Inteligencia Artificial

    sortFiltrar Vista Ordenar
    72 resultados

    Página Web

    /

    Publicado el 17.1.2019 por Equipo GNOSS

    Lanzamiento de la primera plataforma europea de Inteligencia Artificial

    El proyecto AI4EU de la Comisión Europea (Inteligencia Artificial para la Unión Europea), lanzado oficialmente el 10-1-2019, nace con el fin de construir la primera plataforma europea de Inteligencia Artificial (IA) a demanda y movilizar a toda la comunidad europea de IA. El proyecto cuenta con un presupuesto de 20 millones de euros. Como líder del proyecto, el Grupo Thales está coordinando el despliegue de la plataforma y promoviendo la colaboración dentro de un ecosistema activo que se extiende más allá de la membresía actual del proyecto, que incluye 79 organizaciones de 21 países de la UE. 

    A través del proyecto AI4EU, la Comisión Europea está tratando de hacer realidad las promesas de la IA para la sociedad europea al impulsar las capacidades tecnológicas e industriales de Europa, mejorar la competitividad industrial y acelerar la adopción de la IA en todos los sectores de la economía. La plataforma futura posicionará a Europa como un jugador líder en el escenario mundial de inteligencia artificial con un fuerte enfoque en cuestiones éticas.

    El proyecto incluye la creación de un observatorio de ética a nivel europeo para liderar amplias discusiones y debates sobre el papel de los humanos en una sociedad habilitada para la IA, y para promover el desarrollo de la IA explicable y verificable.

    El Grupo Thales ha sido elegido por la Comisión Europea para coordinar el desarrollo general del proyecto y, como todos los demás socios involucrados, hará que las herramientas, componentes, módulos, conocimientos, algoritmos y casos de uso de AI de clase mundial estén disponibles en la plataforma. Cualquier miembro de la extensa comunidad europea de TIC (Tecnologías de la información y las comunicaciones) podrá utilizar estos elementos directamente, sin necesidad de conocimientos teóricos. La comunidad formada por el proyecto también proporcionará asistencia práctica para ayudar a los usuarios (pymes, empresas emergentes, empresarios, científicos, empresas industriales, empresas de capital de riesgo, etc.) a beneficiarse de la plataforma.

    El objetivo de este proyecto de tres años es promover la colaboración dentro del ecosistema de IA en Europa para alentar a las partes interesadas a compartir, usar y crear valor a partir de nuevas soluciones en sectores estratégicos de la economía europea, incluyendo robótica, salud, medios de comunicación, agricultura, IoT y la seguridad cibernética. También proporcionará insumos clave para ayudar a formar una agenda estratégica sólida y completa para la IA europea.

     Más información:

    AI4EU project website

    AI4EU project launches on 1 January 2019 

    ...

    Página Web

    /

    Publicado el 2.1.2019 por Equipo GNOSS

    Inteligencia Artificial: distinguiendo la moda de la realidad - Datanami

    Se trata de un interesante artículo de Alex Woodie, Editor in Chief de Datanami, en el que se pone en cuestión los límites y naturaleza de la actual moda (hype) de la Inteligencia Artificial.

    Por una parte, tenemos increibles avances en machine learning, gracias a las redes neuronales que usan GPUs (Graphics Processing Unit) muy rápidas y que están entrenadas con grandes cantidades de datos. Esta forma de IA ha impulsado enormemente los sistemas de visión artificial y de reconocimiento del habla, a menudo por encima de la capacidad de los humanos.

    Por otra, estamos lejos de comenzar a ver los tipos de automatización que muchos esperan de la IA. A pesar de que se empujan las fronteras de lo que es posible hacer con estas máquinas y algoritmos, ya hemos llegado a algunos límites de lo que estas tecnologías pueden conseguir.

    Los vehículos autónomos son una prueba evidente. A pesar de los enormes progresos, hay casos, como el padecido por la empresa DarwinAI, que exponen los problemas de estos sistemas en el mundo real al salirse de los casos previstos. El sistema de DarwinAI decidía desviarse a la izquierda sin razón aparente, hasta que descubrieron que se debía a una mala interpretación del color del cielo.

