El aprendizaje de máquinas es un enfoque excepcionalmente ingenioso para la programación informática. En lugar de tener que detallar cuidadosamente unas instrucciones para una tarea determinada, simplemente se le proporcionan millones de ejemplos a un ordenador muy potente y, en esencia, se le deja autoprogramarse.
Muchos de los dispositivos y servicios web que damos por sentado hoy en día, como las búsquedas, el reconocimiento de voz y el etiquetado de imágenes, hacen uso de algún tipo de aprendizaje de máquinas. Y las empresas que disponen de montañas de datos de usuarios (Google, Facebook, Apple y Walmart, por mencionar algunas) están bien posicionadas para surfear esta ola hacia la riqueza.
Un nuevo proyecto de 12 millones de dólares (unos 11 millones de euros) de la Universidad de Ca egie Mellon (EEUU) podría potenciar aún más el aprendizaje de máquinas al descubrir nuevas maneras de enseñar a los ordenadores de forma más eficiente con el uso de una cantidad de datos mucho menor.
Este esfuerzo de cinco años empleará una técnica más o menos nueva, llamada la microscopia de dos fotones de calcio, para estudiar la manera en la que la información visual es procesada por el cerebro. La financiación procede de la Iniciativa BRAIN, y es un buen ejemplo de uno de los beneficios a corto plazo que podrían tener las nuevas y potentes técnicas para obtener imágenes cerebrales.
Muchos de los mejores algoritmos de aprendizaje de máquinas ya están inspirados en el funcionamiento del cerebro. Pero son increíblemente burdos, y ni se acercan a algunas prestaciones más sencillas de las redes biológicas.
El profesor de informática de la Universidad de Ca egie Mellon Tai Sing Lee, que lidera el proyecto, afirma: "Por potentes que sean, [estos algoritmos] no son ni de lejos tan eficientes ni potentes como los que emplea el cerebro humano". "Por ejemplo, para aprender a reconocer un objeto, un ordenador podría necesitar ver miles de ejemplos etiquetados y ser enseñado de manera supervisada, mientras que una persona sólo requeriría un puñado [de ejemplos] y podría no necesitar supervisión", añade.
Lee colaborará con la profesora de ciencias biológicas de la Universidad de Ca egie Mellon Sandra Kuhlman y el profesor de ciencias cognitivas de la Universidad de Johns Hopkins (EEUU) Allan Yuille. La neurociencia no es lo único que nos podría ayudar a desarrollar mejores enfoques de aprendizaje de máquinas. Algunos científicos cognitivos se están inspirando en observaciones psiquiátricas para diseñar ingeniosos sistemas nuevos de aprendizaje.