Iluminación bayesiana en la interpretación tecnológica

Iluminación bayesiana en la interpretación tecnológica

La Red bayesiana (BN) resulta uno de los modelos teóricos más eficaces para representar la incertidumbre de los conocimientos en la inteligencia artificial.

Se puede utilizar un modelo gráfico para representar las relaciones de independencia condicional entre las variables aleatorias en un dominio y codificar la distribución de probabilidad conjunta de las variables aleatorias en las observaciones de algunas variables, los valores de otras variables no observadas se pueden predecir por inferencia probabilística. Por lo tanto, los sistemas utilizan con éxito este paradigma para el procesamiento del lenguaje natural, o en los métodos de detección de comprimidos en el procesamiento digital de señales donde han encontrado uso en sistemas de vigilancia inalámbricos.

En las revistas de investigación existen multitud de publicaciones sobre estudios relativos, en la publicación de la revista Science, sobre Brenden Lake y el equipo de investigadores de la Universidad de Toronto y del Instituto de Tecnología de Massachussets (MIT), relata que acaban de conseguir realizar un modelo informático denominado BPL (Bayesian Program Learning), que es capaz de emular inicialmente la capacidad creativa humana, es decir aprender conceptos nuevos a partir de un único ejemplo.

Este modelo informático BPL posee una calidad de investigación que marca la diferencia en la prontitud y evaluación de los resultados, frente a los algoritmos hasta la fecha utilizados.

El programa es capaz de aprender toda una categoría de símbolos visuales a partir de un único ejemplo y después generalizar a partir de él de un modo que resulta indistinguible del que utilizan las personas, es decir como hacen las personas que aprenden un concepto por primera vez, e inmediatamente después resultan capaces de aplicarlo en un gran número de formas y situaciones diferentes.

El modelo en estos momentos,  es capaz de aprender un alfabeto a partir de caracteres escritos a mano, pero el sistema subyacente podría ampliarse para construir aplicaciones capaces de aprender de otros sistemas basados en símbolos, gestos, movimientos o idiomas, tanto escritos como hablados. La hazaña tecnológica  de este modelo es que resulta el amanecer de una era en la que las máquinas podrían ser capaces de aprender de su entorno igual que lo hacen los humanos.

No obstante los patrones de activación que se apliquen de las derivadas humanas implicadas en tareas de memoria no verbal, como gestos o movimientos, deberían demostrar una extraordinaria flexibilidad, para lograr un procesamiento eficiente y competente, para poder llegar a los niveles de la atención y los procesos de control cognitivo que poseen las personas.

Tengo la convicción de que no existes
y sin embargo te oigo cada noche

te invento a veces con mi vanidad
o mi desolación o mi modorra

del infinito mar viene tu asombro
lo escucho como un salmo y pese a todo

tan convencido estoy de que no existes
que te aguardo en mi sueño para luego.

(Mario Benedetti. * Sirena )