El doctor Mark Riedl le 'lee' libros y novelas a su Inteligencia Artificial (IA) para que pueda detectar sentimientos en lo que dicen las personas.
Mediante algoritmos de Deep Learning, un tipo de IA inspirada en el cerebro humano, Riedl permite a su agente identificar el sentimiento de lo que le están diciendo o de lo que está "leyendo" y representarlo como un consejo o una advertencia (que lo ayuda a realizar correctamente la tarea que se le pide).
El especialista, que se desenvuelve en el área que analiza la interacción humano-inteligencia artificial, considera que si se alimenta a los agentes con situaciones cotidianas y se les explican nuestros deseos y emociones con historias, se obtiene cierto comportamiento que no sería posible si se les brindara información de facto, como la existente en Wikipedia.
Les cargamos "libros ya publicados, cosas como el Mago de Oz, algunos libros para niños sobre historias mágicas, (…) con esto tenemos mucho mejores resultados porque los datos son más consistentes", mencionó el director del Laboratorio Inteligente de Entretenimiento de la Escuela de Computación Interactiva de Georgia Tech, en entrevista con El Financiero.
"Los agentes son tan buenos como los datos que les damos, entonces los datos son la clave; yo entreno a mis sistemas de IA con historias, porque las historias son escritas por humanos para humanos de una forma muy natural", comenta el investigador detrás del estudio "Aprendiendo de las explicaciones usando sentimiento y consejo en aprendizaje por refuerzo".
Según Riedl, como en algunas de las historias que usa hay pocas situaciones en las que los protagonistas hablan, también entrena a su agente usando sets de datos conformados por historias cortas contadas por gente común.
"Puedo pedirle a 100 personas que me digan una historia de una cita con alguien, y eso es el set de datos que uso, y tenemos una muy buena historia porque todos los datos son del mismo tópico, todas son de la misma duración y las personas hablan de cierta manera cuando se les pide que hagan esto, entonces esto funciona mucho mejor", mencionó.
Otro de los puntos que busca desarrollar es lo que se llama el "Consejo de Enfoque-Objeto", método en que el consejo humano está atado a objetos en lugar de a estados en específico, con lo que se puede indicar al agente qué acciones tomar y cuáles evitar puntualizando un objeto.
Riedl confía en que esta tecnología pueda usarse para mejorar la condición humana y hacer que cualquier persona pueda desempeñar tareas en las que no se especializa con sólo pedirlo, como que un cineasta que no sabe música pueda aprender a componer una canción para su película, o que un músico sin conocimiento audiovisual pueda filmar un corto.
ÁREAS DE OPORTUNIDAD
De acuerdo con Riedl, las áreas de oportunidad para los agentes están en aplicaciones que intentan resolver problemas bien definidos.
"Por eso los coches autónomos funcionan muy bien, las calles son muy regulares, los patrones del tráfico; mucha gente se toma selfies, ¿de acuerdo? Tenemos muy buenos ejemplos de lo que es una buena selfie, entonces podemos hacer buena IA ahí; tenemos muchos ejemplos de traducción de textos", comentó.
Por el contrario, las aplicaciones que tardarán más tiempo en emerger serán las que tratan de resolver circunstancias poco usuales, pues a este tipo de tecnología le es difícil adaptarse a situaciones con muchas variables.
"El machine learning que tenemos hoy es muy bueno en encontrar patrones, pero cuando hay circunstancias que no se adaptan al patrón, la IA tiene un momento difícil que sobrellevar, tiene que desmembrarla y decir: 'tengo que tomar esta circunstancia que nunca he visto antes y adaptarla a lo que he visto antes', y no siempre puedes tomar nuevas situaciones y decir 'oh, esto es muy parecido a otra situación en la que sé lo que debo hacer', entonces tienden a hacer más errores".