Nueva IA de DeepMind

 La nueva IA de DeepMind puede ser mejor para distribuir los recursos de la sociedad que los humanos

 Por: Edd Gent (original en inglés)

Cómo los grupos de humanos que trabajan juntos en colaboración deben redistribuir la riqueza que crean es un problema que ha plagado a filósofos, economistas y politólogos durante años. Un nuevo estudio de DeepMind sugiere que la IA puede ser capaz de tomar mejores decisiones que los humanos.

La IA está demostrando ser cada vez más experta en resolver desafíos complejos en todo, desde los negocios hasta la biomedicina, por lo que la idea de usarla para ayudar a diseñar soluciones a problemas sociales es atractiva. Pero hacerlo es complicado, porque responder a este tipo de preguntas requiere confiar en ideas altamente subjetivas como la equidad, la justicia y la responsabilidad.

Para que una solución de IA funcione, debe alinearse con los valores de la sociedad con la que está tratando, pero la diversidad de ideologías políticas que existe hoy en día sugiere que estas están lejos de ser uniformes. Eso hace que sea difícil determinar para qué se debe optimizar e introduce el peligro de que los valores de los desarrolladores sesguen el resultado del proceso.

La mejor manera que las sociedades humanas han encontrado para lidiar con los inevitables desacuerdos sobre tales problemas es la democracia, en la que las opiniones de la mayoría se utilizan para guiar las políticas públicas. Así que ahora los investigadores de Deepmind han desarrollado un nuevo enfoque que combina la IA con la deliberación democrática humana para encontrar mejores soluciones a los dilemas sociales.

Para probar su enfoque, los investigadores llevaron a cabo un estudio de prueba de concepto utilizando un juego simple en el que los usuarios deciden cómo compartir sus recursos para beneficio mutuo. El experimento está diseñado para actuar como un microcosmos de las sociedades humanas en las que las personas de diferentes niveles de riqueza necesitan trabajar juntas para crear una sociedad justa y próspera.

El juego involucra a cuatro jugadores que reciben diferentes cantidades de dinero y tienen que decidir si se lo guardan para sí mismos o lo pagan en un fondo público que genera un retorno de la inversión. Sin embargo, la forma en que se redistribuye este retorno de la inversión se puede ajustar de manera que beneficie a algunos jugadores sobre otros.

Los posibles mecanismos incluyen el estricta igualdad, donde los rendimientos de los fondos públicos se comparten por igual independientemente de la contribución; libertario, donde los pagos son proporcionales a las contribuciones; e igualitario liberal, donde el pago de cada jugador es proporcional a la fracción de sus fondos privados que aportan.

En una investigación publicada en Nature Human Behavior, los investigadores describen cómo lograron que grupos de humanos jugaran muchas rondas de este juego bajo diferentes niveles de desigualdad y utilizando diferentes mecanismos de redistribución. Luego se les pidió que votaran sobre qué método de dividir las ganancias preferían.

Estos datos se utilizaron para entrenar a una IA para imitar el comportamiento humano en el juego, incluida la forma en que los jugadores votan. Los investigadores enfrentaron a estos jugadores de IA entre sí en miles de juegos, mientras que otro sistema de IA modificó el mecanismo de redistribución en función de la forma en que los jugadores de IA estaban votando.

Al final de este proceso, la IA se había decidido por un mecanismo de redistribución que era similar al igualitario liberal, pero no devolvió casi nada a los jugadores a menos que contribuyeran con aproximadamente la mitad de su riqueza privada. Cuando los humanos jugaron juegos que enfrentaron este enfoque contra los tres mecanismos principales establecidos, el diseñado por IA ganó consistentemente la votación. También le fue mejor que a los juegos en los que los árbitros humanos decidieron cómo compartir los retornos.

Los investigadores dicen que el mecanismo diseñado por la IA probablemente funcionó bien porque basar los pagos en contribuciones relativas en lugar de absolutas ayuda a corregir los desequilibrios iniciales de riqueza, pero forzar una contribución mínima evita que los jugadores menos ricos simplemente aprovechen las contribuciones de los más ricos.

Los investigadores identificaron varios problemas potenciales ellos mismos. Un problema con la democracia puede ser la "tiranía de la mayoría", que puede hacer que persistan los patrones existentes de discriminación o injusticia contra las minorías. También plantean cuestiones de explicabilidad y confianza, que serían cruciales si las soluciones diseñadas por IA alguna vez se aplicaran a dilemas del mundo real.

El equipo diseñó explícitamente su modelo de IA para generar mecanismos que se puedan explicar, pero esto podría ser cada vez más difícil si el enfoque se aplica a problemas más complejos. A los jugadores tampoco se les dijo cuándo la redistribución estaba siendo controlada por la IA, y los investigadores admiten que este conocimiento puede afectar la forma en que votan.

