En su eterna búsqueda de retos para las carreteras del futuro, Google está preparando el lanzamiento de StreetLearn, un software para “entrenar” a otros programas de machine learning en la navegación de ciudades sin la necesidad de un mapa.
Utilizando DeepMind, una compañía de inteligencia artificial de la que ya os hemos hablado en otras ocasiones, Google hace uso de su StreetView para enseñar a una máquina cómo moverse por una ciudad sin otra ayuda que la de las referencias visuales.
StreetLearn, lo nuevo de DeepMind en navegación urbana
DeepMind ha desarrollado un software dirigido a terceros en el campo del machine learning y la inteligencia artificial. El objetivo es el de enseñar a otros programas (presumiblemente orientado al mercado de los coches autónomos) a guiarse por grandes ciudades sin la utilización de mapas o GPS.
StreetLearn ha utilizado ciudades de relevancia mundial como son Londres, París o Nueva York, para la consecución de su proyecto. Se basa en imágenes de Google StreetView, en el concepto de que cada zona de una ciudad tiene unos elementos distintivos. Uno de los investigadores del proyecto ha asegurado que podrán distribuir el producto para este noviembre.
Como el propio nombre de esta tecnología indica, el machine learning intenta reproducir la forma en la que los humanos aprendemos, pero con inteligencias artificiales. En el caso de StreetLearn, el “agente”, que es así como denominan el software de IA, va aprendiendo lugares del barrio donde comienza el trayecto, para paulatinamente aprender y reconocer otros entornos de la ciudad.
Procesamiento visual para aprender a circular por una ciudad
En el anuncio oficial del próximo lanzamiento de StreetLearn se hace hincapié en que el sistema se basa en que el software simultáneamente analiza la localización propia (“estoy aquí”) a la vez que realiza una representación de su meta (“voy hacia allá”).
StreetLearn se compone de tres redes neuronales artificiales (neural networks). La primera se encarga de reconocer las imágenes y proveer los datos para las otras dos, denominadas LTSM networks (Long Short-Term Memory). Una de ellas memoriza el entorno en el que se encuentra y aprende sobre el modelo de la localización actual y la posición de destino. La tercera red neuronal decide las acciones a tomar a continuación, basándose en el grado de éxito alcanzado.
Lo más inteligente de todo es que el modelo está diseñado para transferir lo aprendido de ciudad en ciudad. Aunque empieza su aprendizaje de nuevo, el sistema se hace mejor con cada una de las aptitudes que va aprendiendo. Recordemos otro éxito de Google DeepMind, con Alpha Go, que mediante un juego de tablero demostró que solo hemos empezado a conocer lo que podrá dar el machine learning en el futuro.
