser capaces de realizar tareas donde se requiere conocimiento. Desde hacer composiciones musicales, hasta la toma de decisiones en empresas. Y también serán capaces de hacer tareas más rutinarias como conducir o limpiar la casa.
¿Debemos, por tanto, temer por nuestras vidas y pensar que vamos a ser reemplazados? Para nada. La tecnología está a nuestro servicio. Pensar en que ya no tendremos nada que hacer sería como haber pensado que los caballos iban a desaparecer porque se inventaran los coches, o que las escaleras dejarían de existir por tener ascensores. La tecnología nos va a permitir realizar nuevas tareas gracias a que ella va a poder encargarse de ayudarnos. Queda mucho tiempo por delante y muchos avances que lograr, pero la Inteligencia Artificial va a abrirnos nuevas puertas. Y no sé vosotros, pero yo estoy deseando ver qué hay detrás…

Related Posts Plugin for WordPress, Blogger...