Un equipo de investigadores ha creado un algoritmo de IA capaz de aprender a detectar emociones en un texto cuando no ha sido entrenado para ello.
Aunque hay una rama de la inteligencia artificial que se denomina machine learning o aprendizaje automático, y aunque esta rama es una de las más exploradas en estos momentos, lo cierto es que el verdadero aprendizaje está lejos de alcanzarse. Sin embargo, el logro que ha llevado a cabo un equipo de investigadores de la organización Open AI puede dar un golpe de mano a este campo. Su trabajo ha derivado en un algoritmo de IA c apaz de aprender algo sin que se le entrenara para ello.
Normalmente a los algoritmos se les entrena con una gran base de datos para que aprendan. Pero solo se les enseña una cosa. Si la tarea consiste en distinguir perros en fotografías, se les presentará una cantidad enorme de imágenes de perros. Así el software aprenderá a saber cómo es un perro y podrá distinguirlo en contextos nuevos.
Pero este mismo algoritmo no sería capaz de distinguir si el perro está en una actitud agresiva, a no ser que específicamente se le entrene para este cometido. El equipo de Open AI, una entidad dedicada a la investigación y financiada por nombres flamantes de Silicon Valley, como Elon Musk o Peter Thiel, ha conseguido que algo así sea posible.
El algoritmo de IA que habían desarrollado se entrenó para predecir el próximo carácter en un texto. Para esto se le introdujo una gran cantidad de reseñas de Amazon, millones de ellas. Con todos estos textos, el software adquirió algo más que la capacidad de conocer el próximo carácter. Era capaz de determinar si una reseña era positiva o negativa. Es decir, había aprendido a leer emociones sin que se le entrenara para ello.
Se entrenaron más de 4.000 unidades del algoritmo sobre 82 millones de reseñas de Amazon. Y cuando los investigadores decidieron convertir su modelo en un 'sentiment tracker' descubrieron una actividad desacostumbrada de una unidad. La idea era que el software usara una combinación de lo aprendido por todas sus unidades. Pero solo unas pocas unidades se activaban para determinar las emociones de una reseña. Explorando el algoritmo se dieron cuenta de que una de ellas había desarrollado una capacidad predictiva muy precisa para el cometido.
El software tenía un 91,8% de precisión a la hora de acertar en el carácter positivo o negativo de las reseñas. Es solo un trabajo de investigación, pero muestra que es posible un aprendizaje más transversal. Cuando esto sea posible a cierta escala se ahorraría mucho tiempo, pues no sería necesario organizar la información ni supervisar el entrenamiento.
Imágenes: EJP Photo, Chris Devers