    Otro ejemplo curioso es el experimento llevado a cabo por investigadores de Carnegie Mellon, que fueron capaces de confundir tanto a un sistema de reconocimiento facial como para que identificara a uno de ellos como la actriz Milla Jovovich, a pesar de ser claramente un hombre (el estudiante de doctorado Mahmood Sharif), por el simple método de usar una montura de gafas diseñada para provocar el error.

    Esto, que podría parecer una anécdota, expone unos problemas de seguridad preocupantes, además de diluir los límites en lo que podríamos llegar a percibir como real o irreal.

    Es decir, las aplicaciones de IA actuales basadas en machine learning funcionan muy bien o excepcionalmente bien en ámbitos muy "estrechos", pero bastante peor cuando intentan pasar de un ámbito a otro o simplemente ejecutarse en el poco previsible mundo real. Eso sí, hay un consenso en que aún no hemos llegado a la cúspide de lo que se podría conseguir con las tecnologías actuales de IA, que el autor llama "estadística con esteroides" y otros han denominado como "estadística glorificada" (John Alexis Guerra).

    Hace unos 70 años que la inteligencia artificial forma parte del imaginario tecnológico colectivo. Desde entonces, ha tenido periodos innovadores prometedores con otros en los que las innovaciones parecían estancarse. Algunos investigadores de IA han llamado a estos periodos veranos e inviernos de la inteligencia artificial. Parecemos estar en un verano muy soleado, ¿cuándo dejará el calor actual paso a la realidad?

    ...

    Página Web

    /

    Publicado el 2.1.2019 por Equipo GNOSS

    La siguiente Inteligencia Artificial - DARPA - AI Next Campaign

    Durante más de 5 décadas, DARPA (Defense Advanced Research Projects Agency) ha liderado la investigación y desarrollo que ha posibilitado el avance y aplicación de tecnologías de Inteligencia Artificial basadas en reglas y aprendizaje estadístico. Propone ahora el desarrollo y aplicación de una "tercera ola" de tecnologías de inteligencia artificial, con el programa "AI Next", en el que invertirá 2.000 millones de dólares.

    Las áreas claves del programa serán la automatización de procesos de negocio críticos del Departamento de Defensa de los Estados Unidos de América; mejora de la robustez y fiabilidad de los sistemas de IA; mejoras en la seguridad y resistencia de las tecnologías de machine learning; reducción del consumo energético y de las ineficiencias de rendimiento; y ser pioneros en la siguiente generación de algoritmos y aplicaciones de inteligencia artificial, como la "explicabilidad" y el razonamiento de sentido común.

    Las áreas específicas de la campaña AI Next son: 

    • Nuevas capacidades. Automatizar procesos críticos de negocio, como la acreditación de nuevos sistemas de software.
    • IA Robusta. Analizar los fallos de las tecnologías de IA, actualmente poco comprendidos, para obtener un rendimiento fiable.
    • IA Adversarial. Mejorar la robustez de los sistemas. Si bien es la herramienta más potente de la IA actual, machine learning se ha demostrado como fácilmente engañable con pequeños cambios en los inputs que nunca confundirían a un humano (ver Inteligencia Artificial: distinguiendo la moda de la realidad). Los datos usados para entrenar al sistema podrían ser incorrectos y hacer que el sistema fuese vulnerable a un ciberataque.
    • IA de alto rendimiento. Mejorar el rendimiento conteniendo y/o reduciendo el gasto energético, mediante el rediseño de algoritmos y hardware.
    • IA de siguiente generación. Añadir a los sistemas la capacidad de explicar sus resultados y dotarlos de razonamiento con conocimiento de sentido común.

     

    ...

    Página Web

    /

    Publicado el 29.11.2018 por Equipo GNOSS

    ¿Es más complicado que las máquinas entiendan el español que otros idiomas?

    En este artículo de Xataka se recogen opiniones de expertos en procesamiento de lenguaje natural, en las que exponen las dificultades de los sistemas para reconocer contextos y procesar ambigüedades, localismos o ironías.

    Según el artículo, esto es más complicado en español que en inglés y mucho más en lenguas con una morfología más compleja, como por ejemplo el euskera, el alemán o el finés con sus mecanismos de palabras compuestas.

    ...

