¿Puede la IA calificar su próxima prueba?

Esta década de datos es lo que impulsó el nuevo experimento de la universidad en inteligencia artificial.

La Dra. Finn y su equipo construyeron una red neuronal, un sistema matemático que puede aprender habilidades a partir de grandes cantidades de datos. Al identificar patrones en miles de fotos de gatos, una red neuronal puede aprender a identificar a un gato. Al analizar cientos de llamadas telefónicas antiguas, puede aprender a reconocer palabras habladas. O, al examinar la forma en que los asistentes de enseñanza evalúan las pruebas de codificación, puede aprender a evaluar estas pruebas por sí solo.

El sistema de Stanford pasó horas analizando ejemplos de exámenes parciales antiguos, aprendiendo de una década de posibilidades. Entonces estuvo listo para aprender más. Cuando se le dan solo un puñado de ejemplos adicionales del nuevo examen ofrecido esta primavera, podría comprender rápidamente la tarea en cuestión.

“Ve muchos tipos de problemas”, dijo Mike Wu, otro investigador que trabajó en el proyecto. “Entonces puede adaptarse a problemas que nunca antes había visto”.

Deberías leer:   Una famosa mariposa azul: aún extinta pero más distinta

Esta primavera, el sistema proporcionó 16.000 comentarios y los estudiantes estuvieron de acuerdo con los comentarios el 97,9 por ciento de las veces, según un estudio de los investigadores de Stanford. En comparación, los estudiantes estuvieron de acuerdo con los comentarios de los instructores humanos el 96,7 por ciento de las veces.

Pham, un estudiante de ingeniería de la Universidad de Lund en Suecia, se sorprendió de que la tecnología funcionara tan bien. Aunque la herramienta automatizada no pudo evaluar uno de sus programas (presumiblemente porque había escrito un fragmento de código diferente a todo lo que la IA había visto), ambos identificaron errores específicos en su código, incluido lo que se conoce en programación de computadoras y matemáticas como un error en el poste de la cerca y formas sugeridas de solucionarlo. “Rara vez se recibe una retroalimentación tan bien pensada”, dijo Pham.

La tecnología fue eficaz porque su función estaba muy definida. Al tomar la prueba, el Sr. Pham escribió código con objetivos muy específicos, y había muchas formas en las que él y otros estudiantes podían equivocarse.

Deberías leer:   A medida que aumentan las infecciones, los CDC instan a algunos estadounidenses vacunados a que vuelvan a usar máscaras

Pero con los datos correctos, las redes neuronales pueden aprender una variedad de tareas. Esta es la misma tecnología fundamental que identifica caras en las fotos que publicas en Facebook, reconoce los comandos que ladras en tu iPhone y traduce de un idioma a otro en servicios como Skype y Google Translate. Para el equipo de Stanford y otros investigadores, la esperanza es que estas técnicas puedan automatizar la educación de muchas otras formas.