Una de las ramas de la robótica que siempre me han encantado es el de la robótica evolutiva. En esta entrada intentaremos explicar por qué es tan atractiva, presentando una de las direcciones en las que se trabaja. Concretamente, veremos cómo se combinan redes neuronales con algoritmos genéticos y aprendizaje por refuerzo. ¡Casi nada! Pero…

Artículo que explica la "Imagen completamente generada por una IA" vista anteriormente en meneame: www.meneame.net/story/imagen-creada-por-i

Las capacidades cognitivas humanas parecen ser, como vemos, producto exclusivo del procesado eléctrico por entre trillones de sinapsis sin que exista evidencia empírica alguna de que nada más intervenga [...] y esto nos permite concluir (gracias a todo lo que ya conocemos sobre las redes neuronales) que: Nuestra mente, en el fondo, no es más que el fruto de una enorme calculadora digital capaz de ejecutar en paralelo cientos de trillones de operaciones por segundo: operaciones que, por cierto, se reducen a meras sumas de potenciales eléctricos.

Google ha puesto sus herramientas de inteligencia artificial basadas en redes neuronales a disposición de los desarrolladores en la nube. Con estas herramientas, la aplicación puede aprender y de este modo adaptarse a una situación. También, es capaz de detectar patrones y asociarlos. Google ya usa estos servicios en las búsquedas de imágenes y por voz, en las traducciones y en las respuestas inteligentes de Inbox. Ahora los desarrolladores podrán crear modelos de aprendizaje automático basándose en datos. En español: goo.gl/ZXRCyh

Encontrar piscinas vacías para hacer skate nunca ha sido tan fácil. A veces una nueva herramienta llega al mundo de forma tan abiertamente útil que lo único que se puede hacer es reclinarse y decir: "guau". Haz clic en un punto interesante de una foto satélite y Terrapatern encontrará otras estructuras similares en el mapa.

Alex Graves, Greg Wayne y Ivo Danihelka han diseñado una red neuronal acoplada a una máquina de Turing que es capaz de inferir algoritmos de clasificación.

El equipo creador de DeepMind ha aninciado que han logrado desarrollar a partir de su propia plataforma un programa para la creación de habla artificial, al que han bautizado como WaveNet. Esta red neuronal alimentada con miles de datos borraría por completo la brecha existente entre el habla de los humanos y el de las máquinas, en donde las frecuencias del sonido y la fluidez de las palabras haría imposible distinguir entre una persona real y la máquina. En español: goo.gl/Gzqh34 vía @Mezvan

Las neurociencias a través de investigaciones demuestran cómo los apodos calan profundo en la red neuronal.

Ahora, un grupo de investigadores del Imperial College London han colaborado con los responsables de DeepMind para desarrollar un nuevo algoritmo llamado 'consolidación de peso elástico' (EWC), el cual permite que las redes neuronales aprendan, retengan esta información, y la vuelvan a usar nuevamente en otras tareas. Dicho algoritmo se basa en secuencias de 'aprendizaje supervisado' y pruebas de 'aprendizaje de refuerzo'.

Un equipo de la Universidad de Lancaster ha propuesto un nuevo método de procesamiento digital de mundos que podemos encontrar en la literatura. Esta tecnología consiste en la visualización de lugares imaginarios con la ayuda del reconocimiento automatizado de textos, sistemas de información geográfica (GIS) y animación en 3D. Por ejemplo, el resultado final permitirá al lector ver un “verdadero” mapa animado de Tierra Media, continente ficticio de la trilogía de “El Señor de los Anillos”, así como cualquier otra localización descrita.

El método que se utilizaba hasta ahora para representar figuras volumétricas, la malla poligonal, va a dejar paso a uno más eficiente, las nubes de puntos, gracias a la ayuda de las redes neuronales. Google, Apple, Nvidia y Microsoft ya dan los primeros pasos.

El proyecto de Google crea, entrena y se mejora a sí mismo y también es capaz de mejorar otras redes neuronales ya existentes. Un ejemplo es NASNet, un modelo que ha conseguido clasificar e identificar objetos presentes en fotografías como nunca antes.

Lo que ocurre cuando Telefónica encarga a un economista escribir sobre inteligencia artificial: las redes neuronales provienen de la "neurología", es decir la IA tiene desórdenes mentales...

Esta creación artificial utiliza una refinada arquitectura de redes neuronales para lograr una voz más humana en la conversión texto-a-voz (TTS). forma parte de un trabajo publicado en ArXiv bajo el enrevesado título de Natural TTS Synthesis by Conditioning WaveNet on Mel Spectrogram Predictions.

Esto es lo que dice el creador de este proyecto: "Charles, es una red neuronal convolucional que aprende a conducir a través del aprendizaje profundo. Por el momento, Charles aprende y toma todas las acciones basándose en fotogramas individuales a la vez, y basa sus decisiones en datos de píxeles. Charles sólo ve exactamente lo que tú ves. Con el tiempo, tengo la intención de darle a Charles un poco de memoria a corto plazo para, con suerte, mejorar su conducción."

Científicos rusos y españoles crearon una red neuronal que replica la incertidumbre cerebral por la que pasa un ser humano al momento de tomar una decisión. Estos resultados ayudarán a los científicos a crear una inteligencia artificial que se detenga antes de tomar una decisión en una situación difícil.

La aparición del coche autónomo es una realidad cada vez más presente. En León, España, se ha probado con éxito el software que llevarán este tipo de vehículos, en un coche equipado con cámaras. La red neuronal instalada es capaz de reconocer más de 80 elementos, como personas, coches, autobuses, semáforos o animales entre otros, y de tomar decisiones con esta información. Tras las satisfactorias pruebas, DROTIUM espera ahora que el Ayuntamiento de León apruebe la ordenanza municipal que permita regular las pruebas de vehículos sin conductor.

IA, machine learning, redes neuronales… Demasiados términos que a la mayoría de la gente les suena a ciencia ficción. Sergio Rozada, científico de datos, no acerca estos términos de forma sencilla.

La computación evolutiva, ignorada durante años, acaba de demostrar que es capaz de rendir mejor que las redes neuronales. Además, es más fácil de entrenar.

En los últimos años, el entrenamiento de redes neuronales profundas a partir de grandes cantidades de datos etiquetados ha mejorado el nivel de desarrollo de muchas áreas vinculadas a la IA, como el de la percepción y predicción de objetos. Pero, ¿eso basta cuando buscamos desarrollar un sistema de conducción autónoma lo bastante robusto como para conducir coches reales en escenarios de conducción complejos? ¿Miles de ejemplos de conducción humana pueden ayudarnos a enseñar a una IA a ser buena conductora?

Canciones únicas, compuestas en cuestión de minutos. Jukedeck compone canciones del estilo que se le pide mediante redes neuronales artificiales. A continuación un vídeo que contiene el fruto de las primeros minutos de uso con Jukedeck.

Un proyecto del Ejército de los EE.UU ha permitido desarrollar un nuevo framework (denominado 'Learn to Grow') para la creación de redes neuronales profundas que permite que los sistemas de IA aprendan mejor las nuevas tareas.