Sin embargo, como primera prueba de principio, esta investigación demuestra un nuevo enfoque prometedor para resolver problemas sociales, que combina lo mejor de la inteligencia artificial y humana. Todavía estamos muy lejos de que las máquinas ayuden a establecer políticas públicas, pero parece que la IA algún día puede ayudarnos a encontrar nuevas soluciones que vayan más allá de las ideologías establecidas.

 Fuente: SingularityHub

Las Metasuperficies Inteligentes

 Las Metasuperficies Inteligentes

 Las Metasuperficies Inteligentes

Las metasuperficies abren la puerta a la telequinesis y la telepatía con la tecnología 

Por Shelly Fan

Los fanáticos de Stranger Things estarán familiarizados con esta escena: Eleven, una chica con poderes telequinéticos, mira fijamente una lata de Coca-Cola. Sin tocar físicamente la lata, la aplasta por completo usando solo su mente.

Cambiar objetos con la mente ha sido durante mucho tiempo un tropo en la ciencia ficción. Ahora, gracias a las metasuperficies, dos estudios acaban de demostrar que es potencialmente posible.

Los metamateriales son compuestos artificiales con propiedades ópticas extrañas. A menudo dispuestos en tándem, pueden interactuar con ondas electromagnéticas, incluida la luz visible, de maneras que son imposibles para los materiales naturales. Esto les da un superpoder: pueden adaptar fácilmente sus propiedades, por ejemplo, doblar la luz de diferentes maneras, en lugar de confiar en las propiedades de los materiales de los que están hechos.

¿Por qué preocuparse? Nuestros cerebros generan ondas electromagnéticas a medida que procesan la información. Dependiendo del estado del cerebro, por ejemplo, si está "relajado" versus "concentrado", diferentes frecuencias de ondas cerebrales toman el control. Entonces, ¿por qué no usar el cerebro como fuente para desencadenar cambios en los metamateriales?

En el primer estudio, publicado en eLight, el equipo utilizó un módulo de extracción de ondas cerebrales que permitió a los voluntarios controlar una metasuperficie, una versión 2D de los metamateriales, solo con sus mentes. Todo el sistema es inalámbrico y se basa en Bluetooth. Extrajeron ondas cerebrales de la voluntaria mientras se relajaba o concentraba, y a través de un controlador, cambiaron la forma en que la metasuperficie vinculada dispersaba la luz. No es tan dramático como doblar una lata de Coca-Cola, claro, pero es una demostración futurista de usar la mente para controlar el material físico.

Un segundo estudio llevó la idea un poco más allá. Diferentes metasuperficies pueden "hablar" entre sí en función de las propiedades electromagnéticas. Aquí, el equipo conectó a dos personas a metasuperficies para enviar mensajes de texto con sus mentes. Un voluntario era el transmisor, el otro el receptor. Al concentrarse, las ondas cerebrales del transmisor cambiaron las propiedades de la metasuperficie para codificar diferentes mensajes binarios. Al decodificar, el receptor obtuvo el texto, todo sin mover un solo dedo.

Por ahora, la tecnología futurista todavía está en su infancia. Pero los científicos imaginan que algún día podrán usar metamateriales para una miríada de propósitos: monitorear el estado de atención de un conductor, por ejemplo, o incorporarlos en interfaces cerebro-máquina no invasivas.

"Combinados con algoritmos inteligentes como el aprendizaje automático, los dos trabajos presentados pueden abrir aún más una nueva dirección a los sistemas avanzados de metasuperficie biointeligente", dijo el Dr. Xiangang Luo del Instituto de Óptica y Electrónica de la Academia china de Ciencias, que no participó en ninguno de los estudios.

La rareza de las metasuperficies

Las metasuperficies son como un sueño febril. Normalmente esperamos que nuestros materiales se comporten de manera consistente: las botellas de vidrio se rompen bajo presión; grietas de madera; el algodón es suave. Los metamateriales cambian este paradigma. A menudo formados por una amalgama de materiales (los materiales piezoeléctricos son los favoritos), cambian fácilmente sus propiedades estructurales y de flexión de la luz bajo el efecto de los campos electromagnéticos.

Esto ha llevado a capas de invisibilidad preliminares, camuflaje dinámico, superlentes y milibabots impresos en 3D que algún día podrían vagar por su cuerpo para administrar medicamentos de manera inteligente cuando sea necesario.

Las metasuperficies son primas 2D de los metamateriales. Aquí, las estructuras repetitivas en los metamateriales se tejen en una estructura similar a una lámina, manteniendo su capacidad para controlar "casi todas las características de las ondas electromagnéticas", dijo el Dr. Shaobo Qu de la Universidad de Ingeniería de la Fuerza Aérea en China, quien dirigió el ensayo de telequinesis. Las metasuperficies programables (PM) son un paso adelante, ya que sus funciones pueden controlarse de manera predecible mediante influencias externas para cambiar los modos de funcionamiento, como un espejo "inteligente" de baño con varios ajustes de luz dependiendo de su estado de ánimo.

