Un ordenador gana por primera vez a un experto al Go

#124 Es que por supuesto que los conceptos subjetivos como en este caso es el manido ejemplo de la belleza, son inexistentes. No se trata más que de constructos creados por nosotros, "arreglos" del lenguaje ante sensaciones (diferentes en cada individuo) para saber cómo referirnos a dichas sensaciones. Esto es lo que causa ese alto grado de subjetividad que causa que todo intento por generalizar estos conceptos, sea algo brutalmente problemático.

Yo a lo que me refería era a que no sería tan difícil inyectar ese concepto en una máquina, y que lo amolde ella misma. Que tenga unas ciertas bases (el modelo), pero que sus gustos, que son los que convergen en la parte subjetiva, sean aleatorios.

Eso causaría que la máquina también pudiera tener su propio concepto de belleza (como tenemos todos) y por tanto, tuviera la capacidad de determinar si algo es bello o no... ¡según sus gustos, exactamente igual que un ser humano! Porque, ¿acaso puede alguien determinar si algo es objetivamente bello? Respuesta simple: no.

Ahora bien, ¿cómo verificamos si la respuesta de la máquina se corresponde a un verdadero mecanismo de evaluación de belleza, o si es un algoritmo de pacotilla que no se corresponde con la realidad? Pues de igual manera que determinar que el criterio de belleza de una persona es más válido que el de otro: no se puede hacer, y esto es precisamente por lo que decís vosotros. Lo que sí podemos hacer es si se asemejan sus resultados con los de un ser humano, eso es más fácil.

Al final, como llevo defendiendo desde el principio, no es un problema de cómo funciona un ordenador, o de limitaciones computacionales, ni nada de eso. Es un problema de conceptualización: tratamos de establecer un concepto objetivo, para una construcción humana casi absolutamente subjetiva. Y eso, lógicamente, no se puede hacer, no por ahora al menos.

Si yo ahora mismo hago un algoritmo aleatorio que dice si algo es bello, bueno, justo / lo que sea..

quien puede afirmar 100% que se equivoca?

#128 si yo te estoy dando la razon xD

Ahora mismo cualquier modelo de prediccion deberia poder considerarse valido , o al menos parcialmente, porque no se puede afirmar que esté equivocado xD

Otra cosa es que no tenga una especial utilidad

En Google todavía sigue buscando ese algoritmo para sus coches autónomos. Es un tema muy verde actualmente. El día que consigan hacer que un ordenador decida por sí mismo y lo haga de manera correcta entraremos en una nueva era en las IA's.

#128

Y por enésima vez, yo tampoco digo nada del otro mundo. Si no hay definición matemática, no hay algoritmo posible.

Vuelvo a repetir también otra vez, que si para una persona que tiene un problema X, le satisface una solución Y, yo tampoco me voy a meter a tocar las pelotas al personal xD.

Si a ti te parece cómo solución aceptable asignar funciones de coste y estadística para "aproximarse" (que esta es otra, aproximarse a algo que no está definido pues ya me dirás xD), pues me parece correcto. Yo creo que la discusión ya no da más .

Yo lo que si pidiera por favor, en el foro de ciencia, es a hablar con un poco de rigurosidad. Creo que no entiendes (en el sentido riguroso) lo que un algoritmo puede o no puede hacer. Es decir, veo mucho blabla cómo decía Tabris en #124, pero luego dónde están los datos, experimentos o resultados y teoría que corroboren lo que decís? que yo así también invento la máquina del tiempo.

#127

En efecto. Cómo no podemos resolver el "contraejemplo", cómo puedes definir una aproximación por ejemplo?

Para eso el algoritmo que identifique si una película mola o no, debería ser básicamente un out = rand(x). Oye que la máquina tiene su propia "conciencia" (aproximación al concepto de ) y así le parece a ella .

#133 #136 La diferencia entre un algoritmo decente y una función aleatoria, es que los outputs del primero se asemejarán más a los de una muestra de tamaño arbitrario de seres humanos, mientras que la función aleatoria no.

Por ejemplo, tenemos cuatro cuadros: un paisaje de un desierto (foto1), un paisaje de una selva desde el cielo (foto2), una foto de un mapache (foto3), y una foto de un cuerpo desmembrado cubierto de polvo y ceniza (foto4).

De entre 100 personas, podemos aseverar que lo más probable es que a la gente les guste más una de las tres primeras fotos, pese a que habrá alguno que le gustará la 4. Podrían hacerse estudios sobre esto y casi seguro que encontraríamos una diferencia sustancial entre qué fotos salen preferidas y cuales acaban más abajo, así como incluso establecer un orden de cuáles gustan más.

Lo más probable es que veamos uno de estos dos casos, como resultado final del estudio:

• foto2>foto3>foto1>foto4
• foto3>foto2>foto1>foto4

Puede que dependiendo de la procedencia de la persona, sus hábitos y demás, podamos observar diferencias. Una persona apartada de la sociedad, marginada y que ha recibido malos tratos, es ciertamente posible que prefiera la 4 o la 1. Alguien que se ha criado en desiertos toda su vida, quizá encuentre más acogedora la foto3 que la foto2. Alguien que odie los animales, probablemente ponga como última la foto3. Podemos encontrar muchas correlaciones, siempre dependientes del individuo.

