Machine Learning España #190404

Machine Learning España es el resumen principal de noticias de Machine Learning (Aprendizaje Automático) y Deep Learning (Aprendizaje Profundo) de España.

Los principales desarrollos a nivel mundial en este campo, ya sean nuevas tecnologías, compañías o productos, procesados y simplificados para que lo puedas tener de forma fácil, simple y gratis!

Los ejemplos y tutoriales de Machine Learning permiten que los nuevos contenidos, muchas veces de gran complejidad, sean accesibles para una audiencia más amplia. A su vez, las técnicas y algoritmos de Machine Learning, ofrecen los últimos avances en investigación de forma más interesante y simple de comprender. Se incluye, también, ejemplos y técnicas de Python, ya que es uno de los lenguajes más utilizados en este campo.

Este contenido se complementa con información específica para España.

Cómo un Machine Learning malévolo podría descarrilar la Inteligencia Artificial

El experto en seguridad de Inteligencia Artificial, Dawn Song, advierte que el "Machine Learning adverso" podría usarse para aplicar ingeniería inversa a los sistemas, incluidos los utilizados en defensa.

"La Inteligencia Artificial no revolucionará nada si los hackers pueden meterse con ella". Esa es la advertencia de Dawn Song, una profesora de UC Berkeley que se especializa en estudiar los riesgos de seguridad relacionados con la Inteligencia Artificial y Machine Learning.

Hablando en EmTech Digital, un evento en San Francisco producido por MIT Technology Review, Song advirtió que las nuevas técnicas para sondear y manipular los sistemas de Machine Learning, conocidas en el campo como métodos de "Machine Learning en la confrontación", pueden causar grandes problemas para cualquiera que busque aprovechar el poder de la Inteligencia Artificial en los negocios.

Song dijo que Machine Learning adverso podría usarse para atacar casi cualquier sistema basado en tecnología. "Es un gran problema", dijo a la audiencia. "Necesitamos unirnos para arreglarlo".

Machine Learning adverso implica la introducción experimental de información en un algoritmo para revelar la información en la que ha sido entrenado, o la información distorsionada de una manera que hace que el sistema se comporte mal. Al ingresar muchas imágenes en un algoritmo de visión por ordenador, por ejemplo, es posible realizar ingeniería inversa de su funcionamiento y garantizar ciertos tipos de resultados, incluidos los incorrectos.

Song presentó varios ejemplos de trucos de aprendizaje adverso que su grupo de investigación ha explorado.

Un proyecto, realizado en colaboración con Google, involucró el análisis de algoritmos de Machine Learning entrenados para generar respuestas automáticas a partir de mensajes de correo electrónico (en este caso, el conjunto de datos de correo electrónico de Enron). El esfuerzo demostró que al crear los mensajes correctos, es posible que el modelo de la máquina entregue datos confidenciales, como números de tarjetas de crédito. Google utilizó los resultados para evitar que Smart Compose, la herramienta que genera automáticamente texto en Gmail, sea explotada.

http://bit.ly/2U0vA5F

 

Amanda, el asistente virtual de Amadeus, llega a España

Tras su estreno en Latinoamérica, y su paso por Nueva Zelanda y Portugal, llega a España Amanda, la primera interfaz capaz de ofrecer ayuda en tiempo real a los usuarios de Amadeus Selling Platform Connect. Este ‘chatbot’, basado en Inteligencia Artificial, puede solventar las dudas básicas y consultas que se planteen los agentes de viajes, dentro de la plataforma de reservas del proveedor tecnológico. Amanda se activa de forma automática al ingresar al sistema y se ubica al lado derecho de la página principal o de la página de comandos.

Además de dar respuesta a las preguntas más comunes y repetidas de los agentes sobre reembolsos, reemisiones, EMD, etc. su objetivo es optimizar los procesos. En caso de no disponer de la respuesta adecuada, Amanda redirige a los navegantes a Amadeus Service Hub.

Basándose en el contexto, recursos y localización del usuario, posibilita la personalización y, además, ofrece una mejora continua de sus conocimientos a través de la tecnología Machine Learning.

Antes de su ‘aterrizaje’ en España ha estado en fase de test, obteniendo un alto grado de satisfacción por parte de los usuarios.

El agente virtual de Amadeus es capaz de comunicarse en español, inglés y portugués, aunque gradualmente irán ampliando su catálogo de lenguas, dado su enorme afán de aprendizaje.

http://bit.ly/2Y31Vaq

 

Machine Learning revela una rápida clasificación de los materiales

Un equipo de investigación de la Universidad de Tokio ha desarrollado un potente algoritmo de Machine Learning que predice las propiedades y estructuras de muestras desconocidas de un espectro de electrones. Este proceso puede acelerar rápidamente el proceso de descubrir y probar nuevas nanomáquinas, celdas solares y otros dispositivos electrónicos.

Los Tricorders son dispositivos ficticios vistos por primera vez en el programa de televisión y películas de Star Trek. En este entorno de ciencia ficción, los científicos podrían aprender instantáneamente acerca de las rocas en planetas alienígenas con un escaneo rápido. Los investigadores de la Universidad de Tokio han dado un paso hacia la realización de este concepto. Utilizaron datos de la espectroscopia electrónica de pérdida de núcleo, un conjunto de pruebas de laboratorio estándar que envían electrones a una muestra para determinar los elementos atómicos en ella y su estructura de enlace. Sin embargo, los resultados de estos instrumentos son difíciles de interpretar. Para superar este problema, recurrieron a Machine Learning. A diferencia de los programas de ordenador convencionales, los algoritmos de Machine Learning no necesitan que se les diga qué patrones buscar. En cambio, los algoritmos se entrenan ingresando muchos ejemplos, y con el tiempo el sistema aprende a clasificar nuevas muestras desconocidas.

Aquí, los investigadores eligieron una red neuronal que imita la organización del cerebro humano. Los datos de materiales conocidos se envían como entrada y las conexiones entre las neuronas se ajustan para optimizar las predicciones del modelo. Según el autor Shin Kiyohara, "con la creciente demanda de dispositivos a nanoescala, las herramientas para comprender las estructuras moleculares son cada vez más valiosas".

Aunque aún está muy lejos de un tricorder que puede identificar instantáneamente formaciones de roca extraterrestre, el autor Teruyasu Mizoguchi, cree que "este método tiene un enorme potencial de uso para probar rápidamente las propiedades de los nuevos materiales".

http://bit.ly/2YJZYA6

 
Tu opinión es muy importante! Deja tu comentario con sugerencias o ideas de cómo mejorar este servicio.

Puedes seguir noticias y eventos en facebook: https://www.facebook.com/machinelearningespana

#machinelearning #deeplearning #espana #españa