Normalmente, las ondas electromagnéticas provienen de un generador. Pero nuestros cerebros estallan con diferentes frecuencias de estas ondas, que colectivamente representan señales eléctricas en grandes regiones. Las ondas beta, por ejemplo, circulan aproximadamente de 15 a 40 veces por segundo, y se asocian con una mente comprometida. Las ondas theta, en contraste, se correlacionan con soñar despierto, una especie de relajación mental. Los científicos han descubierto que es posible controlar las ondas cerebrales y cambiarlas activamente de un estado a otro a través del neurofeedback.

Las ondas cerebrales pueden ser captadas fácilmente por una tapa de electrodos incrustados. Esto llevó al equipo a preguntarse: ¿podemos usar estas señales para controlar las metasuperficies?

En un estudio, Qu propuso un diseño simple utilizando un módulo de extracción de ondas cerebrales. Tiene tres partes: el sensor, el controlador y el actuador. El sensor recoge las ondas cerebrales a través de electrodos colocados en el cuero cabelludo. Aquí, el equipo utilizó un módulo disponible comercialmente, ThinkGear AM, un chip asequible popular entre la comunidad de hackers de ondas cerebrales diY EEG.

Los datos grabados se transmiten al controlador a través de Bluetooth. El controlador también está hecho de un componente de bajo costo, con Arduino en su corazón. Las señales de ondas cerebrales se convierten en una medida para la atención y se alimentan en el actuador. Dependiendo del nivel de atención de la persona, el actuador agrupa los datos en cuatro grupos y emite diferentes voltajes.

"Los cuatro intervalos umbral corresponden a la intensidad de atención distraída, neutral, concentrada y extremadamente concentrada, respectivamente", explicó el equipo.

El voltaje alto o bajo corresponde a una secuencia de codificación 1 o 0. Estas secuencias luego se asignan a diferentes propiedades del material para la metasuperficie, que a su vez controla cómo dispersa la luz.

¿El resultado final? En una prueba de concepto, un voluntario se sentó en una cámara anecoica, una habitación diseñada para bloquear el sonido circundante o las ondas electromagnéticas. Con electrodos secos en la cabeza, cerró los ojos mientras recorría diferentes estados de concentración. Al medir las propiedades de dispersión de la luz de la metasuperficie, el equipo encontró una fuerte correspondencia entre su intensidad de atención y las propiedades del material.

El estudio no muestra que sea posible mover físicamente los materiales con la mente. Pero sí muestra que es posible controlar remotamente un material basado solo en el pensamiento. Por ahora, la tecnología es principalmente una prueba fría de evidencia que allana el camino para materiales controlados por la mente para el monitoreo de la salud o sensores inteligentes. Un obstáculo importante es cómo lidiar con el ruido electromagnético externo, que podría ocluir las señales de control neuronal.

Comunicación de cerebro a cerebro

La telequinesis ya me deja boquiabierto. Pero, ¿qué pasa con la telepatía?

Un estudio separado utilizó metasuperficies como una especie de teléfono para ayudar a dos personas a enviar mensajes de texto simples, todo sin mover un dedo.

La comunicación directa de cerebro a cerebro no es nueva. Estudios previos que utilizaron configuraciones no invasivas hicieron que los participantes jugaran 20 preguntas con sus ondas cerebrales. Otro estudio construyó un BrainNet para tres voluntarios, lo que les permitió jugar un juego similar al Tetris usando solo ondas cerebrales. El conducto para esos mindmelds dependía de los cables e Internet. Un nuevo estudio preguntó si las metasuperficies podrían hacer lo mismo.

Dirigido por el Dr. Tie Jun Cui en el Instituto del Espacio Electromagnético de la Universidad del Sureste de China, el estudio vinculó una señal de onda cerebral bien conocida, P300, con las propiedades de una metasuperficie. Su configuración, cerebro-computadora-metasuperficie electromagnética (EBCM), utilizó ondas cerebrales para controlar un tipo particular de metasuperficie conocida como metasuperficie de información, que puede codificar 0s y 1s como una placa de circuito electrónico.

El experimento contó con dos voluntarios: un transmisor y un receptor. El transmisor tenía sus ondas cerebrales monitoreadas con EEG, con un enfoque específico en la señal P300. Las señales se decodificaron en código binario, que luego se utilizó para controlar las propiedades metasuperficiales del transmisor. Estos cambios cambiaron de forma inalámbrica la metasuperficie del receptor, que luego se decodificó y se tradujo de nuevo en información de texto para que el receptor la leyera.

La configuración transmitió con éxito cuatro secuencias de texto: "hola mundo", "Hola, Sue", "Hola, Scut" y "Metasuperficie BCI". Es un proceso lento, con un promedio de aproximadamente cinco segundos para cada personaje, pero podría mejorarse con algunos "paradigmas de ortografía rápida", dijo el equipo.

Todavía estamos lejos de la telequinesis y la telepatía basadas en la tecnología. Pero esos superpoderes pueden no ser tan descabellados como se pensaba. Por ahora, los equipos están ansiosos por adoptar sus configuraciones para mejorar la salud.

