NOTICIAS / TECNOLOGÍA AI

“¿Sustituirán las máquinas a los humanos?” Corría el año 1940 y Franklin D. Roosevelt, en un debate con el presidente del MIT, se preocupaba por el impacto de las máquinas en la tasa de desempleo. Dieciséis años más tarde, en la conferencia de Dartmouth, la Inteligencia Artificial (IA) entra oficialmente en el panteón de las disciplinas científicas.

“¿Sustituirán las máquinas a los humanos?” Corría el año 1940 y Franklin D. Roosevelt, en un debate con el presidente de MIT, se preocupaba por el impacto de las máquinas en la tasa de desempleo. Dieciséis años más tarde, en la conferencia de Dartmouth, Inteligencia artificial (IA) entra oficialmente en el panteón de las disciplinas científicas. Esta vez, sin duda, los robots van a sustituir a los humanos. Es sólo cuestión de años, quizá de meses... Sesenta años después, nuestros colegas de profesión siguen siendo de carne y hueso, y nuestras ambiciones se han revisado finalmente a la baja. El último ejemplo: el coche sin conductor, que predijimos para 2020 hace cuatro años. Un consejo: conserve su carné de conducir al menos otros diez años.

Sí, es probable que algún día un artificial intelligence sepa hacerlo todo tan bien como un humano, como predice Geoffrey Hinton, ganador del Premio Turing 2019. Pero no es cuestión de meses, ni siquiera de años... ¿Medio siglo? ¿Unos cientos de años? ¿Más? Sería imprudente intentar siquiera adivinarlo.

Los investigadores se enfrentan a varios obstáculos importantes que obligan a la IA a permanecer en una fase “débil”. Por el momento, los algoritmos pueden resolver problemas “específicos” para los que los hemos entrenado (juegos, por ejemplo), interpretar brevemente data sensoriales (reconocimiento vocal y visual), e incluso generar voces, textos o imágenes, como han demostrado recientemente Samsung y otros. El “aprendizaje profundo”, que se basa en redes de neuronas artificiales, nos ha hecho dar un salto adelante estos últimos años. Pero no es simplemente porque una IA sea capaz de vencer al campeón mundial del juego del Go o a cualquier humano al ajedrez lo que la convierte en “poderosa”. Pruebe a pedirle a AlphaGo que memorice su lista de la compra para convencerse: no volverá del supermercado con mucho -si es que lleva algo- en la bolsa. Incluso se estima que el cociente intelectual del artificial intelligence actual sería equivalente al de un niño de cuatro años (un resultado que debe tomarse con cautela, ya que la IA probada había sido programada específicamente para las competencias evaluadas por la prueba). Tranquilizador, no obstante, para el presidente Roosevelt.

Este “niño de cuatro años”, sobre el que los humanos tenemos importantes ventajas, aún no domina cuatro áreas principales:

  • Programación y adaptación autónomas. Imagine un robot sanitario limpiando en un parque. Si su batería está baja, no será capaz de generar su propio plan para recargarse. Los programadores habrán tenido que integrar un sistema para que sepa localizar la zona de recarga e ir allí. Y si un día esa zona está fuera de servicio, no sabrá cómo adaptarse por sí mismo, a menos que los creadores del algoritmo hayan previsto un caso así, allí donde un agente humano no tendría ningún problema para imaginar un plan de contingencia si la tienda de bocadillos del parque estuviera cerrada. En otras palabras, en un entorno incierto, nuestros artificial intelligence no tienen realmente mucha inteligencia. Es cierto que la combinación de las técnicas actuales de IA de “aprendizaje profundo” y “aprendizaje por refuerzo” permiten a nuestro robot aprender sobre su entorno e incluso sobre los cambios que se producen en él, pero sólo en entornos cerrados con reglas fijas y conocidas, como en los tableros de una partida de Go o de ajedrez, por ejemplo, no en una red de carreteras, donde lo inesperado puede ocurrir en cualquier momento.
  • La capacidad de aprender con menos ejemplos. Imagine este mismo robot, en este mismo parque. Para identificar al perro que se acerca como un peligro potencial, el robot habría tenido que digerir millones de fotos con y sin perros antes de ser operativo. Porque hoy en día, por muy inteligentes que sean, nuestros algoritmos necesitan una enorme cantidad de ejemplos para poder reconocer lo que es un perro, un árbol o una mesa. Un niño de cuatro años no necesita miles o millones de ejemplos de perros para reconocer uno. Un enfoque de investigación, denominado “aprendizaje por transferencia”, permitiría a nuestro robot aprender a reconocer el entorno en el que se encuentra, por muy diverso que sea, a partir de un número reducido de ejemplos.
  • Aprendizaje basado en explicaciones. Hoy en día, los algoritmos de IA se basan exclusivamente en ejemplos, pero no pueden beneficiarse de una conceptualización de lo que han aprendido. Podemos decirle a un niño que una pantera es un gato grande y que un barco no tiene patas porque si no caminaría. El niño reconocería así a las panteras y no esperaría ver una foto de un barco con pantalones cortos. Una máquina no puede hacer esto; no sabe identificar una pantera a menos que ya haya visto numerosos ejemplos, y nunca le molestará ver la foto de un catamarán paseando.
  • Explicabilidad de los resultados. En su mayor parte, los humanos son capaces, cuando se les pregunta, de explicar al menos parcialmente por qué han tomado una decisión frente a otra. Las IA más avanzadas son muy malas maestras cuando se trata de explicar cómo han resuelto un problema. Esto es preocupante ahora que prestan cada vez más asistencia a banqueros, aseguradoras y médicos. Los algoritmos modernos de aprendizaje profundo están compuestos por millones de neuronas artificiales que se organizan entre sí y, una vez entrenados, entran en modo “caja negra”: ni siquiera quienes los diseñaron pueden interpretar fácilmente los resultados de su funcionamiento. Es a la vez práctico (pueden resolver rápidamente problemas muy complejos) y extremadamente problemático: ¿cómo justificar ante su cliente una denegación de préstamo decidida por un algoritmo? ¿Y cómo entender que ese coche sin conductor ha optado por hacer una maniobra altamente peligrosa, arriesgándose a sufrir daños materiales o incluso humanos? Incluso si se trata de la decisión correcta, ¿cómo confiar en un artificial intelligence si realiza un diagnóstico contrario al de un médico experto?

Debido a estos impedimentos, las artificial intelligence actuales son IA “débiles” sobre las que los humanos tienen ventaja. Sobre todo porque los investigadores se enfrentan al problema de la formalización teórica de los algoritmos utilizados. Existen ciertos teoremas, pero nuestra pericia sigue basándose principalmente en el conocimiento empírico y no siempre en teorías matemáticas implacables. Procedemos por ensayo y error, avanzamos, modificamos, para alcanzar finalmente nuestros objetivos. Porque si a las máquinas a veces les cuesta entender a los humanos, a los humanos también les cuesta entender el funcionamiento de sus máquinas.