DARPA realiza grandes avances en aprendizaje automático
Los proyectos de la agencia podrían ayudar a los expertos militares a predecir los movimientos de las tropas enemigas y los fenómenos meteorológicos e, incluso, a detectar las mejores ubicaciones para el personal del departamento de Defensa.
El área de Investigación y Desarrollo del Departamento de Defensa de Estados Unidos está ofreciendo financiar proyectos que simplificarán la compleja tarea de construir patrones para las aplicaciones de aprendizaje automático.
Los patrones constituyen una parte fundamental del machine learning. De forma similar a los algoritmos, enseñan a los ordenadores a, por ejemplo, identificar a un gato en una foto, a obtener la previsión del tiempo a partir de datos históricos o a detectar el spam entre los correos electrónicos legítimos.
No obstante, construir los patrones conlleva tiempo y requiere muchas habilidades. Por lo general, los científicos de datos, expertos en la materia e ingenieros de software tienen que unirse para poder desarrollarlos.
Cuando los investigadores de la Universidad de Nueva York quisieron crear un patrón para analizar el flujo de los datos de la ciudad bloque por bloque, fueron necesarias 60 personas para preparar los datos para su uso y 30 personas adicionales para desarrollar el patrón.
La Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) quiere cambiar esto. Se ha propuesto investigar en “sistemas de descubrimiento de patrones automatizados” que permitirían a expertos sin conocimientos en ciencia de datos crear un patrón.
El departamento de Defensa ve un gran potencial en el aprendizaje automático, sobre todo porque el volumen de datos de código abierto disponibles continua aumentando año tras año.
DARPA señaló que los patrones van ayudar a predecir comportamientos, como los movimientos de las tropas enemigas durante un conflicto, y a prever el clima o el tráfico. Asimismo, se podrían utilizar incluso para averiguar el mejor lugar para ubicar al personal del departamento de Defensa.
El motivo de este proyecto no es simplemente ahorrar tiempo y dinero, sino que, según las predicciones de DARPA, el número de científicos de datos este año oscila los 180.000, cifra que podría empeorar los próximos años.