"Nuestro trabajo puede abrir aún más una nueva dirección para explorar la integración profunda de la metasuperficie, la inteligencia cerebral humana y la inteligencia artificial, a fin de construir nuevas generaciones de sistemas de metasuperficie biointeligentes", dijo Cui.

Fuente: SingularityHub

¿Podemos viajar en el tiempo?

 ¿Podemos viajar en el tiempo?

 ¿Podemos viajar en el tiempo?

¿Podemos viajar en el tiempo? Un físico teórico proporciona algunas respuestas

Por Peter Watson 

Los viajes en el tiempo hacen apariciones regulares en la cultura popular, con innumerables historias de viajes en el tiempo en películas, televisión y literatura. Pero es una idea sorprendentemente antigua: se puede argumentar que la tragedia griega Edipo Rex, escrita por Sófocles hace más de 2.500 años, es la primera historia de viaje en el tiempo.

Pero, ¿es posible viajar en el tiempo? Dada la popularidad del concepto, esta es una pregunta legítima. Como físico teórico, encuentro que hay varias respuestas posibles a esta pregunta, no todas las cuales son contradictorias.

La respuesta más simple es que el viaje en el tiempo no puede ser posible porque si lo fuera, ya lo estaríamos haciendo. Se puede argumentar que está prohibido por las leyes de la física, como el segunda ley de la termodinámica o la relatividad. También hay desafíos técnicos: podría ser posible, pero implicaría grandes cantidades de energía.

También está la cuestión de las paradojas de los viajes en el tiempo; podemos, hipotéticamente, resolverlos si el libre albedrío es una ilusión, si existen muchos mundos o si el pasado solo puede ser presenciado pero no experimentado. Tal vez el viaje en el tiempo es imposible simplemente porque el tiempo debe fluir de manera lineal y no tenemos control sobre él, o tal vez el tiempo es una ilusión y el viaje en el tiempo es irrelevante.

Leyes de la física

Dado que la teoría de la relatividad de Albert Einstein, que describe la naturaleza del tiempo, el espacio y la gravedad, es nuestra teoría más profunda del tiempo, nos gustaría pensar que el viaje en el tiempo está prohibido por la relatividad. Desafortunadamente, uno de sus colegas del Instituto de Estudios Avanzados, Kurt Gödel, inventó un universo en el que el viaje en el tiempo no solo era posible, sino que el pasado y el futuro estaban inextricablemente enredados.

De hecho, podemos máquinas del tiempo de diseño, pero la mayoría de estas (en principio) propuestas exitosas requieren energía negativa, o masa negativa, que no parece existir en nuestro universo. Si deja caer una pelota de tenis de masa negativa, caerá hacia arriba. Este argumento es bastante insatisfactorio, ya que explica por qué no podemos viajar en el tiempo en la práctica solo involucrando otra idea, la de la energía o masa negativa, que realmente no entendemos. 

Conceptualizó el físico matemático Frank Tipler una máquina del tiempo que no implica masa negativa, pero requiere más energía de la que existe en el universo.

El viaje en el tiempo también viola el segunda ley de la termodinámica, que establece que la entropía o aleatoriedad siempre debe aumentar. El tiempo solo puede moverse en una dirección, en otras palabras, no puedes descifrar un huevo. Más específicamente, al viajar al pasado vamos de ahora (un estado de alta entropía) al pasado, que debe tener una entropía más baja.

Este argumento se originó con el cosmólogo inglés. Arturo Eddington, y es, en el mejor de los casos, incompleto. Tal vez te impida viajar al pasado, pero no dice nada sobre el viaje en el tiempo hacia el futuro. En la práctica, es tan difícil para mí viajar al próximo jueves como lo es viajar al jueves pasado.

Resolución de paradojas

No hay duda de que si pudiéramos viajar en el tiempo libremente, nos encontraríamos con las paradojas. La más conocida es la "paradoja del abuelo": uno podría hipotéticamente usar una máquina del tiempo para viajar al pasado y asesinar a su abuelo antes de la concepción de su padre, eliminando así la posibilidad de su propio nacimiento. Lógicamente, no puedes existir y no existir.

La novela contra la guerra de Kurt Vonnegut Matadero-Cinco, publicado en 1969, describe cómo evadir la paradoja del abuelo. Si el libre albedrío simplemente no existe, no es posible matar al abuelo de uno en el pasado, ya que no fue asesinado en el pasado. El protagonista de la novela, Billy Pilgrim, solo puede viajar a otros puntos de su línea del mundo (la línea de tiempo en la que existe), pero no a ningún otro punto en el espacio-tiempo, por lo que ni siquiera podía contemplar matar a su abuelo.

El universo en Slaughterhouse-Five es consistente con todo lo que sabemos. La segunda ley de la termodinámica funciona perfectamente bien dentro de ella y no hay conflicto con la relatividad. Pero es inconsistente con algunas cosas en las que creemos, como el libre albedrío: puedes observar el pasado, como ver una película, pero no puedes interferir con las acciones de las personas en ella.

