Cerrar
CONACYT

Desde Infotec

¿El enfoque de deep learning es la panacea para la Inteligencia Artificial?

Participación en el Congreso ACL-SemEval 2017
Dr. Sabino Miranda Jiménez, investigador de Infotec

 

Lograr que las computadoras realicen tareas similares a las que los humanos realizan, hasta el momento mejor y que se asume que son exclusivas de los humanos, como el reconocimiento de imágenes y de voz, comprensión del habla, aprendizaje y razonamiento automático, entre otras, son campos de estudio de la Inteligencia Artificial (IA), y temas de interés para la comunidad científica.

Durante la semana del 29 de julio al 5 de agosto, se llevó a cabo, en Vancouver, Canadá, uno de los congresos más importantes en el área de IA, organizado por la Association for Computational Linguistics (ACL), en conjunto con el International Workshop on Semantic Evaluation (SemEval), donde el grupo de investigación INGEOTEC, conformado por investigadores de Infotec y CentroGeo, presentamos nuestro sistema con el que participamos en la tarea de Análisis de Sentimientos para el idioma inglés y árabe, donde quedamos en la sexta y cuarta posición, respectivamente, entre más de 60 equipos internacionales participantes.

En el congreso ACL-SemEval nos reunimos investigadores de muchas regiones del mundo, tanto del ambiente académico como de la industria: Google, Microsoft, Yahoo, Facebook, Huawei, Alibaba, Baidu, etcétera, por citar algunas empresas que invierten en investigación, y que envían a sus investigadores e ingenieros de investigación a ver, de primera mano, los avances en IA y aprovecharlos en sus desarrollos particulares, fue lo que me comentaron algunos asistentes de Huawei, eBay y Baidu.

En esta edición 2017, entre el congreso y los 13 talleres impartidos, se presentaron 367 ponencias, además de 2 días de 6 sesiones paralelas de posters con aproximadamente 50 posters por sesión (investigaciones de sistemas prototipo): un mar de trabajos, una locura, como muchos decíamos.

Además de compartir los avances más recientes de investigación en el área de inteligencia artificial, se comparte un espacio donde los investigadores podemos platicar informalmente con otros colegas, compartir experiencias y perspectivas futuras de las áreas de investigación; incluso para crear nuevas redes de trabajo con otros investigadores que uno no tiene relación directa, hasta encontrarse en el evento, o darse cuenta que ya había relación por medio de algún colega conocido.

Como se dice coloquialmente que “el mundo es pequeño”, o que estamos todos conectados con cualquier otra persona por no más de seis grados de separación, al menos se cumplió con dos mexicanos que encontré en el congreso, aunque no representaban a universidades o instituciones mexicanas. Uno es investigador de la Universidad de Qatar, a quien conocí durante mis estudios de doctorado; y el otro es un estudiante de doctorado de la Universidad París 13 (Francia) quien su asesor de tesis de aquella universidad es un colaborador del congreso mexicano MICAI, donde también colaboro.

Después de la digresión anterior y continuando con el evento, las ponencias magistrales estuvieron en torno al paradigma que actualmente es más popular, deep learning (aprendizaje profundo), es decir, aprendizaje automático usando principalmente redes neuronales: redes neuronales recurrentes, redes neuronales convolucionales, redes neuronales con memoria, y todos los sabores y arquitecturas que se deseen de las redes neuronales.

Se cuestionaba en el foro si el enfoque de deep learning es la panacea para la IA, y ya no es necesario hacer investigación sobre adquisición y representación del conocimiento, formalización matemática del lenguaje, etc. para lograr la comprensión y razonamiento, u otros mecanismos de aprendizaje automático.

Lo cierto es que, actualmente, en las competencias, donde se tienen datos de entrenamiento, los enfoques de deep learning son los que han estado tanto en los primeros lugares como en los últimos. Sin embargo, estos algoritmos de tipo  “caja negra” cuando funcionan bien, no se comprende el porqué funcionan bien, al menos hasta ahora. Lo anterior lo comento puesto que alrededor del 70% de las ponencias usaban algún enfoque de tipo deep learning.

Para finalizar este escrito y parafraseando a Bertrand Russell, la naturaleza de la ciencia y el quehacer científico recae en explorar diferentes caminos, con ojos renovados debido a nuevas evidencias (hechos) de los fenómenos, y proponer aproximaciones cada vez más exactas para explicar su naturaleza, en nuestro caso los mecanismos de la inteligencia humana.

Para el lector interesado en los artículos del congreso ACL y taller SemEval, están disponibles en línea en:

ACL 2017: http://aclweb.org/anthology/P/P17/

SemEval 2017: https://www.aclweb.org/anthology/S/S17/

Infografía de la participación de Ingeotec en SemEval 2017: http://ingeotec.mx/semeval_es.html

Datos de contacto

Área de Comunicación Social - Tel: 5624 2800 ext. 2503 - infotecomunica@infotec.mx