En el campo del desarrollo de inteligencias artificiales, la memoria sigue siendo uno de los puntos débiles. Las redes neuronales tienen que aprender desde cero a hacer cualquier cosa nueva, en lugar de apoyarse en experiencias y conocimientos previos, como cualquiera de nuestros cerebros. El equipo de DeepMind, uno de los equipos de desarrollo de Alphabet, está tratando de cambiar esta situación, utilizando un nuevo algoritmo que permite que las redes neuronales recuerden el conocimiento anterior y aprendan de manera más eficiente.
Éste algoritmo trata de emular los procesos del cerebro humano, en el que las sinapsis útiles tienden a ser conservadas para mantener el conocimiento. El nuevo algoritmo de DeepMind, conocido como Elastic Weight Consideration, decide que tan importante es una de estas conexiones para su tarea asociada. Al pedir a la red que aprenda una nueva tarea, el algoritmo preservará las sinapsis más valiosas y las ligará a la nueva tarea cuando sea pertinente.
Durante las pruebas, la red neural aprendió a jugar 10 juegos clásicos de Atari, pero no tuvo que aprender a jugar cada uno de ellos de manera individual, sino que aplicó el conocimiento de los juegos anteriores para jugar los nuevos y así, sucesivamente. Y aunque esto suena prometedor y francamente aterrorizante, la gente de DeepMind asegura que una red neural sigue siendo mejor cuando sólo se asigna a una tarea específica, además de que el algoritmo no está diseñado para adaptarse a nuevas situaciones al momento, aunque ha ayudado a demostrar que sí es posible dar una memoria a estas redes.
Deja tu comentario