Inteligencia artificial y machine learning

[Por Matías Castro] "Creo que podemos construir una inteligencia artificial que trabaje para nosotros", dijo Zuckerberg. "Hay quienes agitan fantasmas sobre el grave peligro que encerraría, pero eso me parece inverosímil y menos probable que un desastre provocado por enfermedades" agregó.

Sistemas de inteligencia artificial y aprendizaje automático se pueden encontrar en áreas tan distintas como los servicios online de atención al cliente y los videojuegos (con distintos grados de evolución, claro). Pero también hay programas que buscan y redactan noticias, otros que diagraman sitios web, algunos crean música, asisten en diagnósticos médicos y ejecutan operaciones bursátiles o se emplean en simuladores de vuelo para entrenar pilotos. Y, por supuesto, están los robots que se emplean en fábricas y almacenes de distinto porte.

Por su parte, el machine learning o aprendizaje automático es el área de la inteligencia artificial dedicada a darle a una computadora la habilidad de aprender sin haber sido expresamente programada para cada una de esas nuevas situaciones. Implica que el software absorba datos en grandes cantidades, los procese y reaccione siempre de forma evolucionada. Esto se apoya en algoritmos que toman datos, aprenden de ellos, realizan predicciones y toman decisiones.

Estos mecanismos de aprendizaje se basan en lo que se llaman redes neuronales artificiales. Se trata de sistemas de conexión computacional que operan, en parte, como las estructuras neuronales naturales. La revista Wired hizo una buena descripción de cómo funcionan: "Las redes neuronales profundas se organizan en capas. Cada una consiste en un grupo de operaciones matemáticas o algoritmos. El resultado de las operaciones en una de esas capas es lo que entra como dato a la siguiente. Para hablar en forma sencilla: si una red neuronal se diseña para reconocer imágenes, una de las capas buscará aspectos puntuales como bordes, ángulos o texturas mientras que la siguiente capa buscará otros aspectos". Hasta hace un año las redes más comunes operaban con 20 o 30 capas. Microsoft desarrolló una con 152. Cuanto más profunda la red, más podrá aprender.

Las alertas

Desde hace unos tres años, Elon Musk lanza advertencias sobre los peligros de la inteligencia artificial. Llegó a decir que se trataba de "la mayor amenaza para la humanidad", con lo que el calentamiento global, las distintas enfermedades, las guerras o la inequidad alimentaria serían opacadas por una rebelión de las máquinas. Dicho así, parece un asunto de cine de ciencia ficción, pero a la advertencia también se han sumado Bill Gates y Stephen Hawking.

Gates reconoció que su idea sobre estas tecnologías ha ido evolucionando. "Estoy del lado de los que se preocupan por la superinteligencia", dijo en un foro de Reddit. "Primero, las máquinas iban a hacer muchísimos trabajos para nosotros y no iban a ser superinteligentes. Eso debería ser positivo si lo manejamos bien. Unas décadas más tarde esa inteligencia se ha vuelto lo suficientemente fuerte como para ser una preocupación. Estoy de acuerdo con Elon Musk y algunos otros. No entiendo cómo hay gente que no está preocupada".

Stephen Hawking, por su lado, había dicho hace casi tres años que "el desarrollo de una completa inteligencia artificial podría traducirse en el fin de la raza humana". El sistema que utiliza este científico para comunicarse por medio de parpadeos incluye una inteligencia artificial que ha ido aprendiendo sobre cómo piensa y se manifiesta, para ofrecerle palabras con las que expresarse. Si bien el científico reconoció su utilidad, su temor consiste en que una versión más elaborada pueda "eventualmente decidir rediseñarse por cuenta propia e incluso llegar a un nivel superior... Los humanos, que son seres limitados por su lenta evolución biológica, no podrán competir con las máquinas y serán superados".

Google, por otra parte, que aprovecha a nivel planetario los sistemas de machine learning, ha desarrollado un sistema de seguridad. Se trata de un mecanismo que apagaría toda inteligencia artificial en caso de que esta llegase a una serie de decisiones potencialmente peligrosas. No está claro qué definieron como peligroso, ni para quién sería el peligro a evitar.

