Por: Carlos A. FERREYROS SOTO
Doctor en Derecho
Universidad de Montpellier I Francia.
RESUMEN
La Revista Science Daily publicó el 18 de setiembre último, un artículo cuya fuente es la Concordia University de Chicago, USA, cuyos investigadores han desarrollado un nuevo marco para hacer que las tareas complejas de IA sean más accesibles y transparentes para los usuarios.
El marco se especializa en brindar soluciones a solicitudes de aprendizaje de refuerzo profundo (Deep Reinforcement Learning, DRL). El marco vincula a desarrolladores, empresas e individuos que tienen necesidades de IA específicas pero fuera de sus alcances con proveedores de servicios que tienen los recursos, la experiencia y los modelos que necesitan. El servicio es de colaboración colectiva, construido sobre una cadena de bloques y utiliza un contrato inteligente (un contrato con un conjunto predefinido de condiciones incorporadas en el código) para enlazar a los usuarios con el proveedor de servicios adecuado.
El artículo publicado en inglés ha sido traducido al castellano por el suscrito
con la ayuda del aplicativo Google Translator. El enlace al texto original se encuentra
en: www.sciencedaily.com/releases/2024/09/240918125100.htm
.
A fin de acceder a normas similares y estándares europeos,
las empresas, organizaciones públicas y privados interesados en asesorías, consultorías,
capacitaciones, estudios, evaluaciones, auditorías sobre el tema, sírvanse comunicar
al correo electrónico: cferreyros@hotmail.com
_______________________________________________________
El trabajo pesado de la inteligencia artificial se puede externalizar utilizando un nuevo marco basado en blockchain
"Artificial intelligence grunt work can be outsourced using a new blockchain-based framework"
El costoso y difícil proceso de entrenamiento de modelos de aprendizaje de refuerzo profundo no tiene por qué ser inaccesible para los actores más pequeños, afirman los investigadores.
Fecha: 18 de septiembre de 2024
Fuente: Universidad Concordia
Resumen: Los investigadores han desarrollado un nuevo marco para hacer que las tareas complejas de IA sean más accesibles y transparentes para los usuarios. El marco se especializa en brindar soluciones a solicitudes de aprendizaje de refuerzo profundo (DRL). El marco conecta a desarrolladores, empresas e individuos que tienen necesidades de IA específicas pero fuera de su alcance con proveedores de servicios que tienen los recursos, la experiencia y los modelos que necesitan. El servicio es de colaboración colectiva, está construido sobre una cadena de bloques y utiliza un contrato inteligente (un contrato con un conjunto predefinido de condiciones incorporadas en el código) para unir a los usuarios con el proveedor de servicios adecuado.
El lugar de trabajo del mañana se basará en cantidades asombrosas de datos.
Para que todo esto tenga sentido, las empresas, los desarrolladores y los
individuos necesitarán mejores sistemas de inteligencia artificial (IA),
trabajadores de IA mejor capacitados y servidores de procesamiento de números
más eficientes.
Si bien las grandes empresas tecnológicas cuentan con los recursos y la
experiencia necesarios para satisfacer estas demandas, siguen estando fuera del
alcance de la mayoría de las pequeñas y medianas empresas y de los
particulares. Para responder a esta necesidad, un equipo internacional de
investigadores dirigido por Concordia ha desarrollado un nuevo marco para que
las tareas complejas de IA sean más accesibles y transparentes para los
usuarios.
El framework, descrito en un artículo publicado en la revista Information
Sciences , se especializa en brindar soluciones a solicitudes de
aprendizaje de refuerzo profundo (DRL, por sus siglas en inglés). DRL es un
subconjunto del aprendizaje automático que combina el aprendizaje profundo, que
utiliza redes neuronales en capas para encontrar patrones en grandes conjuntos
de datos, y el aprendizaje de refuerzo, en el que un agente aprende a tomar
decisiones interactuando con su entorno en función de un sistema de
recompensa/penalización.
DRL se utiliza en industrias tan diversas como los juegos, la robótica, la
atención médica y las finanzas.
El marco vincula a desarrolladores, empresas e individuos que tienen
necesidades de IA específicas pero fuera de su alcance con proveedores de
servicios que tienen los recursos, la experiencia y los modelos que necesitan.
El servicio es de colaboración colectiva, está construido sobre una cadena de
bloques y utiliza un contrato inteligente (un contrato con un conjunto
predefinido de condiciones incorporadas en el código) para vincular a los
usuarios con el proveedor de servicios adecuado.
"La colaboración colectiva para el proceso de capacitación y diseño de
DRL hace que el proceso sea más transparente y más accesible", dice Ahmed
Alagha, candidato a doctorado en la Escuela de Ingeniería y Ciencias de la
Computación Gina Cody y autor principal del artículo.
"Con este marco, cualquiera puede registrarse y crear un historial y
un perfil. En función de su experiencia, formación y calificaciones, se les
pueden asignar tareas que los usuarios soliciten".
Democratizando la DRL
Según su coautor y supervisor de tesis, Jamal Bentahar, profesor del
Instituto Concordia de Ingeniería de Sistemas de Información, este servicio
abre el potencial que ofrece DRL a una población mucho más amplia que la que
estaba disponible anteriormente.
"Para entrenar un modelo DRL, se necesitan recursos computacionales
que no están disponibles para todos. También se necesita experiencia. Este
marco ofrece ambas cosas", afirma.
Los investigadores creen que el diseño de su sistema reducirá los costos y
el riesgo al distribuir los esfuerzos computacionales a través de la cadena de
bloques. Las consecuencias potencialmente catastróficas de una caída del
servidor o un ataque malicioso se mitigan al tener docenas o cientos de otras
máquinas trabajando en el mismo problema.
"Si falla un servidor centralizado, se cae toda la plataforma",
explica Alagha. "La tecnología blockchain ofrece distribución y
transparencia. Todo queda registrado en ella, por lo que es muy difícil manipularla".
El difícil y costoso proceso de entrenar un modelo para que funcione
correctamente se puede acortar si se dispone de un modelo existente que sólo
requiere algunos ajustes relativamente menores para adaptarse a las necesidades
particulares del usuario.
"Por ejemplo, supongamos que una gran ciudad desarrolla un modelo que
puede automatizar las secuencias de semáforos para optimizar el flujo de
tráfico y minimizar los accidentes. Las ciudades o pueblos más pequeños pueden
no tener los recursos para desarrollar uno por sí mismos, pero pueden usar el
que desarrolló la ciudad grande y adaptarlo a sus propias circunstancias".
Hadi Otrok, Shakti Singh y Rabeb Mizouni de la Universidad Khalifa en Abu
Dhabi contribuyeron con este estudio.
Fuente de la historia:
Materiales proporcionados por la Universidad Concordia . Texto original escrito por Patrick Lejtenyi.
Nota: El contenido puede ser editado por cuestiones de estilo
y extensión.
Referencia de la revista :
Ahmed Alagha, Hadi Otrok, Shakti Singh, Rabeb Mizouni, Jamal
Bentahar. Aprendizaje de refuerzo profundo colaborativo basado en
blockchain como servicio . Ciencias de la información ,
2024; 679: 121107 DOI: 10.1016/j.ins.2024.121107
Citar esta página :
Universidad Concordia . ”El trabajo pesado de la inteligencia
artificial se puede externalizar utilizando un nuevo marco basado en
blockchain". ScienceDaily. ScienceDaily, 18 de septiembre de 2024.
www.sciencedaily.com/releases/2024/09/240918125100.htm .
No hay comentarios:
Publicar un comentario