Gadgetshowto
Puede que estemos muy lejos de la singularidad, pero el aprendizaje automático está progresando a un ritmo tan rápido que se cree que el sistema AutoML de Google ha producido códigos recientemente con mejor eficiencia que las realizadas por los investigadores quién creó el sistema para empezar. Irónicamente, la tecnología se desarrolló originalmente para contrarrestar la escasez de desarrolladores de alta calidad especializados en el campo de la IA. Era se supone que crea código de autoaprendizaje y ejecuta simulaciones para determinar qué áreas específicas se pueden mejorar. Es difícil saber qué esperaban exactamente los investigadores cuando comenzaron el proyecto, pero resulta que las máquinas ahora están funcionando. mejor código a un ritmo más rápido que los mejores programadores humanos del planeta.
Si eso no fuera suficiente para que los detractores hagan sonar una vez más las alarmas sobre la IA, el sistema también aparentemente ha mejoró en la codificación de sistemas de IA de autoaprendizaje que los investigadores que lo hicieron. Según los informes, la tecnología ya está mostrando mejores niveles de precisión que los humanos en varias tareas basadas en IA. Según los informes, el software codificado por el sistema AutoML alcanzó un 42% de precisión en algunas de las tareas más complejas en comparación con el 39% del software codificado por humanos. Esta tarea en particular aparentemente involucró cosas que son parte integral de los robots autónomos y la realidad aumentada: marcar la ubicación de múltiples objetos en una imagen..
Queda por ver si los escépticos de la IA como los arrebatos de Elon Musk contra el aprendizaje automático resultan ser rumores alarmistas de un hombre paranoico muy alejado de las realidades tecnológicas o advertencias precisas de un visionario sobre una tecnología peligrosa que no fue cortada de raíz. cuando aún había tiempo para hacer algo al respecto. Pero antes de que alguien comience a buscar el sombrero de papel de aluminio, sería importante ver cómo estas demostraciones de prueba de concepto se traducen en aplicaciones prácticas. Esa sería la gran prueba para AutoML y, si tiene éxito, la tecnología puede tener un impacto mucho más allá de los confines de la industria tecnológica.