    Página Web

    /

    Publicado el 29.11.2018 por Equipo GNOSS

    Artificial Unintelligence, o cómo los ordenadores entienden mal el mundo

    El libro Artificial Unintelligence, de Meredith Broussard, consigue, desde su propio título, poner en cuestión los límites de las actuales iniciativas de Inteligencia Artificial y explica por qué no debemos asumir que los ordenadores siempre tienen razón.

    Meredith Broussard argumenta que el entusiasmo colectivo para aplicar las tecnologías informáticas a todos los aspectos de la vida ha dado como resultado una enorme cantidad de sistemas pobremente diseñados. Según esta tesis, estamos tan ansiosos por hacer todo digitalmente (desde pedir comida a encontrar pareja) que hemos dejado de pedir que la tecnología funcione realmente y debemos recordar que hay límites fundamentales en lo que podemos (y debemos) hacer con la tecnología.

    La autora acusa al tecno-chauvinismo (la creencia de que la tecnología es siempre la solución) e indica que es simplemente falso que los problemas sociales vayan a desaparecer gracias a una utopía tecnológica. Para demostrarlo, nos invita a acompañarle en un preocupante viaje en un coche autónomo, a analizar con inteligencia artificial por qué los estudiantes no puede superar tests estandarizados o a intentar arreglar el sistema de financiación de las campañas electorales de EEUU construyendo un software de inteligencia artificial.

    ...

    Página Web

    /

    Publicado el 25.11.2018 por Ricardo Alonso Maturana

    El hazmerreír de las redes neuronales [RETINA-El País Economía] Publicado en Colorado el 19 NOV 2018

    Janelle Shane entrena redes neuronales para imitar datasets humanos llevando el humor absurdo a otro nivel. En la 'cabeza' de estos algoritmos, 'lámpara sexi' podría ser un disfraz de Halloween

    RESUMEN DEL ARTÍCULO:

    Por las mañanas, Janelle Shane se dedica a la investigación científica en el campo de la óptica. Por las noches, entrena redes neuronales para que hagan el ridículo. Por las mañanas, firma estudios como Efectos de la temperatura en nanoláseres semiconductores con revestimiento metálico. Por las tardes, firma posts como Personajes de Dragones y Mazmorras, generados por una red neuronal. ¿Intrigante? Con todos ustedes, Tretcher Twestybeard, la bruja enana.

    [...]

    Cuando se reencontró con la inteligencia artificial que había conocido brevemente en 2002, los cambios eran evidentes. "Ahora las redes neuronales son algo enorme. Filtran tu correo, te recomiendan películas, reconocen las caras de tus fotos... Esa explosión de aplicaciones comerciales se ha dado en los últimos diez años", afirma.

    Sin embargo, en el campo del humor queda mucho por hacer. "Hacer un chiste que funcione como uno humano en lugar de ser divertido porque fracasa terriblemente es un tema más complicado", asegura. Ha habido intentos de generar chistes utilizando listas de palabras relacionadas y los resultados son técnicamente correctos, pero ni remotamente divertidos. "Sencillamente les falta algo", sentencia Shane. ¿Veremos el día en que la inteligencia artificial sea capaz de reconocer y disfrutar el humor? "No creo. Eso es ciencia ficción".

     

    ...

    Página Web

    /

    Publicado el 21.11.2018 por Equipo GNOSS

    Streams, el asistente de Inteligencia Artificial para enfermeras y médicos de DeepMind, es absorbido por Google

    Los algoritmos de Google comenzarán a trabajar con datos sanitarios procedentes del Reino Unido de la mano de la empresa de Inteligencia Artificial DeepMind. Google ha absorbido la sección DeepMind Health y su aplicación de IA, Streams desarrollada para ayudar al Servicio Nacional de Salud (NHS) del Reino Unido,

    Streams, “reúne información médica importante, como los resultados de los análisis de sangre de los pacientes, en un solo lugar, lo que permite a los médicos de nuestros hospitales asociados detectar problemas graves mientras están en movimiento”.  Desde DeepMind señalan que espera que la IA ayude en los próximos años a transformar el progreso de la medicina y especialmente el diagnóstico, mejorándolo “potencialmente”, así como “el descubrimiento de fármacos y mucho más”.

    Una noticia muy polémica dado el malestar en el Reino Unido causado por uno de los primeros acuerdos de DeepMind con el NHS. En 2017 se dictaminó que esta asociación entre DeepMind y NHS era ilegal, por haberse recopilado datos médicos de 1,6 millones de pacientes sin informarles.

