LA SELVA ARTIFICIAL
Imaginemos a unos biólogos que registran el peso, la longitud y la especie de cada animal que encuentran en la selva. Una red neuronal puede procesar esta información para deducir la especie de un animal a partir de su peso y longitud. Para ello, debemos entrenar la red con los especímenes registrados para ir ajustando los pesos de cada neurona en un largo proceso que culmina cuando el algoritmo es capaz de clasificar correctamente la mayor parte de ellos. A partir de ese momento, la red neuronal podrá inferir la nueva especie de los los animales que encuentren los biólogos aunque también cometerá algunos errores. Sin embargo, los podemos ir registrando para, más adelante, volver a realizar el entrenamiento hasta que, con el paso del tiempo y el aumento del número de especímenes, la red neuronal (casi) nunca se equivoque.
APRENDIZAJE NO SUPERVISADO
- Los métodos de aprendizaje tradicionales no permiten a las máquinas encontrar estrategias originales para resolver problemas complejos. Reconocen a una persona porque antes les hemos dicho quién es esa persona o ganan al ajedrez porque las hemos programado para utilizar las estrategias ganadoras de los grandes maestros. Así es como, por ejemplo, Deep Blue ganó a Gary Kasparov en 1996.
Sin embargo, en 2017 Google mostró al mundo a AlphaZeo, una máquina capaz de jugar al ajedrez como nadie lo había hecho jamás. Algunos comparan su juego con el de Bobby Fischer en sus mejores años.
Lo más importante es que AlphaZero aprendió a jugar sola sin que nadie le dijera de qué iba el juego del ajedrez o qué estrategias seguir. Es lo que se conoce como aprendizaje no-supervisado en el cual las máquinas utilizan diferentes estrategias para descubrir su entorno y sobrevivir a él imitando a los los seres vivos, es decir, recibiendo recompensas, compitiendo o colaborando.