Ahora bien, si cogemos la función aleatoria, ¿qué distribución es la más probable? ¡Ninguna! Todas ellas tienen las mismas probabilidades de ser la ganadora, o la última. No existe ninguna regla en la que basarse. Por supuesto que podemos afirmar que es tan válido su "criterio" (aunque sea inexistente) que el de las personas, por la naturaleza subjetiva de la belleza. Pero tampoco estamos imitando el "gusto" humano, pues para ello, la distribución de probabilidades para cada una de las fotos, debería ser, cuanto menos, similar.

Es decir, si tenemos 100 ordenadores cuyos gustos se asemejan a los de los seres humanos, pese a que no estaremos reproduciendo el sentido del gusto y belleza de los seres humanos como tal (pues los mecanismos son MUY distintos), sí estaremos imitándolo con cierta precisión. Podremos decir que el "criterio medio" del grupo de ordenadores, se asemeja al de los seres humanos, así como tendremos un número similar de ordenadores y humanos que se salen de la corriente.

No sé si se me entiende un poquito mejor ahora. En lugar de verificar nuestro algoritmo frente a un contexto objetivo, ¡lo hacemos frente a uno subjetivo! ¿Hemos hallado la fórmula de la belleza? No, ni de coña. Pero sí que será cierto que habremos profundizado bastante en la parte objetiva del problema, sin todavía conocer qué está por debajo de esas variables subjetivas (en el caso de los ordenadores, efectivamente, números aleatorios).

Lógicamente, Seuron, esto todo no son más que palabras. Pero me parece un tema trivial, y me sorprende que no lo veas así, porque realmente tenemos más que de sobra la capacidad de crear un sistema así. La parte más difícil, como dije bastantes posts más atrás, sería crear una IA que sacase la información necesaria de una imagen, para poder dar valor a cada parte de nuestro modelo.

Eso sí que no es trivial, eso sí que tendría bastante más tela, y dudo que una IA actual pueda analizar una imagen lo suficientemente bien como para dar valor a todas las variables que haría falta definir para establecer un modelo "de reconocimiento de la belleza" que se asemeje a los humanos con una precisión alta. Pero todo lo que hay después de obtener esos datos, me parece tan trivial como unos ifs, unos números aleatorios, y retornar un boolean xD.

edit y aclaración: Aclaro que he puesto en negrita lo de "lo más probable", porque por supuesto podemos tener una muestra de estudio poco habitual, y que salga justo lo contrario de lo que queremos. Así funciona la estadística xD. En ningún momento estoy hablando de un algoritmo infalible ni mucho menos; en este problema no veo aproximación alguna que no contenga cierta cantidad de estadística.

#137 #138

De hecho seguramente te lleves una sorpresa cuando comparas los resultados de un algoritmo "decente" vs un rand(x) cuando hablamos de cosas subjetivas.

#140

Es que veo que tienes muy claro sobre la existencia de algoritmo "decentes". Yo no lo veo tan claro xD. No hablo de que sea fácil o dificil, hablo de la mera existencia.

De hecho, ya sabes hasta el performance!! tienes demostración de ello? xD

Porque a día de hoy, hasta los algoritmos de Machine Learning por ejemplo, no existe ni pruebas de estabilidad, rate of convergence..... se basan en datos experimentales. Y eso sólo demuestran que funcionó para el experimento particular X, pero nada más.

#142

Si tan trivial lo ves, deberías escribirlo y publicarlo . Escribirías tu nombre en la historia de la IA sin duda alguna (literal).

Una cosa es lo que nosotros podamos conjeturar en base a unas hipótesis, y otra muy distinta decir que algo es trivial sin aportar ninguna prueba. No, "blablear" (con todo el cariño del mundo ) por desgracia no es prueba de nada, sino que hay que formalizar.... y ahí es cuando te darás cuenta de esos "pequeños gaps" que no hago más que resaltarte.

Que sí, que son "menores" (hasta que te metes en ello y te das cuenta del castillo que son), que no dudas de que se pueden resolver o son triviales (otra vez, porque no te has metido a fondo)... y ya lo que pensabas que era trivial de resolver, pues resulta que ya no lo es.

#143 Mira, si me das un estudio de qué factores de una imagen parecen intensificar la sensación de belleza para una muestra lo suficientemente grande, y un programa que sea capaz de extraer esos mismos datos de una imagen, te escribo yo un algoritmo . Como ya dije antes, sin necesidad de IA.

Por otro lado, aunque menos elegante, puedes entrenar una IA simple con TensorFlow para que aprenda del resto de la gente con qué porcentaje le parece bella una imagen. Lo malo es que con toda la variabilidad de los datos, tomaría una cantidad de inputs bastante terrible para funcionar bien pero vamos, como dije, yo hablo de un algoritmo normalucho eh .

Ahora bien, ninguna de las dos cosas que te pido (el estudio y el programa extractor) son triviales, pero tampoco imposibles!

#148

Hombre es que hay una gran diferencia entre codificar en una máquina "la belleza" y que sepa ésta reconocerla cuando la tenga delante (no sólamente restringido a una imágen eh) a...

le paso un .jpg y con una función de coste que me saco de la manga con machine learning te genero un SÍ/NO.

No es ni un primer paso, son directamente problemas distintos, le des las vueltas que le des. Yo creo que más no puedo hacer para explicar este hecho, que no una opinión.