HALIFAX, NUEVA ESCOCIA – En los últimos años, la inteligencia artificial ha venido ganando mayor atención, dinero y talento que en cualquier otro momento de su breve historia. Pero gran parte del revuelo repentino se debe a mitos e ideas erróneas que son difundidos por gente fuera del campo.
Durante muchos años, el campo estuvo creciendo de manera incremental. Las estrategias existentes tuvieron un desempeño 1-2% mejor cada año en base a parámetros estándar. Pero se registró un verdadero progreso en 2012, cuando el experto informático Geoffrey Hinton y sus colegas de la Universidad de Toronto demostraron que sus algoritmos de “aprendizaje profundo” podían superar a los algoritmos de visión de computadora de vanguardia por un margen de 10,8 puntos porcentuales en el ImageNet Challenge (un conjunto de datos de referencia).
Al mismo tiempo, los investigadores de IA se beneficiaron de herramientas cada vez más poderosas, entre ellas la computación de nube costo-efectiva, el hardware para procesar números rápido y barato (GPU), el intercambio de datos fluido a través de Internet y los avances en el software de fuente abierta de alta calidad. Debido a estos factores, el aprendizaje automático, y particularmente el aprendizaje profundo, se han apoderado de la IA y han generado una ola de excitación. Los inversores vienen haciendo fila para financiar compañías prometedoras de IA y los gobiernos han venido invirtiendo cientos de millones de dólares en institutos de investigación de IA.
HALIFAX, NUEVA ESCOCIA – En los últimos años, la inteligencia artificial ha venido ganando mayor atención, dinero y talento que en cualquier otro momento de su breve historia. Pero gran parte del revuelo repentino se debe a mitos e ideas erróneas que son difundidos por gente fuera del campo.
Durante muchos años, el campo estuvo creciendo de manera incremental. Las estrategias existentes tuvieron un desempeño 1-2% mejor cada año en base a parámetros estándar. Pero se registró un verdadero progreso en 2012, cuando el experto informático Geoffrey Hinton y sus colegas de la Universidad de Toronto demostraron que sus algoritmos de “aprendizaje profundo” podían superar a los algoritmos de visión de computadora de vanguardia por un margen de 10,8 puntos porcentuales en el ImageNet Challenge (un conjunto de datos de referencia).
Al mismo tiempo, los investigadores de IA se beneficiaron de herramientas cada vez más poderosas, entre ellas la computación de nube costo-efectiva, el hardware para procesar números rápido y barato (GPU), el intercambio de datos fluido a través de Internet y los avances en el software de fuente abierta de alta calidad. Debido a estos factores, el aprendizaje automático, y particularmente el aprendizaje profundo, se han apoderado de la IA y han generado una ola de excitación. Los inversores vienen haciendo fila para financiar compañías prometedoras de IA y los gobiernos han venido invirtiendo cientos de millones de dólares en institutos de investigación de IA.