En los juegos como el ajedrez y el Go, la inteligencia artificial se ha demostrado en repetidas ocasiones su capacidad para burlar a los expertos. Las redes de anuncios y los motores de recomendación están consiguiendo muy buenos a la hora de predecir lo que los consumidores quieren comprar próximo. La inteligencia Artificial, parece, está cambiando muchos aspectos de nuestras vidas, especialmente en internet.
Pero lo que ha sido descrito como una revolución de la inteligencia artificial aún no ha barrido el ejército de estados UNIDOS. Aunque no son frecuentes las previsiones de que la IA va a revolucionar militar, hay una enorme diferencia en la amplitud y profundidad de IA adopción en las fuerzas armadas y de comercio en línea, y la diferencia tiene mucho que ver con los datos disponibles para los militares de los sistemas de AI.
Los datos que los estados UNIDOS necesidades militares para entrenar a los algoritmos para reconocer, por ejemplo, las señales que provienen de adversario sensores o plataformas son difíciles de recoger. Algoritmos—en particular el aprendizaje profundo de las variantes—generalmente requieren de enormes cantidades de datos que es la precisión en la etiqueta y relevantes para cada problema específico de dominio. Militar adversarios desarrollar sofisticadas tácticas y tecnologías para prevenir la recopilación de estos datos, o tratar de garantizar que se obtengan los datos incorrectos. Con la información dañada sobre la situación militar, las decisiones que tomamos pueden estar lejos de ser óptimo, entrega una ventaja para el adversario.
Esto es especialmente cierto en la dinámica de las situaciones de conflicto en el que tecnológicamente avanzados a los adversarios de la lucha para obtener información acerca de sus oponentes usando sensores electromagnéticos y enlaces de comunicaciones. En estos escenarios, a cada lado, simultáneamente, se involucra en la guerra electrónica (EW) para negar el uso de los mismos sensores y enlaces de comunicaciones. Cuando se utilizan los algoritmos para adaptarse a estas dinámicas EW interacciones, los tipos de aprendizaje aplicado a los juegos de estrategia como el Go es mucho más difícil de aplicar.
Hay aplicaciones de defensa en el que los modernos algoritmos de hacerlo bien, como el reconocimiento de patrones complejos, o cambios en las imágenes o señales que pueden ser recogen en la mayor parte de los servicios de inteligencia de los sensores. Los sensores de los satélites, por ejemplo, puede recopilar datos sobre grandes áreas a lo largo del tiempo y buscar patrones de cambio en el uso agrícola, la construcción, el transporte, y la construcción naval. Algoritmos diseñados para detectar tales cambios pueden reducir considerablemente el tiempo que consumen los esfuerzos para ordenar una enorme pila de videos e imágenes. El Departamento de Defensa del Proyecto de Maven, por ejemplo, recoge una gran cantidad de muestras de vídeo que está a continuación, marcadas por los analistas en cuanto a qué tipo de actividades fueron registradas. Entonces, el aprendizaje profundo AI se utiliza para reconocer patrones similares en los nuevos vídeos.
Los militares de EE.UU. han tenido gran éxito en el despliegue de vehículos autónomos—otra clase de sistemas que han sido subsumidos bajo el alcance cada vez mayor de “inteligencia artificial”—pero estos sistemas están controlados en gran parte por los algoritmos que difieren de muchas aplicaciones de la AI. Estos sistemas son en gran parte guiada por los algoritmos que son cuidadosamente elaborados por los ingenieros para asegurar que los vehículos se comportan de manera predecible, y mientras estos vehículos algoritmos de control son adaptables, no aprenden su comportamiento básico de millones de ejemplos a través de ensayo y error como aprendizaje profundo de los métodos. En estos casos, el desarrollo y comportamiento de los algoritmos de clave se basa en los datos que está relativamente a salvo de la negación o el engaño por parte de un adversario.
Es la más avanzada IA realidad secretamente floreciendo a lo largo de los militares, pero se desconoce a los civiles a causa de clasificación de restricciones? La respuesta es no. Es cierto que el sistema específico de capacidades, tácticas, o vulnerabilidades debe permanecer clasificado. Pero los programas del Departamento de Defensa regularmente sin clasificar historias de éxito con el fin de inspirar a los nuevos trabajadores a entrar en el campo, atraer a las empresas para invertir sus internas de I&D de dólares para competir, y para justificar la continuación del financiamiento. La supervisión del departamento de defensa presupuesto requiere de la mayoría de los programas para proporcionar una descripción de su finalidad y el progreso.
Por el contrario, algunos de los más populares plataformas están diseñadas para producir datos que se alimenta de nuevo en los sistemas de AI y mejorar su rendimiento. Cada día, miles de millones de usuarios de internet publicar datos acerca de su actividad. Que los datos son a menudo etiquetados con subtítulos, hashtags, lugares, o enlaces a los amigos. Estos bits de datos relacionados contienen información acerca de los temas de imágenes que publicamos, nuestros intereses individuales, redes sociales, preferencias, y así sucesivamente. Como las redes sociales, de internet y de plataformas de comercio de absorber y almacenar estos datos, se acumulan enormes bases de datos que son ideales para el entrenamiento, las pruebas y la rapidez de la mejora de algoritmos. Estos algoritmos son utilizados a su vez para inferir nuestros intereses individuales y, a continuación, vender información sobre nosotros a los anunciantes. Los anunciantes, a continuación, a continuación, tomar decisiones en cuanto a si se debe pagar por un anuncio que aparece en la pantalla.
Este juego es que la mayor parte de la cooperativa: nos proporcionan los usuarios el acceso a nuestro comportamiento y preferencia de datos, y, a cambio, obtener información gratuita así como las recomendaciones, mientras que las plataformas de internet proporcionan servicios gratuitos a nosotros y recibir el dinero de la venta de anuncios. En la gran mayoría de los datos diarios de las transacciones, no hay ningún jugador en este juego que está tratando de corromper las decisiones que se toman.
Los militares simplemente no tiene comparables fuentes de datos para alimentar sus sistemas. Medios de comunicación Social a las empresas obtener los datos de forma gratuita, mientras que el militar tiene que construir sistemas especializados y pagar a la gente para recoger y la información de la etiqueta. Y de los datos que más busca—sobre el adversario los sistemas y el comportamiento es el más difícil de recoger y requiere de cuidado de la clasificación para evitar el engaño.
Mientras que los militares continuarán enfrentándose a una decisión-medio ambiente envuelto en la niebla de guerra, juegos populares continuará a ser aprendido a través de cientos de millones de personas de en línea juega con el fin de capacitar a la próxima AI. Las fuerzas armadas tendrán que continuar la lucha para recopilar datos para su uso en la automatización de decisiones, en particular contra los cada vez más sofisticados adversarios. AI puede resultar útil en la resolución de ciertos problemas, pero va a ser una larga y lenta evolución. En tanto, se debe continuar invirtiendo en la más amplia gama de teoría, cálculo y algoritmos para mejorar nuestra información en sistemas basados en la cara de mucho más sofisticada de la competencia que estamos enfrentando ahora.
Tom Stefanick es investigador invitado en el instituto Brookings.
This content was originally published here.
Español de México