Shared Interest incorpora métricas sobre cómo se desarrolla el aprendizaje automático y si estas coinciden con la forma de aprender humana
Mediante el desarrollo de una inteligencia artificial, investigadores pueden analizar la manera en la que este evoluciona emulando el pensamiento humano.
Actualmente, investigadores del Instituto Tecnológico de Massachussets (MIT), en conjunto con la empresa tecnológica IBM, desarrollaron un método de aprendizaje a partir de una inteligencia artificial.
Este nuevo algoritmo permite a un usuario ordenar, agregar y clasificar descripciones individuales para una análisis rápido del comportamiento de un modelo de instrucción automático.
Esta técnica fue denominada como Shared Interest, e incorpora métricas cuantificables sobre cómo se desarrolla el aprendizaje automático y la forma en la que coincide con el razonamiento humano.
Esta inteligencia artificial apoyaría a los investigadores a identificar tendencias sobre la evolución del aprendizaje.
«Al desarrollar Shared Interest, nuestro objetivo es lograr ampliar el proceso de análisis para comprender a un nivel más global cuál es el comportamiento del modelo», dijo Angie Boggust, investigadora principal.
La inteligencia artificial utiliza técnicas denominadas métodos de prominencia, los cuales muestran cómo un modelo de aprendizaje automático toma decisiones específicas.
Si el algoritmo clasifica imágenes, los métodos de prominencia buscan resaltar áreas de una imagen que son consideradas como importantes cuando este tomó la decisión.
Estas áreas se visualizan como un mapeo térmico llamado mapa de prominencia, que usualmente se superpone a la imagen original.
En estos casos, si el modelo clasificó una imagen canina y la cabeza del perro está resaltada, significa que los píxeles correspondientes eran importantes para decidir si la figura era un perro.
En un conjunto de datos de imágenes, los de importancia suelen ser anotaciones hechas por humanos, quienes rodean las partes relevantes de cada representación.
Dicha inteligencia artificial realiza una comparación de los datos de prominencia generados por el algoritmo y los datos reales generados por humanos en una misma imagen.
La técnica evalúa y clasifica la decisión en categorías: desde aquellas alineadas con los humanos, hasta otras completamente distintas.
Pese a la satisfacción de los científicos con dicha inteligencia artificial, Boggust advierte que la técnica funciona si los métodos de prominencia son efectivos.
Si estos últimos albergan algún inconveniente en su desarrollo, la técnica también desarrollara estas problemáticas al generar una técnica poco confiable.
