Facebook crea del código abierto nuevas características de inteligencia artificial

Facebook ha lanzado como código abierto algunos módulos de software que pueden acelerar el reconocimiento de imágenes, modelamiento de lenguaje y otras tareas de aprendizaje de máquina, con la intención de mejorar la inteligencia artificial de las computadoras para ellos mismos y para otros.

Tales módulos podrían ser usados por las startups u otras compañías que quieran construir productos y servicios basados en inteligencia artificial, pero que no tengan a la mano el “profundo expertise en ingeniería” que se necesita para desarrollar tales capacidades de forma interna, sostuvo Soumith Chintala, ingeniería de investigación de Facebook, que trabaja para el laboratorio FAIR (Facebook AI Research).

Facebook aún no incorpora tecnologías de inteligencia artificial en su servicio de red social, sostuvo Chintala, aunque las técnicas que se han desarrollado en FAIR podrían algún día usarse para mejorar la experiencia del usuario. Dada la relativa insuficiencia de herramientas de inteligencia artificial comercialmente disponibles, Facebook está financiando FAIR para construir capacidades básicas de forma interna, y haciendo de código abierto los resultados para que otros puedan usarlos y refinarlos, indicó el ejecutivo.

Los nuevos módulos corren en Torch de Facebook, un framework de desarrollo de código abierto para construir aplicaciones de aprendizaje profundo (deep learning). Google, Twitter, Nvidia e Intel han usado este framework para sus proyectos.

El módulo del que Chintala hablaba con mayor entusiasmo era uno que estaba escrito para reconocer objetos dentro de imágenes. Aunque hay suficientes librerías que ya realizan esta tarea, este conjunto de código lo hace mucho más rápido que otros enfoques, usando técnicas que los investigadores de Facebook desarrollaron junto con la librería cuFFT de Nvidia -FFT significa Fast Fourier Transform, un algoritmo para convertir señales.

El módulo, que fue construido para correr en arrays de GPU, puede usarse para construir redes circonvolutivas, un tipo emergente de redes neuronales adecuadas para la visión de máquina.

Otro módulo, llamado Hierarchical SoftMax, puede acelerar el proceso de entrenar a una red de aprendizaje de máquina a entender las relaciones entre decenas de millones de objetos; todas las palabras de un diccionario, por ejemplo. Este módulo puede usarse para predecir la siguiente palabra en una oración, dadas las primeras palabras en una oración. El Hierarchical SoftMax se basa en el trabajo hecho en los laboratorios de investigación de Microsoft.

Otro módulo hace correlaciones temporales, indicó Chintala. Puede usarse para buscar en una serie de datos relacionados por tiempo y predecir cuál podría ser el siguiente valor. Este módulo también se podría utilizar en la predicción de palabras.

Facebook también lanzó una tabla optimizada que puede ayudar a mantener en memoria números extremadamente grandes de objetos. Un programa de computadora que busca encontrar la relación entre palabras relacionadas, como “comida” y “hambre”, podría usar la tabla para acelerar el proceso de conectarlas, indicó Chintala. La propia Facebook ha evaluado este módulo para generar de forma automática los hashtags potenciales para un cuerpo de texto dado.

Joab Jackson, IDG News Service