    DeepMind Health ha producido más aplicaciones inmediatas y prácticas que otras partes de la compañía, lo que probablemente lo convirtió en un objetivo tentador para el nuevo CEO de Google Health, David Feinberg. El nuevo mandato de Feinberg es reestructurar todas las apuestas dispares de Google en materia de salud, desde el hardware hasta los algoritmos.

     

    Información vía: https://www.theverge.com/https://www.bbc.com/news/technology-46206677

     

    ...

    Página Web

    /

    Publicado el 21.11.2018 por Equipo GNOSS

    Finalmente, una máquina que puede terminar su oración (New York Times)

    Completar el pensamiento de otra persona no es un una tarea sencilla para la Inteligencia Artificial. Pero los nuevos sistemas están empezando a descifrar el código del lenguaje natural.

    Este artículo de NYT detalla que Google reveló recientemene un sistema llamado Bert  que puede adivinar las palabras que faltan en millones de oraciones  (como "el hombre entró a una tienda y compró un ____ de leche"). También puede comprender muchas de las relaciones fundamentales entre las palabras en el idioma inglés, según afirma Jacob Devlin,  el investigador de Google al cargo de la creación de Bert.

    Bert tuvo éxito en parte porque se apoyaba en una enorme capacidad de procesamiento informático que no estaba disponible en las redes neuronales de años anteriores. Analizó todos los artículos de Wikipedia a lo largo de varios días utilizando docenas de procesadores construidos por Google específicamente para entrenar redes neuronales .

    Este mes, Google "abre la fuente" de su sistema Bert,  una vez entrenado en 102 idiomas, para que otros puedan aplicarlo a tareas adicionales. 

    ...

    Vídeo

    /

    Publicado el 17.10.2018 por Equipo GNOSS

    Inteligencia Artificial: cómo cambiará el mundo y tu vida. Espacio Fundación Telefónica

    Pablo Rodríguez revela las últimas claves de la inteligencia artificial acompañado de Roger Domingo, director editorial Grupo Planeta; y de Juan Ignacio Cirac, Premio Príncipe de Asturias de Investigación Científica y Técnica 2006.

    "Los datos son el combustible de la inteligencia artificial. Dicen tanto de nuestro comportamiento e interacciones y de cómo nos relacionamos con el entorno que, con la ayuda de potentes ordenadores y sofisticadas técnicas estadísticas, y en conjunción con la inteligencia artificial, pueden transformar para mejor la vida de millones de personas.

    Casi todos los problemas importantes del ser humano se pueden abordar usando los datos y la inteligencia artificial. Y, en este mismo momento, los algoritmos de inteligencia artificial están intentando predecir tu próximo movimiento, aprendiendo a conducir y luchando contra el cáncer. Allá donde haya una base de macrodatos, probablemente haya un algoritmo de inteligencia artificial trabajando para aprender lo que pueda de ellos. Y es que estos datos pueden ayudar a prevenir enfermedades, epidemias y catástrofes, permitir que las personas con discapacidades disfruten de una vida mejor, optimizar los recursos escasos y trabajar en favor de la inclusión, la seguridad y la equidad.

    Este fascinante libro plantea un recorrido por la historia de los datos, una mirada extraordinaria a su funcionamiento, un mapeo de las redes, el retrato de los gurús de los macrodatos y el futuro del internet de las cosas y de la inteligencia artificial. En él, Pablo Rodríguez desarrolla el que tal vez sea el análisis más completo de la próxima gran revolución que vamos a experimentar los humanos"

    ...

    Pdf

    /

    Publicado el 1.10.2018 por Equipo GNOSS

    Artificial Intelligence and Life in 2030. Stanford University

    "Artificial Intelligence and Life in 2030" One Hundred Year Study on Artificial Intelligence: Report of the 2015-2016 Study Panel, Stanford University, Stanford, CA,  September 2016. Doc: http://ai100.stanford.edu/2016-report. Accessed:  September 6, 2016.

