Há alguns dias, o Google surpreendeu o universo com uma nova inteligência artificial de seu sistema DeepMind que era qualificado de “estudar”, sem a indispensabilidade de um técnico humano. Esta tecnologia, que poderia ser resgatada por Marty McFly do futuro tem mais idade do que parece.
nos últimos anos, tem-se avançado muito pela aplicação de novos modelos de aprendizagem automática que, em fases mais avançadas, tenta replicar o funcionamento do cérebro humano. Precisamente, um dos campos que mais interesse desperta é a experiência de “automodificación” de um sistema por si mesmo, graças aos chamados algoritmos genéticos. Não se trata de uma área abstrata em brotamento de ver a claridade um dia, é outra das várias metodologias que após muito ser comprovada alcançou outro nível. A inteligência artificial não é um conteúdo há alguns anos, começou nos anos quarenta. Os sistemas de aprendizado de máquina -“machine learning”, em inglês -, fizeram aparição, na verdade, em meados dos anos 60, uma data de modificação e de inovação social.
“As grandes revoluções na inteligência artificial foram entre os 60 e os 80″, explica a ABC Javier Sánchez, professor especializado em Inteligência Artificial da Universidade Europeia. “Não é que não se tenham feito progressos, no entanto que, aproveitando os que se fizeram, há longo tempo” neste instante, com a tecnologia atual, é possível espremer bem mais, graças à “competência de rede, de processamento e de armazenamento”, adiciona. Os algoritmos genéticos têm tua origem pela biologia e nas teorias de Darwin, em razão de se baseiam em três processos evolutivos: seleção, entrecruzamento genético e mutação. Esta proposta surgiu a partir dos estudos de três pesquisadores: Alex S. Fraser, Hans-Joachin Bremermann e John Henry Holland.
O primeiro -entre o término dos anos cinquenta e começo dos 60 – serviu de inspiração para os algoritmos genéticos, graças aos seus trabalhos sobre a melhoria biológica sustentada em um micro computador. O segundo surgiu com a prosperidade como um recurso de otimização e estabeleceu a primeira simulação de cadeias binárias que processa fatos pela reprodução, seleção e mutação.
Enquanto o considerado pai da metodologia estabelecida uma primeira versão do sistema de aprendizagem mediante o processo da expansão. Ao conclusão, a expansão tem muito a observar com a adaptação ao lugar. No sentido biológico, os cromossomas que melhor se adaptam têm maior grau de sobrevivência. Estes conceitos aplicados ao ambiente de computação representam valores em que cada cromossomo consiste em dois elementos codificados.
- estreia Grimm
- três Campanha exclusiva da Internet
- três Ataques de ransomware mais populares 3.Um Petya
- As ferramentas analíticas e de modelagem
- Xls (Excel 97-2003)
- Mix FM
No decorrer da seleção, esses cromossomos estabelecem casais pra reprodução, cujo produto resultante é como uma menina que combine características de seus pais. Esta combinação poderá conter alguns elementos mutantes. Como por esse caso se trata de aplicá-lo à inteligência artificial e à sua aprendizagem, em qualquer espaço nessa cadeia de gerações se vai descobrir a resposta ao problema em dúvida, que necessita definir. O fim é um modo de tentativa e defeito até encontrar a resposta, uma vez que os algoritmos genéticos procuram a otimização. São diversos os anos em que se está criando esta tecnologia e, dessa maneira, expressar de “novidade” é um pouco presunçoso; “é simplesmente uma difusão que tem significado sem demora”, ressalta Isabel Fernandes, directora-geral da Accenture Analytics.
Para entendê-lo melhor; se usa um caso em que se coloca a concorrer a 2 sistemas numa mesma tarefa, um deles com uma versão de teu algoritmo mutada. “As mutações que funcionavam melhor com o propósito que foi dado, dado que eram os que iam sobrevivendo e iam chegando a um algoritmo melhor”, expõe Domínguez, diretor estratégico de InnoTec.
contudo, esses sistemas de IA não agem por si mesmos; se lhes foi projetado pra que se modifiquem a si próprios e depende daquilo para o que lhe foi programado, o que fará com que gere certas respostas. O que se lhe põe limites a um sistema, não há pelo motivo de alarmar este grau de liberdade. “Imagine a perícia de correção de erros em sistemas que de modo automática são capazes de distinguir que há erros e corrigi-lo.
Que isso implique recodificarse automaticamente não é um problema, é a solução do problema”, reitera Fernandez. Esta experiência de deslocar-se autoarreglándose e autoaprendiendo, como a própria prosperidade humana, que se adequa ao seu recinto com o passar dos anos, não traz de humanidade para os futuros robôs. “Uma máquina, por descrição, não tem sentimentos nem ao menos emoções.