El metro de Londres como prueba de fuego para la Inteligencia Artificial

No son pocos los turistas que visitan Londres y, a la hora de viajar en metro, sufren algún que otro contratiempo derivado de la maraña de líneas del suburbano por las que, además, circulan trenes en diferentes direcciones. Así, no es de extrañar que precisamente el plano del metro de la capital británica haya servido de test para un nuevo sistema de Inteligencia Artificial.

Se trata de  DeepMind, una empresa que compró Google en 2014 por algo menos de 300 millones de euros, y que ahora lanza lo que han denominado un ordenador neuronal diferenciable (DNC, por sus siglas en inglés). DeepMind aprende y recuerda para viajar por el metro de Londres; gracias a sus algoritmos, este nueva red neuronal es capaz de averiguar cuál será la vía más rápida para llegar a un destino determinado.

¿Qué tiene de nuevo? Esto ya lo hacen otros sistemas online, ¿no es así? Cierto, pero no de la manera en que lo hace DeepMind. Otros sistemas resuelven el mismo problema, pero previamente ha sido necesario alimentar con muchos conjuntos de datos. Con DeepMind, basta mostrarle el plano.

La mecánica es la siguiente: se presenta el mapa del metro al sistema y éste lo almacena para utilizarlo cuando sea necesario, incluso, en actuaciones similares, aprendiendo y aplicando medidas en diferentes circunstancias. Esto que quiere decir que, sin programación previa, DeepMind podría aplicar lo aprendido en el metro de Londres a, por ejemplo, el metro de Madrid, aunque no supiera absolutamente nada de éste.

Este nuevo modelo de Inteligencia Artificial se alumbró para que pudiera ser capaz de aprender y utilizar su memoria para responder a cualquier tipo de pregunta sobre datos estructurados complejos, desde árboles genealógicos, a historias inventadas o, como es el caso ahora, el plano del metro de Londres.

Con estas mismas prestaciones, DeepMind también podría resolver un puzzle. Lo novedoso, tal y como se explica en la última publicación de la prestigiosa revista Nature, es que cómo DNC es capaz de organizar los datos en hechos conectados y, con ellos, resolver problemas sin haber contado con una programación previa. Dicho de otro modo, los expertos han creado un sistema autónomo en lo que a su aprendizaje y la aplicación del mismo se refiere.

Desde el punto de vista más técnico, DNC funciona con un controlador similar a un procesador de ordenador, con input –entrada de datos-, su procesamiento, la escritura de éste en la memoria y la producción necesaria para que sea interpretado como una respuesta.

Un controlador es capaz de llevar a cabo múltiples operaciones en la memoria y, del mismo modo, puede leer desde varias ubicaciones en esa memoria, en la que se pueden realizar búsquedas dependiendo del contenido de cada ubicación. Además, las conexiones temporales asociadas pueden seguirse hacia adelante o hacia atrás para recuperar esos datos en secuencia o en sentido inverso, dotándole de una suerte de 'razonamiento digital'.