¿Podríamos permitir modificaciones reales del pasado, para que pudiéramos regresar y asesinar a nuestro abuelo? o Hitler? Hay varias teorías del multiverso que suponen que hay muchas líneas de tiempo para diferentes universos. Esta es también una vieja idea: en A Christmas Carol de Charles Dickens, Ebeneezer Scrooge experimenta dos líneas de tiempo alternativas, una de las cuales conduce a una muerte vergonzosa y la otra a la felicidad.

El tiempo es un río

El emperador romano Marco Aurelio escribió que:

"El tiempo es como un río hecho de los acontecimientos que suceden, y un arroyo violento; porque tan pronto como una cosa ha sido vista, se deja llevar, y otra viene en su lugar, y esto también será llevado".

Podemos imaginar que el tiempo fluye más allá de cada punto del universo, como un río alrededor de una roca. Pero es difícil hacer que la idea sea precisa. Un flujo es una tasa de cambio: el flujo de un río es la cantidad de agua que pasa una longitud específica en un tiempo determinado. Por lo tanto, si el tiempo es un flujo, es a razón de un segundo por segundo, lo cual no es una idea muy útil.

El físico teórico Stephen Hawking sugirió que un "conjetura de protección de cronología" debe existir, un principio físico aún desconocido que prohíbe viajar en el tiempo. El concepto de Hawking se origina en la idea de que no podemos saber lo que sucede dentro de un agujero negro, porque no podemos obtener información de él. Pero este argumento es redundante: ¡no podemos viajar en el tiempo porque no podemos viajar en el tiempo!

Los investigadores están investigando una teoría más fundamental, donde el tiempo y el espacio "emergen" de otra cosa. Esto se conoce como gravedad cuántica, pero desafortunadamente aún no existe.

Entonces, ¿es posible viajar en el tiempo? Probablemente no, ¡pero no lo sabemos con certeza!

Fuente: SPACE.com

La nueva IA de OpenAI aprendió a jugar Minecraft

¿Qué es OpenAI y su propuesta para la inteligencia artificial?

La nueva IA de OpenAI aprendió a jugar Minecraft viendo 70,000 horas de YouTube 

En 2020, el algoritmo de aprendizaje automático GPT-3 de OpenAI sorprendió a las personas cuando, después de ingerir miles de millones de palabras extraídas de Internet, comenzó a escupir oraciones bien elaboradas. Este año, DALL-E 2, un primo de GPT-3 entrenado en texto e imágenes, causó un revuelo similar en línea cuando comenzó a generar imágenes surrealistas de astronautas montando a caballo y, más recientemente, creando caras extrañas y fotorrealistas de personas que no existen.

Ahora, la compañía dice que su última IA ha aprendido a jugar Minecraft después de ver unas 70,000 horas de video que muestra a las personas jugando el juego en YouTube.

Escuela de Minas

En comparación con numerosos algoritmos anteriores de Minecraft que operan en versiones mucho más simples de "sandbox" del juego, la nueva IA juega en el mismo entorno que los humanos, utilizando comandos estándar de teclado y mouse.

En una publicación de blog y preimpresión que detalla el trabajo, el equipo de OpenAI dice que, fuera de la caja, el algoritmo aprendió habilidades básicas, como cortar árboles, hacer tablones y construir mesas de elaboración. También lo observaron nadando, cazando, cocinando y "saltando pilares".

"Hasta donde sabemos, no hay ningún trabajo publicado que opere en el espacio de acción humana completo y sin modificar, que incluye la gestión de inventario de arrastrar y soltar y la elaboración de artículos", escribieron los autores en su artículo.

Con el ajuste fino, es decir, entrenando el modelo en un conjunto de datos más enfocado, encontraron que el algoritmo realizaba todas estas tareas de manera más confiable, pero también comenzaron a avanzar en su destreza tecnológica fabricando herramientas de madera y piedra y construyendo refugios básicos, explorando aldeas y asaltando cofres.

Después de un mayor ajuste con el aprendizaje por refuerzo, aprendió a construir un pico de diamante, una habilidad que toma a los jugadores humanos unos 20 minutos y 24,000 acciones para lograr.

Este es un resultado notable. La IA ha luchado durante mucho tiempo con el juego abierto de Minecraft. Juegos como el ajedrez y el Go, que la IA ya ha dominado, tienen objetivos claros, y el progreso hacia esos objetivos se puede medir. Para conquistar go, los investigadores utilizaron el aprendizaje por refuerzo, donde a un algoritmo se le da un objetivo y se le recompensa por el progreso hacia ese objetivo. Minecraft, por otro lado, tiene cualquier número de objetivos posibles, el progreso es menos lineal y los algoritmos de aprendizaje de refuerzo profundo generalmente se dejan girando sus ruedas.

En la competencia MineRL Minecraft 2019 para desarrolladores de IA, por ejemplo, ninguna de las 660 presentaciones logró el objetivo relativamente simple de la competencia de extraer diamantes.