Los elogios

En su web, Facebook publicita sus proyectos de investigación. Uno de ellos, tal vez uno de los más importantes, es sobre machine learning. "El aprendizaje automático es esencial para Facebook", dicen en el portal. "Ayuda a que la gente descubra nuevos contenidos y conecte con las historias que más le interesan. Nuestros investigadores e ingenieros desarrollan algoritmos (conjunto de operaciones que permiten llegar a la solución de algún problema computacional) con los que se ranquean los feeds, los avisos y los resultados de búsquedas, y a su vez crean otros algoritmos que mantienen a raya el spam y los contenidos engañosos". En otras palabras, esos algoritmos trabajan para que el usuario vea siempre lo que quiere ver o lo que lo hace sentirse a gusto y lo mantiene dentro de Facebook.

Según ellos, sus algoritmos de computer vision o visión artificial (que es el sistema por el que una máquina puede capturar y descifrar imágenes y sonidos del mundo exterior) se utilizan para analizar y ordenar unas 2.000 millones de historias que se publican a diario.

Mark Zuckerberg, sin embargo, quiere ir más allá de su red social e invierte en otros sistemas. Según afirmó en agosto, en respuesta a la polémica con Elon Musk, la tecnología que hoy está disponible es beneficiosa y permitiría que un sistema identifique quiénes están en un cuarto, que anticipe sus necesidades y prepare todo para satisfacerlos (temperatura, música, etc.).

Curiosamente, Musk se para en la vereda de enfrente pero no menosprecia esta tecnología, sino todo lo contrario, ya que invierte en su desarrollo. Es uno de los fundadores de Neuralink, una compañía que desarrolla una interfaz para conectar directamente el cerebro a una computadora. Esa interfaz, que consistiría en un implante en el cerebro, debería aprender por sí sola a medida que el usuario la pone en funcionamiento y se plantean nuevas situaciones. Musk creó, por otra parte, la fundación OpenAI, que se dedica al desarrollo de sistemas "benévolos" de inteligencia artificial, con patentes e investigaciones abiertas al público.

Del mismo modo que él, Bill Gates advierte sobre los peligros del tema, pero invierte en el asunto. Microsoft anunció en agosto que su software que convierte el discurso hablado en texto escrito alcanzó la exactitud de un ser humano con solo un error cada veinte palabras.

Las historias

Todo esto que se discute entre millonarios de la tecnología evoca viejos tópicos de la ciencia ficción, aunque el debate no tenga nada que ver con la fantasía. El ejemplo más reciente y mediático es el de las películas Terminator, en las que la red de computadoras Skynet adquiere conciencia de su existencia y declara la guerra a la humanidad. El ejemplo más antiguo y emblemático es el de las tres leyes de la robótica que aparecieron por primera vez en el cuento Círculo vicioso, de Isaac Asimov, en 1942. Estas tres leyes eran órdenes de lógica que apuntaban a prevenir que se desmadrase el accionar de los robots en un mundo donde estaban integrados a la vida cotidiana.

Aunque la idea de que se podía construir una máquina que razone o calcule por sí misma se puede rastrear hasta el siglo XIV, el asunto fue una cuestión quimérica hasta mediados del XX. El primer sistema que anticipó la inteligencia artificial, se dice, fue creado en 1943 y se bautizó como "neuronas artificiales". Trece años más tarde, la inteligencia artificial apareció como campo de investigación académica en un taller del Dartmouth College, en Estados Unidos.

El concepto fue mencionado por primera vez en 1959 por Arthur Lee Samuel, un programador que trabajaba en IBM. Ese año, Samuel habló de aprendizaje automático al referirse a un juego de damas que había programado tiempo antes y que hoy se considera el primer ejemplo de este tema. El programa había sido incluido unos años antes en la IBM 701, la primera computadora comercial de la marca. Hay que tener en cuenta que en esa época uno de los accionistas de IBM, cansado del escaso impacto de sus productos, estimó que había mercado apenas para unas cinco computadoras.

