Inteligencia artificial híbrida (en adelante, IA) y un nuevo conjunto de datos y puntos de referencia para evaluar las capacidades de los algoritmos de IA en el razonamiento sobre las acciones de la información de video presentada por investigadores de IBM, MIT, Harvard y DeepMind en la conferencia ICLR 2020, informa TheNextweb el 17 de mayo.
El nuevo conjunto de datos y entorno de investigación presentado en ICLR 2020 se llama Eventos de colisión para la representación y el razonamiento en video o CLEVRER. Se basan en CLEVR, un conjunto visual de preguntas y respuestas desarrollado en la Universidad de Stanford en 2017. CLEVR es un conjunto de tareas que representan imágenes fijas de objetos sólidos. El agente de IA debe poder analizar la escena y responder varias preguntas sobre la cantidad de objetos, sus atributos y sus relaciones espaciales.
Como solución a una tarea difícil para la IA clásica, los investigadores presentaron un modelo de pensamiento dinámico neuro-simbólico, una combinación de redes neuronales e inteligencia artificial simbólica.
Los resultados mostraron que la incorporación de redes neuronales y programas simbólicos en un modelo de IA puede combinar sus fortalezas y superar sus debilidades. "La representación simbólica proporciona un poderoso marco común para la visión, el lenguaje, la dinámica y la causalidad", señalan los autores, y agregan que los programas simbólicos permiten al modelo "capturar claramente la composicionalidad subyacente a la estructura causal del video y la lógica de la pregunta".
Las ventajas de tales sistemas están limitadas por desventajas incondicionales. Los datos utilizados para entrenar el modelo requieren anotaciones adicionales, que pueden consumir mucha energía y ser costosas en aplicaciones del mundo real.
