La inteligencia artificial está verde, dice Facebook
Ahora las máquinas pueden emular capacidades de inteligencia humana sólo bajo supervisión de personas
En los próximos tres años habrá resultados tangibles, pero hay hipótesis que requieren 10 o 20 años
Por una vez, conviene empezar por el final: es muy discutible que la inteligencia artificial pueda prescindir de las personas, o que las máquinas aprendan por sí solas. Ni siquiera para jugar al Go, que parece ser el caso. No lo dice este cronista; es lo que sostiene Yann LeCun, profesor de Computer Science en la New York U ni ver sity y desde hace cuatro años director de FAIR (Facebook AI Research).
Pocos–si acasoalguno– entre los 2.000 millones de usuarios de Facebook saben que cada vez que se conectan a la red social activan unas 3.000 piezas de información que son clasificadas por los algoritmos para seleccionar el número que un individuo puede digerir, estimado entre 100 y 150 por día. Este fue el punto inicial del alarga, y muy didáctica, conversación de hace dos semanas entre LeCun y Dinero.
Premisa: la inteligencia artificial (AI) no es magia, es una disciplina científica “cuyo propósito es diseñar sistemas y máquinas que tratan de inspirarse en lo poco que sabemos sobre el funcionamiento del cerebro humano”. Muchos sistemas de IA usan redes neuronales artificiales que emulan minúsculas unidades interconectadas, a la manera de las sinapsis cerebrales. Las redes neuronales –especialidad académica de LeCun– han alcanzado un punto en el que son capaces de reconocer formas, objetos, sonidos e imágenes, traducir textos, generar razonamientos lógicos elementales e incluso plantear preguntas nuevas.
El capítulo más conseguido de la IA se conoce como machine learning, y tiene dos variables: aprendizaje supervisado y no supervisado. En la primera, la máquina es entrenada por seres humanos para responder correctamente a un cierto input (se le muestra la foto de un coche y responderá que es un coche porque antes se le ha enseñado a reconocerlo, pero no sabe para qué sirve ese objeto). Se puedeentrenar a unamáquina parajugar al ajedrez (o al Go) pero sólo para eso. Mientras que a un campeón se le suponen otras habilidades que la máquina no tiene.
El aprendizaje supervisado “es lo único que hoy realmente funci ona–sentencia Le C un–mientras seguimos explorando el no supervisado, cuya limitación reside en que la máquina ha de asimilar una enorme cantidad de “muestras” para adquirir esa capacidad sin in- tervención humana”.
El siguiente nivel de aprendizaje, deep learning, implica procesar múltiples capas a la vez, y debería permitir que la máquina incorpore representaciones abstractas: Ejemplo: “usted o yo distinguimos un collie de un chihuahua aunque los clasificamos como perros; un ordenador necesitará unas cuantas capas de procesamiento antes de detectar las combinaciones que diferencian a uno de otro perro”.
Mark Zuckerberg fichó a LeCun en 2013 para montar una estructura de investigación que hoy tiene centros en Menlo Park (sede de Facebook), Nueva York, París y Montreal con 120 científicos e ingenieros en plantilla. ¿Para hacer qué? “Cuando procesas cada día miles de millones de mensajes, comentarios e imágenes, has de asegurar que tus máquinas mejoran la experiencia del usuario. Estamos para hacer ciencia, no productos, pero la compañía se apoya en nuestros hallazgos como herramientas, entre otras cosas, de clasificación y comprensión de contenidos”.
El ejemplo más a mano es la traducción automática. “La primera misión de Facebook es conectar personas que, en muchos casos, no podrían entenderse porque no comparten idioma. El procedimiento dista de ser perfecto, pero lo hemos mejorado desde que cambiamos las herramientas convencionales que analizan secuencialmente palabras en una frase por otros basados en redes neuronales que analizan combinaciones con el fin de reconstruir su significado (...). Entre otras cosas, nos ha permitido multiplicar el número de idiomas que somos capaces de cruzar”.
Otros ámbitos de investigación de FAIR son el reconocimiento de imágenes y la visión computerizada. Ahora bien, ¿qué piensa Facebook de los chatbots o asistentes virtuales (Alexa, Siri, Cortana, Google Assistant, etc? Respuesta corta: “despiertan interés mediático, pero son todavía muy imper- fectos”. Respuesta larga: “para llegar a ser realmente útiles, tendrán que superar el estadio en el que sólo comprenden una frase o una cadena preestablecida; por el momento, los existentes integran muy poco machine learning; por eso frustran a muchos usuarios... pero pueden ser divertidos”.
Cree LeCunque en los próximos tres años habrá muchos resultados tangibles de la IA, pero algunas hipótesis van a requerir diez o veinte años: “no estamos en una película de ciencia ficción, de las que atribuyen a las máquinas de actitudes humanas –por lo general negativas– nos queda por salvar una brecha entre lo que querríamos hacer y lo que sabemos cómo hacer”.