Aprendizaje profundo o el peligro de no saber c¨®mo piensa una m¨¢quina

El concepto inteligencia artificial ha experimentado una resurrecci¨®n en el ¨²ltimo lustro, pero lleva con nosotros desde la d¨¦cada de los 50. A pesar de esta larga convivencia (o quiz¨¢s por ella), hay gente que dice que es ciencia ficci¨®n, el futuro o que forma parte de nuestra vida diaria. En realidad, es un concepto que se usa para abarcar muchos territorios distintos, como explica el periodista y empresario Michael Copeland, ex editor de la revista Wired.

As¨ª, se le llama inteligencia artificial a la m¨¢quina capaz de saber cu¨¢ndo un correo es spam, de ganar a un ajedrecista como Garry Kasparov o al jugador de Gi Lee Se-dol, a los programas capaces de reconocer a tu abuela en una foto, a los que permiten la conducci¨®n aut¨®noma o al asistente que tienes en tu smartphone. La inteligencia est¨¢ evolucionando tanto y tan r¨¢pido, que la sociedad puede encontrarse con un problema: depender de las m¨¢quinas para tomar decisiones cruciales y, sin embargo, no ser capaces de entender el razonamiento que los llev¨® a ellas.

Sir Martin Rees,?por ejemplo, lleva tiempo demandando acci¨®n inmediata para prevenir las consecuencias oscuras de nuestro desarrollo cient¨ªfico y tecnol¨®gico. ¡°?Va a ser este siglo el ¨²ltimo de nuestra existencia?, se pregunt¨® recientemente en una charla Ted.

El punto de partida deber¨ªa ser, quiz¨¢s, estar seguros a qu¨¦ nos referimos con inteligencia artificial (artificial intelligence), aprendizaje autom¨¢tico (machine learning) y aprendizaje profundo (deep learning).

• Inteligencia artificial

En la d¨¦cada de los 50, el sue?o de aquellos pioneros era construir m¨¢quinas que tuviesen nuestros sentidos y capacidad de raciocinio. Es lo que se ha dado en llamar IA fuerte o inteligencia general artificial. Hasta ahora solo se ha conseguido en la ficci¨®n, por ejemplo con C3PO, HAL 9000, el agente Smith o Terminator.

Tambi¨¦n existe la inteligencia artificial d¨¦bil o estrecha, que es la que se centra en un tipo espec¨ªfico de problema. Podemos llamarla estrecha o d¨¦bil, pero esa tarea concreta pueden hacerla mejor que nosotros, ya sea jugar al ajedrez, o buscar nombres que comiencen en y.

?De d¨®nde proviene esta creciente inteligencia? En un principio de lo que llamamos aprendizaje autom¨¢tico.

• Aprendizaje autom¨¢tico

Es un campo que se deriva de la inteligencia artificial. B¨¢sicamente, consiste en desarrollar procesos que permitan a las m¨¢quinas aprender por s¨ª solas a partir de un conjunto de datos que un instructor va introduciendo trabajosamente primero y corrigiendo manualmente despu¨¦s. En este proceso, el ordenador extrae conocimiento a trav¨¦s de experiencia supervisada. Hacemos hincapi¨¦ en lo de supervisada: el aprendizaje profundo no se suele considerar una verdadera inteligencia, dado que se apoya en las pautas concedidas por los humanos para tomar sus decisiones.

Los procedimientos para lograr este aprendizaje han sido variados: m¨¦todos de regresi¨®n (redes bayesianas o ¨¢rboles de decisi¨®n) m¨®dulos de clasificaci¨®n (regresi¨®n log¨ªstica, por ejemplo) y por agrupaci¨®n (clustering).

Una de las mejores aplicaciones del aprendizaje profundo ha sido la visi¨®n artificial, que permite que, mediante c¨®digo, las m¨¢quinas son capaces de detectar curvas, lados, colores, letras y puedan determinar si es una se?al de stop o un escaparate despu¨¦s de aprend¨¦rselas de memoria. Pero este procedimiento es defectuoso: ?qu¨¦ pasa si est¨¢ oscuro, si no se ve bien la se?al, o si la letra es de un tipo nuevo que se ha inventado el ¨²ltimo dise?ador escandinavo? Esto nos lleva al siguiente punto.

Aprendizaje profundo

El verdadero salto cualitativo lo se produce con el llamado deep learning o aprendizaje profundo. Este se basa en redes neuronales, un concepto que data de los a?os 40 y 50 y que ha vuelto a resurgir con fuerza gracias, de nuevo, al desarrollo de la computaci¨®n. Se pasa de la l¨®gica lineal y se abandonan las instrucciones del estilo si algo es falso, entonces haz esto. El aprendizaje autom¨¢tico supone un paso exponencial hacia delante: permite que la m¨¢quina aprenda sola.

Los l¨ªderes de la IA

Los grandes nombres en esto del deep learning son IBM, Google y Facebook y, quiz¨¢s, Nvidia. La primera, pionera desde los primeros pasos de la IA, salt¨® a los medios a principios de la d¨¦cada ganando un concurso con su ordenador Watson, uno de los ejemplos m¨¢s claros de deep learning. Google es, c¨®mo no, una de las principales puntas de lanza del aprendizaje profundo, sobre todo tras el fichaje en 2012 de Raymond Kurzweil. Por ejemplo, un equipo de Google Brain, el proyecto de aprendizaje profundo de la empresa del buscador, ha sido capaz de ense?arle a sus m¨¢quinas a crear su propio cifrado sin necesidad de intervenci¨®n humana. Para ello, han necesitado tres redes neuronales.