    Executive Summary. Artificial Intelligence (AI) is a science and a set of computational technologies that are inspired by—but typically operate quite differently from—the ways people use their nervous systems and bodies to sense, learn, reason, and take action. While the rate of progress in AI has been patchy and unpredictable, there have been significant advances since the field's inception sixty years ago. Once a mostly academic area of study, twenty-first century AI enables a constellation of mainstream technologies that are having a substantial impact on everyday lives. Computer vision and AI planning, for example, drive the video games that are now a bigger entertainment industry than Hollywood. Deep learning, a form of machine learning based on layered representations of variables referred to as neural networks, has made speech-understanding practical on our phones and in our kitchens, and its algorithms can be applied widely to an array of applications that rely on pattern recognition. Natural Language Processing (NLP) and knowledge representation and reasoning have enabled a machine to beat the Jeopardy champion and are bringing new power to Web searches.

    While impressive, these technologies are highly tailored to particular tasks. Each application typically requires years of specialized research and careful, unique construction. In similarly targeted applications, substantial increases in the future uses of AI technologies, including more self-driving cars, healthcare diagnostics and targeted treatments, and physical assistance for elder care can be expected. AI and robotics will also be applied across the globe in industries struggling to attract younger workers, such as agriculture, food processing, fulfillment centers, and factories. They will facilitate delivery of online purchases through flying drones, self-driving trucks, or robots that can get up the stairs to the front door.

    This report is the first in a series to be issued at regular intervals as a part of the One Hundred Year Study on Artificial Intelligence (AI100). Starting from a charge given by the AI100 Standing Committee to consider the likely influences of AI in a typical North American city by the year 2030, the 2015 Study Panel, comprising experts in AI and other relevant areas focused their attention on eight domains they considered most salient: transportation; service robots; healthcare; education; low-resource communities; public safety and security; employment and workplace; and entertainment. In each of these domains, the report both reflects on progress in the past fifteen years and anticipates developments in the coming fifteen years. Though drawing from a common source of research, each domain reflects different AI influences and challenges, such as the difficulty of creating safe and reliable hardware (transportation and service robots), the difficulty of smoothly interacting with human experts (healthcare and education), the challenge of gaining public trust (low-resource communities and public safety and security), the challenge of overcoming fears of marginalizing humans (employment and workplace), and the social and societal risk of diminishing interpersonal interactions (entertainment). The report begins with a reflection on what constitutes Artificial Intelligence, and concludes with recommendations concerning AI-related policy. These recommendations include accruing technical expertise about AI in government and devoting more resources—and removing impediments—to research on the fairness, security, privacy, and societal impacts of AI systems.

    Contrary to the more fantastic predictions for AI in the popular press, the Study Panel found no cause for concern that AI is an imminent threat to humankind. No machines with self-sustaining long-term goals and intent have been developed, nor are they likely to be developed in the near future. Instead, increasingly useful applications of AI, with potentially profound positive impacts on our society and economy are likely to emerge between now and 2030, the period this report considers. At the same time, many of these developments will spur disruptions in how human labor is augmented or replaced by AI, creating new challenges for the economy and society more broadly. Application design and policy decisions made in the near term are likely to have long-lasting influences on the nature and directions of such developments, making it important for AI researchers, developers, social scientists, and policymakers to balance the imperative to innovate with mechanisms to ensure that AI's economic and social benefits are broadly shared across society. If society approaches these technologies primarily with fear and suspicion, missteps that slow AI's development or drive it underground will result, impeding important work on ensuring the safety and reliability of AI technologies. On the other hand, if society approaches AI with a more open mind, the technologies emerging from the field could profoundly transform society for the better in the coming decades.

    Study Panel: 

    Peter Stone, Chair, University of Texas at Austin
    Rodney Brooks, Rethink Robotics
    Erik Brynjolfsson, Massachussets Institute of Technology
    Ryan Calo, University of Washington
    Oren Etzioni, Allen Institute for AI
    Greg Hager, Johns Hopkins University
    Julia Hirschberg, Columbia University
    Shivaram Kalyanakrishnan, Indian Institute of Technology Bombay
    Ece Kamar, Microsoft Research
    Sarit Kraus, Bar Ilan University
    Kevin Leyton-Brown, University of British Columbia
    David Parkes, Harvard University
    William Press, University of Texas at Austin
    AnnaLee (Anno) Saxenian, University of California, Berkeley
    Julie Shah, Massachussets Institute of Technology
    Milind Tambe, University of Southern California
    Astro Teller, X

     

     

    ...