Diffbot, la inteligencia artificial que se está leyendo todo Internet para construir la mayor base de conocimientos del mundo

Diffbot, la inteligencia artificial que se está leyendo todo Internet para construir la mayor base de conocimientos del mundo

GPT-2 y GPT-3, dos inteligencias artificiales desarrolladas por OpenAI, llevan desde el año pasado sorprendiendo al mundo con su capacidad para responder y completar textos de la misma forma en que podría hacerlo un ser humano.

Un ejemplo paradigmático de sus capacidades pueden observarse en el siguiente tuit, en el que se ve a GPT-3 rellenando datos históricos y demográficos sobre EE.UU en un documento Excel: que Alaska se convirtió en un estado en 1906 y que Michigan cuenta con una población de 10,3 millones de personas.

Datos ambos muy factibles, en apariencia, pero… totalmente falsos. El problema de las IA como GPT-3, conocidas como ‘modelos de lenguaje’ es que son buenas imitadoras (es decir, capaces de reproducir patrones de escritura humanos), pero no están capacitadas para escribir datos ajustados a la realidad porque, sencillamente, no entiendem lo que leen.

Necesitamos IAs que entiendan lo que leen

Y eso reduce terriblemente la utilidad de las inteligencias artificiales. De modo que existen ya intentos de resolver este problema. La startup Diffbot, por ejemplo, ha desarrollado una IA dedicada a la tarea de aprender (o, como mínimo, extraer aquellos datos que sea capaz de reconocer) mediante el revolucionario método de leer. Leer mucho.

De leerse, de hecho, toda la WWW pública, en múltiples idiomas: su forma de entender el lenguaje humano pasa por intentar encajar todo lo que lee en un molde de sujeto + verbo + predicado, lo que le permite establecer relaciones entre conceptos, como por ejemplo:

«Bill Gates + es + el fundador de Microsoft. // Microsoft + es + una empresa».

Tomando estos datos simples, el papel de la IA de Diffbot es crear lo que se llama un gráfico de conocimiento: una red de relaciones dotado de un sistema de ‘razonamiento’ que le permite llegar a nuevas conclusiones a partir de los datos extraídos. Diffbot escanea la WWW y actualiza su gráfico de conocimiento cada 4-5 días, añadiendo hasta 150 millones de entradas en cada ocasión.

Y además, aplica a sus conocimientos algoritmos más antiguos de machine learning, que le permiten identificar información obsoleta y sustituirla por otra más novedosa.

Es tan exhaustivo que no se conforma con leer el texto del HTML, sino que aplica algoritmos de visión por computadora para extraer información también de imágenes y vídeos. Y además, navega como nosotros: revisando las webs de arriba a abajo, cambiando entre pestañas y clicando en ventanas emergentes.

Y en un futuro cercano, sus creadores planean dotarlo de un modelo de lenguaje (similar a GPT-3) para que, ahora que la IA ha sido capaz de entender lo que lee, pueda generar textos a partir de ello y crear un «sistema universal de respuesta a preguntas sobre hechos».

Mucho más que una simple ‘curiosidad’

Pero, ¿qué utilidad puede tener esto, al margen del mero interés científico? Bueno, pues Diffbot ya cuenta con 400 clientes que pagan por extraer información de su gráfico de conocimiento, grandes empresas que lo usan para tareas bastante diversas:

  • Snapchat: Recurre a Diffbot para extraer la información más relevante de las páginas de noticias.

  • DuckDuckGo: Lo usa para crear cuadros de respuesta similares a los que lleva tiempo ofreciendo Gooogle.

  • Nike y Adidas: Estas grandes marcas deportivas utilizan el conocimiento extraído por Diffbot para localizar falsificaciones.

  • NASDAQ: Extrae información útil para investigaciones financieras.

  • Zola: La popular app de planificación de bodas recurre a esta tecnología para extraer imágenes y precios para la elaboración de listas de boda.

Vía | Technology Review

imagen | Pixabay


La noticia

Diffbot, la inteligencia artificial que se está leyendo todo Internet para construir la mayor base de conocimientos del mundo

fue publicada originalmente en

Genbeta

por
Marcos Merino

.


Read MoreGenbeta

Deja un comentario