La Universidad de Tecnología de Sídney (Australia) desarrolló un nuevo algoritmo de aprendizaje automático, denominado Torque Clustering, que permite a los sistemas de inteligencia artificial (IA) analizar grandes volúmenes de datos sin intervención humana.
Este avance significa que los modelos de IA pueden aprender y descubrir patrones en sus modelos de forma autónoma.
Torque Clustering fue diseñado para procesar datos en diversas áreas entre las que se incluyen medicina, astronomía, psicología, finanzas, biología y química. En esas disciplinas, el modelo es capaz de procesar información y revelar hallazgos relacionados con enfermedades, fraudes financieros e incluso analizar comportamientos humanos, de acuerdo con los investigadores de la Universidad de Sídney.
A diferencia de otros métodos de aprendizaje no supervisado que se han desarrollado, los creadores de Torque Clustering aseguraron que este opera sin parámetros predefinidos y se destaca por su eficiencia computacional para procesar los datos.
Los métodos tradicionales de aprendizaje para sistemas de IA requieren de una guía humana o estructura para funcionar correctamente, lo que contrasta con Torque Clustering, que se caracteriza por su autonomía total.
Este algoritmo por sí solo puede explorar conjuntos de datos masivos sin depender de instrucciones específicas provenientes de la intervención humana, es decir, que al usar este modelo no requerirá de órdenes precisas para funcionar.
Pruebas del nuevo algoritmo para sistemas de IA
Durante las pruebas realizadas por los investigadores, el algoritmo demostró una puntuación promedio del 97,7 % de efectividad al ser evaluado en mil conjuntos de datos diferentes.
El informe para dar a conocer a Torque Clustering explicó que otros algoritmos avanzados para funcionar de manera autónoma solo han alcanzado puntuaciones alrededor del 80 %, por lo que subrayaron la efectividad superior de este desarrollo.
De acuerdo con la empresa alemana IONOS, un algoritmo es un conjunto predefinido de instrucciones humanas diseñadas para resolver problemas específicos, por ejemplo, en el ámbito informático, estos procedimientos convierten comandos en tareas a realizar por el sistema mediante secuencias claras de pasos.
Los algoritmos se modelan utilizando varios conjuntos de datos estructurados y etiquetados, lo que implica que primero se entrenan con grandes volúmenes de datos donde cada comando tiene una orden correspondiente.
Una vez completado este proceso inicial, el modelo puede hacer predicciones basadas en nuevos datos no vistos anteriormente por los humanos. A esto se refiere el aprendizaje automático de los sistemas tradicionales de IA, que dependen del entrenamiento supervisado.
Sin embargo, algoritmos como Torque Clustering están allanando el camino hacia un futuro donde las máquinas pueden aprender, analizar y adaptarse por sí solas.
Usos y riesgos del Torque Clustering
Los investigadores resaltaron que el potencial uso del Torque Clustering va más allá del análisis básico de datos debido a que fue concebido con la idea de poder respaldar el desarrollo de inteligencia artificial general (AGI), especialmente en áreas como robótica y sistemas autónomos.
Al optimizar aspectos como el movimiento, control y toma de decisiones en robots y otras máquinas inteligentes, este algoritmo podría facilitar los avances en los que trabajan las empresas de tecnología con IA autónoma.
Aunque los avances en este sentido son aprovechados en el área tecnológica, algunos expertos han reiterado algunos riesgos que podrían generar este tipo de algoritmos en los que la supervisión humana queda relegada.
El Informe Científico Internacional sobre la Seguridad de la Inteligencia Artificial Avanzada, respaldado por expertos de 30 países, se presentó en París el 29 de enero para resaltar la necesidad de crear barreras o límites para este tipo de tecnología.
“A medida que la IA de propósito general se vuelve más capaz por sí misma, gradualmente emergen evidencias de riesgos adicionales y las técnicas de gestión de riesgos están solo en sus etapas iniciales”, dice el informe.
No obstante, la tecnología sigue avanzando en la carrera por desarrollar nuevos modelos inteligentes cada vez más independientes de la guía humana.
La entrada ¿Qué se sabe del algoritmo que permite a sistemas de IA funcionar sin guía humana? se publicó primero en El Diario.
