El software permite que las computadoras estimen la probabilidad de que algo suceda calculando con cuanta frecuencia ha sucedido en el pasado. El software puede utilizarse para mejorar una amplia variedad de aplicaciones industriales e interactivas de computación –todo desde purgar enormes bases de datos de estudios genéticos para identificar proteínas prometedoras para la elaboración de nuevas drogas hasta enviar sistemas por correo electrónico que creen un modelo del comportamiento de una persona para decidir cuál es la mejor manera de manejar por su cuenta los mensajes entrantes nuevos. El software está disponible a través de la Open Source Machine Learning Library (OpenML) de Intel, una herramienta de funciones que ayuda a los investigadores a desarrollar aplicaciones de aprendizaje automático.
“Intel quiere que las computadoras sean más proactivas”, dijo David Tennenhouse, vicepresidente en el Grupo de Tecnología Corporativa de Intel y director de investigación. “Para esto es necesario que puedan aprender de sus experiencias con los usuarios y el mundo que las rodea. Utilizando nuevos métodos estadísticos para identificar patrones claves, estos sistemas comenzarán a anticipar las necesidades de sus usuarios y a precomputar respuestas a las preguntas más probables de modo que las respuestas estarán instantáneamente disponibles en el momento de necesitarlas. Combinada con microprocesadores más veloces, la biblioteca OpenML de seguro nos llevará a la explosión de aplicaciones basadas en el aprendizaje automático como juguetes que respondan a los movimientos del niño y redes de sensores inalámbricos que mejorarán nuestra seguridad, productividad y la administración de nuestro entorno”.
“En Concurrent Pharmaceuticals integramos métodos computacionales de marca, química medicinal y biología de descubrimiento para crear drogas novedosas”, explicó John Baldwin, presidente y director de ciencia de Concurrent Pharmaceuticals. “Nuestro método crea cantidades masivas de información generada por computadora que necesita ser integrada en forma perfecta al proceso de descubrimiento de drogas para que sea efectiva. La disponibilidad de herramientas nuevas y más sofisticadas para el aprendizaje automático, como la biblioteca OpenML, mejora nuestra capacidad para utilizar nuestras tecnologías computacionales en el descubrimiento de drogas y nos ayudará a alcanzar nuestro objetivo de descubrir con mayor rapidez nuevas terapias destinadas a mejorar la salud humana”.
Impulsar la investigación hacia el aprendizaje automático
La herramienta OpenML se basa en los principios matemáticos “Bayesianos” que son esencialmente la idea de que la probabilidad de hechos futuros puede calcularse estudiando la frecuencia con que éstos han ocurrido anteriormente. Debido a que los modelos Bayesianos se basan en datos recogidos de la experiencia, cuanto más datos se obtengan mejores serán las predicciones, y si los datos cambian, los resultados se auto corrigen.
“Con el lanzamiento de la herramienta OpenML, los investigadores en todo el mundo tendrán acceso a una enorme caja de herramientas de fuente abierta y bien implementada de logaritmos gráficos modelo -una que es rápida y confiable”, dijo el Profesor Michael I. Jordan de la Universidad de California en Berkeley.
Los microprocesadores más veloces y las mejoras en los modelos matemáticos gráficos en el corazón de los métodos Bayesianos están todos ellos permitiendo que los logaritmos de aprendizaje automático de computación en tiempo real funcionen en computadoras estándares. La biblioteca de aprendizaje automático de la computadora está diseñada para incrementar la innovación en este campo mediante el suministro de códigos de fuente para una extensa gama de funciones de aprendizaje automático. Esta versión de software de fuente abierta incluye el código de fuente C++ para toda la funcionalidad de la biblioteca y un permiso de redistribución libre de regalías. El sitio Web principal de OpenML está en www.intel.com/research/mrl/pnl.
En un ejemplo de la utilidad de la herramienta OpenML, los investigadores de Intel la utilizaron como ayuda para crear un sistema de reconocimiento del habla audiovisual que permite a las computadoras detectar la cara de la persona que habla con una cámara de video y rastrear los movimientos de su boca. Aprender a “leer los labios” permite un reconocimiento del habla más exacto, especialmente en aeropuertos, paseos de compras o shoppings y otros ambientes ruidosos.
NIPS2003 es la principal reunión científica sobre computación neural. Las presentaciones cubren una extensa gama de temas entre los que se incluyen logaritmos y arquitecturas; aplicaciones; imágenes cerebrales; ciencia cognoscitiva e inteligencia artificial; aprendizaje supervisado y por refuerzo; tecnologías emergentes; teoría del aprendizaje; neurociencia; proceso del habla y de señales; y proceso visual.
Intel, el fabricante de chips más grande del mundo, es también fabricante líder de productos para computadoras, redes y comunicaciones.
| 
Los investigadores de Intel Corporation han dado a conocer software que permite a los desarrolladores construir computadoras que pueden “aprender” de su experiencia, utilizando datos para mejorar en forma proactiva su propia exactitud y la facilidad con la que nosotros las utilizamos. El anuncio se realizó hoy en la apertura de la Conferencia sobre Sistemas de Proceso de Información Neural (NIPS2003 por sus siglas en inglés). 
