Algoritmo de Facebook usa un billón de fotos de Instagram para "enseñarse solo"

Generalmente, los algoritmos son creados y "alimentados" por una serie de categorías que se introducen manualmente, dando directivas a los sistemas para desarrollar las funciones que se pretende. Claro que cuando hablamos de los mecanismos que identifican nuestras costumbres para vendernos productos en internet o mantenernos pegados a la pantalla, entre otras acciones, nos referimos a procesos informáticos de una complejidad abrumadora.

En la disputa por desarrollar inteligencia artifical cada vez más precisa, las empresas tecnológicas de redes sociales llevan años de inversión, investigación y pruebas. En este contexto, Facebook afirma haber creado un nuevo algoritmo que prácticamente no requiere de intervención humana para aprender a identificar fotos. Para comprobarlo, los desarrolladores le introdujeron un billón de fotos de perfiles públicos de Instagram sin etiquetas ni indicios sobre su contenido, con el fin de que el algoritmo aprendiera por sí mismo a clasificarlas. Según reportaron desde la red social, el resultado fue de un 84,5% de efectividad.

El avance en la creación de "Seer", como Facebook decidió llamar a este mecanismo de identificación de imágenes, significa un hito para un enfoque de inteligencia artificial conocido como "aprendizaje auto supervisado", según expresó el científico jefe de Facebook, Yann LeCun. En efecto, la alta efectividad demostrada por Seer en la tarea de reconocimiento de imágenes es la más avanzada hasta el momento para este tipo de algoritmos.

¿Por qué con imágenes?

Según detalla Facebook en la publicación disponible su blog, otros experimentos habían alcanzado grandes resultados utilizando lenguaje sin clasificar en lugar de imágenes, pero éstas representan un desafío diferente. Esto se debe a que las palabras individuales son más fáciles de identificar que los fragmentos de una foto u imagen que, por ejemplo, podría contener un árbol, una casa o un animal situados cerca o hasta interpuestos.

"Con imágenes, el algoritmo debe decidir qué pixel pertenece a qué concepto. Pero además, el mismo concepto podría variar de imagen a imagen, como si uno viera fotos de gatos en diferentes poses o enfocados desde distintos ángulos".

Además, el comunicado menciona la importancia de contar con algoritmos que no cuenten con "sesgos humanos" a la hora de interconectar información para tomar decisiones. Esto ayudaría a evitar que los criterios introducidos por humanos trasladen prejuicios o preconceptos tales como, por ejemplo, asociar palabras tales como "belleza", "pelo", "sonrisa" u otros atributos físicos a mujeres, mientras que otras como "trabajo", "dinero", o "negocios", sean asociadas al género masculino.

En este sentido, la profesora del Instituto de Internet de Oxford, Sandra Wachter, aseguró que el experimento es muy prometedor, aunque aún es importante conocer más sobre cómo y por qué el algoritmo toma sus decisiones. "Deberíamos aprender a despojar a los algoritmos de los sesgos humanos, pero no hay nada como datos neutrales imparciales, por lo que siempre hay que lidiar con eso", definió.