Vale la pena señalar que para recompensar la creatividad y demostrar que arrojar potencia informática a un problema no siempre es la respuesta, los organizadores de MineRL impusieron límites estrictos a los participantes: se les permitió una GPU NVIDIA y 1.000 horas de juego grabado. Aunque los concursantes tuvieron un desempeño admirable, el resultado de OpenAI, logrado con más datos y 720 GPU NVIDIA, parece mostrar que la potencia informática todavía tiene sus beneficios.

La IA se vuelve astuta

Con su algoritmo de pre-entrenamiento de video (VPT) para Minecraft, OpenAI volvió al enfoque que se usa con GPT-3 y DALL-E: pre-entrenamiento de un algoritmo en un imponente conjunto de datos de contenido creado por humanos. Pero el éxito del algoritmo no fue posible solo por la potencia de cálculo o los datos. Entrenar una IA de Minecraft en tanto video no era práctico antes.

Las imágenes de video sin procesar no son tan útiles para las IA de comportamiento como lo son para los generadores de contenido como GPT-3 y DALL-E. Muestra lo que la gente está haciendo, pero no explica cómo lo están haciendo. Para que el algoritmo vincule el video a las acciones, necesita etiquetas. Un fotograma de video que muestre la colección de objetos de un jugador, por ejemplo, tendría que etiquetarse como "inventario" junto con la tecla de comando "E" que se utiliza para abrir el inventario.

Etiquetar cada fotograma en 70,000 horas de video sería ... loco. Entonces, el equipo pagó a los contratistas de Upwork para grabar y etiquetar las habilidades básicas de Minecraft. Usaron 2,000 horas de este video para enseñar a un segundo algoritmo cómo etiquetar videos de Minecraft, y ese algoritmo, IDM, anotó las 70,000 horas de imágenes de YouTube. (El equipo dice que IDM tenía más del 90 por ciento de precisión al etiquetar los comandos del teclado y el mouse).

Este enfoque de humanos que entrenan un algoritmo de etiquetado de datos para desbloquear conjuntos de datos de comportamiento en línea también puede ayudar a la IA a aprender otras habilidades. "VPT allana el camino para permitir que los agentes aprendan a actuar viendo la gran cantidad de videos en Internet", escribió el investigador. Más allá de Minecraft, OpenAI cree que VPT puede traer nuevas aplicaciones del mundo real, como algoritmos que operan computadoras a un ritmo rápido (imagínese, por ejemplo, pedirle a su computadora portátil que encuentre un documento y lo envíe por correo electrónico a su jefe).

Los diamantes no son para siempre

Para disgusto de los organizadores de la competencia MineRL, tal vez, los resultados parecen mostrar que el poder y los recursos informáticos aún mueven la aguja en la IA más avanzada.

Sin importar el costo de la computación, OpenAI dijo que solo los contratistas de Upwork cuestan $ 160,000. Aunque para ser justos, etiquetar manualmente todo el conjunto de datos habría llegado a millones y habría tomado un tiempo considerable para completarse. Y aunque la potencia de cálculo no era despreciable, el modelo era en realidad bastante pequeño. Los cientos de millones de parámetros de VPT son órdenes de magnitud menores que los cientos de miles de millones de GPT-3.

Aún así, el impulso para encontrar nuevos enfoques inteligentes que usen menos datos y computación es válido. Un niño puede aprender los conceptos básicos de Minecraft viendo uno o dos videos. La IA de hoy en día requiere mucho más para aprender incluso habilidades simples. Hacer que la IA sea más eficiente es un desafío grande y digno.

En cualquier caso, OpenAI está en un estado de ánimo compartido esta vez. Los investigadores dicen que VPT no está exento de riesgos: han controlado estrictamente el acceso a algoritmos como GPT-3 y DALL-E en parte para limitar el uso indebido, pero el riesgo es mínimo por ahora. Han abierto el código de los datos, el entorno y el algoritmo y se están asociando con MineRL. Los concursantes de este año son libres de usar, modificar y ajustar lo último en Minecraft AI.

Es muy probable que esta vez superen la minería de diamantes.

Fuente: SingularityHub

¿Cuánto Tarda Esta IA En Aprender A Manejar?

¿Qué es la inteligencia artificial general (AGI)?

 

IA General (AGI: Artificial General Intelligence)

¿Qué es la inteligencia artificial general (AGI)?

La inteligencia artificial general (AGI) es la representación de las habilidades cognitivas humanas generalizadas en software para que, ante una tarea desconocida, el sistema de IA pueda encontrar una solución. Un sistema AGI podría realizar cualquier tarea de la que sea capaz un humano.

AGI, a veces referido como IA fuerte, involucra un sistema con un conocimiento integral y capacidades de computación cognitiva tales que su desempeño es indistinguible del de un humano, al menos en esos términos. Sin embargo, las amplias capacidades intelectuales de AGI se verían impulsadas mucho más allá de las capacidades humanas por su capacidad para acceder y procesar grandes cantidades de datos a velocidades increíbles.

