Las IAs ya eran buenas encontrando la solución a un problema (el «qué»). Ahora, esta IA está diseñando el proceso óptimo para llegar a esa solución (el «cómo»). Es la diferencia entre saber que 2+2=4 y descubrir el concepto mismo de la suma. Ahora, un estudio sobre Google DeepMind, publicado en Nature, representa un salto cualitativo en las capacidades de la IA. No se trata solo de optimizar, sino de innovar en un terreno principalmente humano: la creación de conocimiento abstracto y eficiente.. El hecho de que la IA de Google redescubriera por sí sola, principios matemáticos como el de Karatsuba (multiplicar números grandes de forma más eficiente) es monumental. No se limitó a mezclar el código existente; inventó un procedimiento mejor, un logro que antes era dominio exclusivo de mentes humanas excepcionales. Los científicos soviéticos descubrieron este principio en 1960, tras años de investigación matemática. Esta IA lo redescubrió desde cero, sin que se le hubiera enseñado.. Los algoritmos humanos a menudo se basan en intuiciones y patrones que hemos descubierto a lo largo de décadas. La IA, libre de esos sesgos, exploró el espacio de posibilidades de forma más exhaustiva y encontró métodos que los humanos habíamos pasado por alto. Esto sugiere que nuestro conocimiento algorítmico actual podría ser solo la punta del iceberg.. Imagina que el motor de un coche, mientras circula por la autopista, pudiera rediseñar sus propios pistones para ser más eficiente. O que una cámara, mientras graba, reinventara la forma en que la luz incide sobre el sensor para obtener una imagen más nítida. Suena a ciencia ficción, pero es justo el salto que acaba de dar la IA: desarrollar nuevos algoritmos que son más eficientes que los mejores creados por la mente humana. En pocas palabras, estamos asistiendo al momento en que las máquinas empiezan a reescribir las reglas básicas de su propio funcionamiento.. Hasta ahora, las IA eran excelentes herramientas de optimización. Podían encontrar la ruta más rápida o recomendar una canción. Pero este nuevo sistema, basado en aprendizaje por refuerzo (la misma técnica que usó AlphaGo para derrotar al campeón mundial de Go), ha dado un paso cualitativo mucho mayor.. Posteriormente, la IA fue más allá y diseñó algoritmos novedosos para una operación fundamental en informática llamada «clasificación» (ordenar datos), que superaron en eficiencia a los estándares de la industria. Es como si, tras aprender las reglas del ajedrez, una IA no solo se volviera la mejor jugadora, sino que inventara una pieza nueva que hiciera el juego más estratégico.. ¿Y ahora, qué, significa el fin de los programadores? La respuesta es un no rotundo, pero con un matiz transformador: no será el fin, pero sí será el fin de la programación tal y como la conocemos. El trabajo del ingeniero de software no desaparecerá, sino que evolucionará de un creador de código línea por línea a un arquitecto de problemas y un supervisor de genios algorítmicos. Su nuevo rol se parecerá más al de un director de orquesta que al de un músico individual.. Las implicaciones de este meta-avance son difíciles de cuantificar. Al mejorar los algoritmos fundamentales que usan, desde los sistemas operativos hasta las bases de datos, podríamos experimentar una aceleración general de toda la tecnología.. Los procesos de compresión de datos podrían ser más eficientes, ahorrando ancho de banda y espacio de almacenaje. Los cálculos científicos complejos podrían realizarse en una fracción del tiempo. Los teléfonos y ordenadores podrían volverse más rápidos sin necesidad de cambiar su hardware, simplemente porque el software que ejecutan estaría mejor diseñado… por otras máquinas.
Esta inteligencia artificial ha descubierto cómo funciona. Y se ha “mejorado” a sí misma.
Las IAs ya eran buenas encontrando la solución a un problema (el «qué»). Ahora, esta IA está diseñando el proceso óptimo para llegar a esa solución (el «cómo»). Es la diferencia entre saber que 2+2=4 y descubrir el concepto mismo de la suma. Ahora, un estudio sobre Google DeepMind, publicado en Nature, representa un salto cualitativo en las capacidades de la IA. No se trata solo de optimizar, sino de innovar en un terreno principalmente humano: la creación de conocimiento abstracto y eficiente.. El hecho de que la IA de Google redescubriera por sí sola, principios matemáticos como el de Karatsuba (multiplicar números grandes de forma más eficiente) es monumental. No se limitó a mezclar el código existente; inventó un procedimiento mejor, un logro que antes era dominio exclusivo de mentes humanas excepcionales. Los científicos soviéticos descubrieron este principio en 1960, tras años de investigación matemática. Esta IA lo redescubrió desde cero, sin que se le hubiera enseñado.. Los algoritmos humanos a menudo se basan en intuiciones y patrones que hemos descubierto a lo largo de décadas. La IA, libre de esos sesgos, exploró el espacio de posibilidades de forma más exhaustiva y encontró métodos que los humanos habíamos pasado por alto. Esto sugiere que nuestro conocimiento algorítmico actual podría ser solo la punta del iceberg.. Imagina que el motor de un coche, mientras circula por la autopista, pudiera rediseñar sus propios pistones para ser más eficiente. O que una cámara, mientras graba, reinventara la forma en que la luz incide sobre el sensor para obtener una imagen más nítida. Suena a ciencia ficción, pero es justo el salto que acaba de dar la IA: desarrollar nuevos algoritmos que son más eficientes que los mejores creados por la mente humana. En pocas palabras, estamos asistiendo al momento en que las máquinas empiezan a reescribir las reglas básicas de su propio funcionamiento.. Hasta ahora, las IA eran excelentes herramientas de optimización. Podían encontrar la ruta más rápida o recomendar una canción. Pero este nuevo sistema, basado en aprendizaje por refuerzo (la misma técnica que usó AlphaGo para derrotar al campeón mundial de Go), ha dado un paso cualitativo mucho mayor.. Posteriormente, la IA fue más allá y diseñó algoritmos novedosos para una operación fundamental en informática llamada «clasificación» (ordenar datos), que superaron en eficiencia a los estándares de la industria. Es como si, tras aprender las reglas del ajedrez, una IA no solo se volviera la mejor jugadora, sino que inventara una pieza nueva que hiciera el juego más estratégico.. ¿Y ahora, qué, significa el fin de los programadores? La respuesta es un no rotundo, pero con un matiz transformador: no será el fin, pero sí será el fin de la programación tal y como la conocemos.El trabajo del ingeniero de software no desaparecerá, sino que evolucionará de un creador de código línea por línea a un arquitecto de problemas y un supervisor de genios algorítmicos. Su nuevo rol se parecerá más al de un director de orquesta que al de un músico individual.. Las implicaciones de este meta-avance son difíciles de cuantificar. Al mejorar los algoritmos fundamentales que usan, desde los sistemas operativos hasta las bases de datos, podríamos experimentar una aceleración general de toda la tecnología.. Los procesos de compresión de datos podrían ser más eficientes, ahorrando ancho de banda y espacio de almacenaje.Los cálculos científicos complejos podrían realizarse en una fracción del tiempo. Los teléfonos y ordenadores podrían volverse más rápidos sin necesidad de cambiar su hardware, simplemente porque el software que ejecutan estaría mejor diseñado… por otras máquinas.
Noticias de Tecnología y Videojuegos en La Razón
