El lenguaje de propósito general funciona para la visión por computadora, la robótica, las estadísticas y más.
eficiente para cubrir esos tipos muy diferentes de ejemplos en visión por computadora y ciencia de datos y brindar un rendimiento de vanguardia», dice Vikash K. Mansinghka ’05, MEng ’09 , PhD ’09, investigador del Departamento de Ciencias Cognitivas y del Cerebro que dirige el Proyecto de Computación Probabilística.
Junto a Cusumano-Towner y Mansinghka en el artículo están Feras Saad ’15, SM ’16 y Alexander K. Lew, ambos estudiantes graduados de CSAIL y miembros del Proyecto de Cómputo Probabilístico.
Lo mejor de todos los mundos
En 2015, Google lanzó TensorFlow, una biblioteca de código abierto de interfaces de programación de aplicaciones (API) que ayuda a principiantes y expertos a generar automáticamente sistemas de aprendizaje automático sin hacer muchas operaciones matemáticas. Ahora ampliamente utilizada, la plataforma está ayudando a democratizar algunos aspectos de la IA. Pero, aunque es automatizado y eficiente, se enfoca estrechamente en modelos de aprendizaje profundo que son costosos y limitados en comparación con la promesa más amplia de la IA en general.
interesante ver lo que la gente descubre que es posible ahora”, dice Mansinghka.
Zoubin Ghahramani, científico jefe y vicepresidente de IA en Uber y profesor de la Universidad de Cambridge, que no participó en la investigación, dice: «La programación probabilística es una de las áreas más prometedoras en la frontera de la IA desde la llegada del aprendizaje profundo. Gen representa un avance significativo en este campo y contribuirá a implementaciones escalables y prácticas de sistemas de IA basados en razonamiento probabilístico”.
Peter Norvig, director de investigación de Google, que tampoco participó en esta investigación, también elogió el trabajo. «[Gen] permite que un solucionador de problemas use programación probabilística y, por lo tanto, tenga un enfoque más basado en principios para el problema, pero no esté limitado por las elecciones hechas por los diseñadores del sistema de programación probabilística», dice. “Los lenguajes de programación de propósito general… han tenido éxito porque… facilitan la tarea de un programador, pero también hacen posible que un programador cree algo completamente nuevo para resolver eficientemente un nuevo problema. Gen hace lo mismo con la programación probabilística”.
El código fuente de Gen está disponible públicamente y se presentará en las próximas conferencias de desarrolladores de código abierto, incluidas Strange Loop y JuliaCon. El trabajo es apoyado, en parte, por DARPA.
