Lo que tiene vivir en un mar de datos es la fascinación por convertirlos en un verdadero mar de información y conocimiento. Por eso no podemos perdernos el ciclo de conferencias que organiza cada año Fundación Telefónica. Necesitamos entender toda la panoplia de siglas y conceptos que rodea a la tecnología para transformarlos en alimento útil para nuestras vidas.
La sesión inaugural a la que acudí hace unos días se centró en la Inteligencia Artificial (AI), y el director del Instituto de Inteligencia Artificial del CSIC, Ramón López de Mantaras, explicó las diferencias entre AI débil (o utilitarista) y AI fuerte (o human-like). Explicó que frente a la primera (que intenta replicar nuestros pensamientos e inclusive nuestra consciencia), ahora se están produciendo grandes avances en AI débil. Ésta usa algoritmos asociados al machine learning (por ejemplo Monte Carlo Tree Search), que consiguen sorprendentes resultados, aunque -no lo olvidemos- en entornos en los que hay un gran volumen de datos, pero siempre sobre un mismo asunto y donde, en definitiva, el mecanismo matemático actúa de mero predictor pero sin establecer ningún razonamiento justificativo. Son “modelos centauros” de cuerpo electrónico y cabeza humana los que interpretan los resultados. Se precisa siempre de una persona que valore su significado porque estos sistemas no infieren como lo hacemos nosotros; los sistemas de AI actuales reconocen las imágenes, pero carecen de componentes sociales y culturales, aspectos innatos al hombre y que definen nuestra inteligencia. Con una visión emocionada, aunque muy crítica, Ramón habló de la necesidad de avanzar en una AI que realmente adquiera competencias culturales y de sentido común: porque herramientas como Watson necesitan millones de gatos para reconocer a un gato a duras penas. Y a un bebé le vale con ver uno solo para aprender qué es un gato y después ya no se confunde jamás.
No obstante, tenemos aún muchas opciones para maravillarnos en lo referente a la AI débil, se pueden hacer cosas sorprendentes: Alvaro Otero, de Bigml, realizó una demostración de su herramienta, un big data as a service, en concreto un machine learning as a service, que permite construir modelos predictivos de una manera muy sencilla. En este momento hay muchas aplicaciones para la industria del dato y una nos la explicó Javier Placer, CEO de Telefónica Open Future con Preseries, un proyecto que busca validar las inversiones en fases tempranas en las startup.
Retornando a la AI fuerte, cambiando de tercio, y en torno al lenguaje natural, Domingo Senise, CEO de haitta citó a Wittgenstein: “Los límites de mi lenguaje conforman los límites de mi mundo”. Cuestionó directamente el test de Turing como herramienta válida para determinar si un sistema es inteligente y propuso el uso alternativo de los esquemas de Winograd, una prueba basada en el lenguaje que requiere el sentido común de los humanos. Más o menos dice que eres inteligente si realmente entiendes con profundidad aquello que lees (¡Dios mío, si es así hay días que me considero más cercano a un insecto palo que a un hombre!). Y terminó su reflexión con una pregunta al auditorio:“¿Será capaz una máquina de generar una conversación libre con un ser humano?”. Dominar el lenguaje no es baladí… Llevamos 50.000 años más o menos para disponer de un lenguaje medianamente elaborado y evolucionado. Y nuestras máquinas, apenas medio siglo intentando entenderlo. Queda, pues, mucho margen de recorrido.
Luego llegó Juan de Antonio, CEO de Cabify y nos aterrizó en el ahora del uso de los datos. Cabify es una startup española, enfocada en el dato, puesto que almacena las rutas que realizan todos sus clientes. Aunque ahora sólo se explota el 1 por ciento de esta montaña de datos, ellos esperan que los algoritmos inteligentes les proporcionen la gasolina de ingresos de un próspero futuro: por ejemplo, mediante la detección de áreas en las que necesiten incorporar más chóferes que satisfagan las peticiones de clientes, o mitigando el fraude que puedan sufrir los chóferes mediante el análisis de patrones de peticiones de clientes sospechosos. Un gran ejemplo de practicidad y rentabilidad de negocio de la IA “utilitarista”. Me encanta porque sigue la máxima de que sólo prospera y avanza lo que es útil… y aquí claramente lo detectamos a todas luces.
Terminamos con el turno de dudas y una serie de réplicas y contrarréplicas sobre lo que se puede hacer o no hoy día… y por fin se nos antoja enfrentarnos con la pregunta más osada: ¿Hasta dónde llegará la AI? La AI débil puede sonar descorazonadora por su limitaciones… aunque Misky fue un romántico y creía que tendría sentido que en un futuro entendiésemos el mecanismo razonador de nuestro cerebro. Tenemos ya ladrillos perfectos pero estos no se conectan o se comunican y, es cierto, todos decían que hay que abandonar, por ejemplo, las estrategias que buscan replicar por fuerza bruta las células humanas. Nadie alberga grandes esperanzas en proyectos como The blue brain project.
Para finalizar, durante 500 años intentamos imitar el vuelo de las aves. Leonardo y otros muchos pensaban que detrás de ellas y los movimientos de sus gráciles alas se encontraba el misterio del vuelo. Ahora, gracias a sus estudios, entendemos los principios de la aerodinámica y sabemos por qué se vuela realmente. En el camino se sucedieron grandes maravillas: el globo aerostático, los planeadores… hasta que un día, no hace realmente mucho, apenas cien años, unos hermanos locos, fabricantes de bicicletas, elevaron su cacharro en un breve vuelo sobre las playas de Kitty Hawk. Nuestros aviones son monstruos pesados de acero y de alas rígidas que cruzan océanos pero son deudores del ingenio de aquellos locos de siglos pasados. Lo mismo se dirá de nuestra inteligencia artifical del s. XXI. Hablarán de nosotros y entenderán lo importante que fueron estos primeros pasos en el vacío.
Imagen: mimitalks, married, under grace
Soluciones y Sectores
Te puede interesar
-
Edificios sostenibles para un turismo más inteligente y competitivo
El sector turístico representó el año pasado el 12,2% del PIB en España. Se trata, por tanto, de un ...
-
La capacitación en industria 4.0, condición sine qua non para su transformación
Recientemente leía un artículo sobre “Desafíos de la industria europea en la nueva coyuntura socioeconómica”. En él se apuntaba, ...
-
Hospitalización domiciliaria: un nuevo paradigma en la gestión de pacientes crónicos
Como explicaba en un post anterior, asistimos a la transformación de la atención médica para mejorar la calidad de ...