La IA fuerte contrasta con la IA débil, que es la aplicación de la inteligencia artificial a tareas o tipos de problemas específicos. La supercomputadora Watson de IBM, los sistemas expertos y el automóvil autónomo son ejemplos de IA débil o estrecha. Incluso en el estado actual de la tecnología, la capacidad de los sistemas para acceder y procesar datos es impresionante: ROSS, un sistema de expertos legales a veces llamado el abogado de IA, puede extraer datos de aproximadamente mil millones de documentos de texto, analizar la información y proporcionar respuestas precisas a preguntas complicadas en menos de tres segundos.

Hay muchos expertos que dudan de que AGI alguna vez sea posible, y también hay muchos que cuestionan si sería deseable. Stephen Hawking, por ejemplo, advirtió: «Se [strong AI] despegaría por sí solo y se rediseñaría a un ritmo cada vez mayor. Los humanos, que están limitados por la lenta evolución biológica, no podrían competir y serían reemplazados «.

Fuente: KriptonSolid

Millirobots impresos en 3D

 

Millirobots impresos en 3D que pueden sentir y reaccionar a su entorno

El milirobot parecía un adorable vehículo de dibujos animados mientras navegaba con pericia por un complejo laberinto. Es una criatura extraña: el fondo se asemeja a una valla derrumbada; la parte superior, una cesta con forma de colador. Del tamaño de un centavo, parece frágil y absolutamente modesto.

Pero en esencia hay un cambio de paradigma potencial para construir robots autónomos que puedan sentir y responder a su entorno local. A diferencia de los robots clásicos, que se ensamblan con múltiples componentes, el milirobot está impreso en 3D con un metamaterial de aspecto lechoso que puede cambiar sus propiedades de manera flexible con unos pocos golpes eléctricos.

Los metamateriales suenan como algo sacado de un cómic, pero el concepto es simple. A diferencia de la madera, el vidrio u otros materiales estáticos en los que confiamos fácilmente para mantener su estructura, los metamateriales utilizados en el estudio (materiales piezoeléctricos) cambian fácilmente su estructura cuando se ven afectados por un campo electromagnético. Esto permite que el material se tuerza, se contorsione, se encoja o se expanda. Traza cada movimiento y es posible construir y dirigir un robot.

Para construir el bot, el equipo diseñó una configuración de impresión 3D para imprimir estructuras robóticas utilizando materiales piezoeléctricos. Como complemento adicional, el equipo les dio a los bots un brillo de ultrasonido, incrustando componentes en el material, lo que ayudó a los bots a convertir las vibraciones en electricidad para detectar su entorno.

Los milibots aprendieron a caminar, saltar y escapar de obstáculos potenciales de forma autónoma en tiempo real. Incluso podrían hacer una mini caminata por la playa en el laboratorio, navegando fácilmente a través de un terreno arenoso y accidentado parcialmente cubierto de vegetación.

Los bots, aunque aún son rudimentarios, algún día podrían ayudar a administrar medicamentos en espacios confinados en nuestros cuerpos si se reducen. También pueden actuar como exploradores baratos, pequeños pero poderosos para explorar entornos nuevos o peligrosos.

Para el Dr. Ahmad Rafsanjani del Centro de Robótica Blanda de la Universidad del Sur de Dinamarca, que no participó en el estudio, los milibots ponen de relieve los metamateriales como una nueva forma de construir robots autónomos. El estudio “destaca una visión más amplia de los ‘materiales robóticos’ en los que el límite entre los materiales y las máquinas se vuelve imperceptible”, escribió en un comentario relacionado. “La fabricación aditiva de metamateriales piezoeléctricos puede conducir a la materialización de robots completamente integrados que eventualmente podrían salir directamente de una impresora 3D”.

Meta-Qué?

Los metamateriales son extraños. Pero gracias a sus propiedades exóticas, los científicos han explorado fácilmente los posibles usos de estos extraños patos. Un clásico es la óptica. Los metamateriales a menudo están hechos de componentes que interactúan de manera flexible con las ondas electromagnéticas, incluida la luz. En cierto modo, son similares a los lentes de las cámaras o los espejos, pero con el superpoder de cambiar rápidamente la forma en que dirigen cada onda de luz. En teoría, una estructura cuidadosamente creada a partir de metamateriales podría revisar todo tipo de anteojos, desde lentes de microscopio hasta los que usamos en la cara.

Más recientemente, los científicos comenzaron a explorar otros usos. Un gran esfuerzo es incorporar materiales piezoeléctricos en chips neuromórficos, que simulan aproximadamente cómo el cerebro calcula y almacena información. Al cambiar las propiedades de estos materiales con campos eléctricos, los científicos pueden aproximarse a cómo funcionan las sinapsis con energía ultrabaja. Otros estudios aprovecharon la capacidad acrobática de los metamateriales para transformar su forma, creando estructuras que convierten el movimiento lineal, por ejemplo, un paseo de cangrejo, en rotaciones y engranajes mecánicos. Es como si tus piernas de repente se convirtieran en ruedas giratorias.