El a?o pasado, Facebook cre¨® la Unidad de Investigaci¨®n en IA con el objeto de lograr identificar rostros y objetos que aparecen en los cerca de 350 millones de v¨ªdeos y fotograf¨ªas que se transfieren diariamente a Facebook.

China tambi¨¦n se mueve: Baidu ha sido logrado recientemente que una m¨¢quina lleve a cabo un aprendizaje zero shot usando lenguaje natural.

Una red neuronal artificial consiste, de esta manera, en un sistema de programas y estructuras de datos que trata de funcionar como un cerebro humano, en el que las neuronas trabajan en paralelo para lograr un objetivo com¨²n. Todas estas redes se alimentan de datos de una memoria local. De una forma muy simple, una red neuronal artificial cuenta con capas anidadas compuestas por nodos interconectados, que se reacomodan despu¨¦s de cada nueva experiencia.

Las distintas capas permiten al sistema reconocer las cosas en distintos niveles de abstracci¨®n. Imaginemos que el sistema tiene delante un perro. Las capas inferiores se dedicar¨¢n a reconocer cosas sencillas como las formas b¨¢sicas, o el color. Las superiores, por su parte, se dedicar¨¢n m¨¢s bien a cosas m¨¢s complejas como el pelo, los ojos. Las de m¨¢s arriba, por ¨²ltimo, ser¨¢n las que sumen todos los datos y le hagan llegar a la conclusi¨®n de que el objeto en cuesti¨®n es un perro. Este es el modelo de trabajar que se aplica en otros procesos y es lo que permite a la m¨¢quina ense?arse a s¨ª misma. Los sonidos que forman una palabra o los movimientos de volante que hacen fata para conducir un coche.

Estas capas permiten mejorar aspectos como el procesamiento del lenguaje natural por parte de las m¨¢quinas, la traducci¨®n autom¨¢tica o puede participar decisivamente en el desarrollo de coches sin conductor. Tambi¨¦n se usa para la detecci¨®n temprana de enfermedades en clinicas como Monte Sina¨ª.

Y aqu¨ª viene algo que puede constituir un problema, si no es que lo constituye ya: El aprendizaje profundo puede hacer ganar millones con inversiones financieras, detectar enfermedades o mil cosas m¨¢s que cambien todas las industrias. Pero va a llegar el momento (o, m¨¢s bien, ha llegado el momento) en que lo hagan sin que los humanos seamos capaces de comprender sus razonamientos. Si todo va bien, no hay problema. La cuesti¨®n es: ?qu¨¦ pasa si algo sale mal?

¡°Podemos construir los modelos que nos permiten esta detecci¨®n, asegur¨® recientemente Joel Dudley, el responsable de este programa al MIT Technology Review. ¡°Pero no sabemos c¨®mo funcionan¡±. Dudley se une a voces como la antes citada de Sir Martin Rees o la del mism¨ªsimo Stephen Hawking, que cree que la AI puede ser "o lo mejor o lo peor para la humanidad".?

Google ha puesto en marcha algunos experimentos que han tratado de demostrar qu¨¦ es lo que ocurre mientras trabaja una de esas redes neuronales. Uno de ellos es el famoso Deep Dream. Lo que hicieron los ingenieros de la compa?¨ªa fue hacerlo funcionar marcha atr¨¢s, lo que les permiti¨® comprobar los trucos que la m¨¢quina usaba para reconocer un coche o un edificio. Cierto, las im¨¢genes que ofrec¨ªa eran grotescas?o dignas de una letra de John Lennon en 1967. Pero tambi¨¦n dieron a entender que sus procesos no son del todo inescrutables.

La cuesti¨®n es que para comprender c¨®mo funcionan estos sistemas avanzados de inteligencia artificial hace falta mucho m¨¢s. Una simple red neuronal puede ser f¨¢cilmente comprensible para una persona preparada. Pero las grandes operaciones, las que hacen falta para conducir un coche de forma aut¨®noma o para diagnosticar un c¨¢ncer de p¨¢ncreas, requieren muchas capas y miles de nodos. Algo que puede ser inalcanzable, incluso para sus creadores.?

¡°La inteligencia artificial no es solo un accesorio guay o una cosita ingeniosa: es el ¨²ltimo invento que el ser humano va a tener que hacer¡±, asegur¨® el fil¨®sofo Nick Bostrom en 2016 al diario Financial Times. ¡°Ante el escenario de una explosi¨®n de la inteligencia, los humano somos como ni?os peque?os jugando con una bomba. As¨ª es el desequilibrio entre el poder de nuestro juguete y la inmadurez de nuestra conducta¡±, sentencia en su libro Superintelligence: Paths, Dangers, Strategies.

Entender c¨®mo piensa la inteligencia artificial no tiene por qu¨¦ ser necesario para grandes objetivos. Nuestro d¨ªa a d¨ªa puede verse afectado. Por ejemplo, cuando llegue el momento de que Siri nos recomiende un restaurante, puede ser interesante saber qu¨¦ es lo que le ha movido a hacerte esa recomendaci¨®n. O eso, o tener fe en que tu asistente te va a proporcionar la felicidad. O No usarla, directamente.