En la década siguiente el tema avanzó en la medida en que lo permitían el hardware disponible y los fondos para investigación en Estados Unidos. En la década de 1970 llegó lo que se llamó el "invierno de la inteligencia artificial", cuando el interés se redujo drásticamente, por lo que casi no se invirtió en el tema a la vez que aparecieron críticas a su potencial. De acuerdo a lo que en aquel entonces se llamaba Asociación Americana de Inteligencia Artificial, la caída empezó por el pesimismo de los mismos desarrolladores, luego pasó a la prensa y, como consecuencia, los inversores se retiraron.

Como ocurre en casi todas las industrias de tecnología, en esta historia hay varios ciclos de decepción y de superexpectativa. Por eso, a principios de este siglo, todavía se hablaba de que la investigación en inteligencia artificial había sido un fracaso, a pesar de que ya se la aplicaba en distintas áreas. Antes, en los años de 1990, cuando el tema estaba en su punto más bajo, ya se hablaba de que el foco del aprendizaje automático debía ser sobre los datos y no sobre conceptos o conocimientos. Este fue uno de los puntos de inflexión que llevó al estado actual, con empresas que producen desde Estados Unidos, India, Ucrania y también Uruguay.

Los valores

En este siglo y en particular en los últimos cinco o seis años, las tecnologías referidas a estos temas no han hecho más que avanzar, en parte debido a la evolución del hardware y a las fuertes inversiones en el software. Tanto han avanzado, que se debate también si es necesario establecer un medidor de velocidad para monitorear el progreso y establecer grados de alerta.

En Estados Unidos opera la fundación Electronic Frontier, que trabaja para proteger ciertas libertades ante posibles amenazas digitales. La fundación lanzó recientemente una iniciativa para medir el avance de la inteligencia artificial en base a las investigaciones que se hacen públicas. Su objetivo es medir los posibles impactos reales de estas tecnologías, proyectarlos a corto y mediano plazo y diferenciarlos de las especulaciones más fantasiosas, como la de una guerra de máquinas contra humanos.

Una de las preguntas que más se formulan es qué ocurriría en caso de que la seguridad pública y la salud se pusieran en manos de sistemas de inteligencia artificial. Mercedes, Google, Tesla e incluso Uber han invertido en desarrollar autos que se conducen solos, aunque su uso cotidiano no esté permitido todavía. La empresa uruguaya Tryolabs trabaja con una startup de Silicon Valley para desarrollar un sistema que medirá los patrones de sueño y los regulará sobre la base de un sistema de sonidos y otros recursos. Imaginar posibles ventajas de esto es evidente; aunque no es tan fácil concebir posibles usos perniciosos o impactos negativos en la sociedad a largo plazo.

Lo cierto es que se trata de mucho más que investigación con fines inciertos, porque la inteligencia artificial y el aprendizaje automático representan un gran negocio. Se puede utilizar para control de stock, logística, estudios de salud, de seguridad pública y, por supuesto, para fines militares. En la parte visible del iceberg, esos algoritmos que forman software que aprende y evoluciona operan como amigos imaginarios que sostienen al usuario de la mano y lo mantienen dentro de la web, la aplicación o la red social que corresponda. Amazon es el caso más emblemático de este siglo, gracias a su sistema de recomendación de productos, siempre tentador, pero también gracias a sus centros logísticos automatizados y operados por robots.

Netflix le dio un valor a su sistema de recomendación de películas, gracias al que el usuario puede (casi siempre) pasar horas en el sistema sintiéndose a gusto con lo que el catálogo le ofrece. Para Netflix este "recomendador" representa unos 1.000 millones de dólares al año, ya que los perdería si no funcionara rápidamente y sus usuarios eligieran otras formas de entretenimiento. Aunque no tengan caras ni nombres públicos, esos amigos imaginarios actúan, simulan ser el viejo empleado del videoclub, el librero o incluso el quiosquero que hace que el cliente elija su negocio y no el que está enfrente.

Aprendizaje profundo

Hay otros ejemplos exitosos y muy usados de visión artificial. La aplicación de Google Photos busca imágenes en un disco o una tarjeta de memoria y puede identificar desde perros hasta tumbas o fiestas de cumpleaños. El sistema de Twitter detecta automáticamente las imágenes pornográficas sin necesidad de que un ser humano certifique que lo son. La forma en que las máquinas logran esto se conoce como deep learning o aprendizaje profundo.