Sí, los metamateriales son raros. ¿Cómo trabajan?

Ayuda imaginarlos como televisores en caja de la vieja escuela con antenas . Para ajustar el canal, es decir, el comportamiento del material, mueva las antenas hasta que su estructura interactúe fuertemente con las ondas de radio, y voil á , ha clavado el estado del material. Luego se puede mezclar con materiales convencionales para construir estructuras intrincadas similares a celosías mientras se conservan sus propiedades de metamorfosis. Esta flexibilidad los convierte en un lienzo especialmente intrigante para diseñar robots. Debido a que son una estructura casi única, a la larga, podrían ayudar a construir prótesis inteligentes menos propensas a fallar, ya que no tienen partes mecánicas móviles. En lugar de soldar, ahora se pueden imprimir en 3D. (Esto me da todo el Westworldvibraciones: Dolores mecánicos versus versión impresa de líquido lechoso, ¿alguien?).

Cosas extrañas

Los nuevos milibots parecen un híbrido entre Wall-E y TARS, un robot con forma de palillos plegables y estriados en Interstellar . Totalmente impresos en 3D, rompieron el dogma convencional para construir robots. Normalmente, un robot necesita varios componentes independientes: sensores para navegar por el entorno, microprocesadores para el “cerebro”, actuadores para el movimiento y una fuente de alimentación para controlar todo el sistema. Cada enlace es propenso a fallar.

Aquí, el equipo integró cada componente en un diseño. El primer ingrediente clave son los materiales piezoeléctricos, que convierten los campos eléctricos en tensión mecánica y viceversa. Son los “músculos” que guían el movimiento del robot. Pero cumplen una función triple. Dependiendo del estado del metamaterial, puede formar una columna vertebral similar a la cerámica para ayudar al milibot a mantener su forma. En su fase conductora, actúa como células nerviosas, captando señales electromagnéticas para controlar los “músculos”. Para aumentar aún más la destreza del bot, hay un elemento ultrasónico, fusionado con el bot, que lo ayuda a sentir su entorno.

En total, el milibot simple esencialmente tiene múltiples sistemas mezclados en una sustancia pegajosa blanca deslumbrante: un sistema nervioso capaz de detectar y actuar, un componente “muscular” y una estructura esquelética. Al colocar la sustancia pegajosa en una impresora 3D, el equipo construyó entramados sofisticados como la columna vertebral del robot, cada uno cuidadosamente decorado con metales conductores y propiedades piezoeléctricas en regiones específicas.

¿El resultado? Un pequeño robot que aprovecha los campos eléctricos para sentir y navegar en su entorno. Aún más impresionante es su capacidad para “comprender” sus propios movimientos corporales y su ubicación en el espacio, un truco llamado propiocepción que se ha denominado el “sexto sentido” de la percepción humana y rara vez se implementa en robots.

Luego de algunos desafíos, los autores mostraron la destreza de los bots. Un robot navegó de manera experta alrededor de los obstáculos en tiempo real mientras un humano derribaba barreras secuencialmente en función de la retroalimentación de ultrasonido. En otra prueba, el robot saltó largas distancias y realizó giros cerrados de manera experta. Con solo milisegundos de retraso, la rana robot saltó varias superficies ásperas sin sudar, una tarea motora que previamente desconcertó a otros bots.

Los milibots también fueron excelentes mulas de carga. Incluso con un peso del 500 por ciento en la carga útil, como una fuente de alimentación a bordo, un controlador y un microcontrolador, pudieron moverse fácilmente con solo una disminución del 20 por ciento en la velocidad. En la práctica, la superpotencia convierte a estos bots en grandes andamios como máquinas de administración de medicamentos que algún día podrían recorrer nuestro torrente sanguíneo.

Un camino por recorrer

Una sola pieza de material piezoeléctrico puede ser extremadamente flexible, con seis grados de libertad: la capacidad de extenderse linealmente en tres ejes (como doblar el brazo hacia adelante, hacia los lados y hacia atrás) y girar en rotación. Gracias a la fabricación aditiva del estudio, es fácil diseñar diferentes arquitecturas robóticas guiadas por algoritmos creativos.

El equipo “entretejió ingeniosamente la actuación y la percepción en una miniatura liviana

celosía 3D compuesta que se mueve y detecta su entorno”, dijo Rafsanjani.

Los robots pueden parecer un enigma incongruente: una criatura flexible que está hecha de una columna vertebral similar a la cerámica dura con un metamaterial. Pero también lo somos los humanos: estamos hechos de células con formas, tamaños y capacidades muy diferentes. La adaptación de las ideas utilizadas para diseñar robots piezoeléctricos le da a la robótica blanda una nueva perspectiva, lo que podría conducir a materiales completamente artificiales que interactúan con nuestros cuerpos.

El estudio “acerca los metamateriales robóticos a los sistemas biológicos, una función a la vez”, dijo Rafsanjani.

Crédito de la imagen: Grupo de investigación Rayne 

Fuente: OTecH