¡°El ¡®machine learning¡¯ traer¨¢ igualdad en lugar de diferencias¡±

P. ?Por qu¨¦ se ha reavivado el entusiasmo en la IA con el machine learning?

R. Porque, all¨¢ por 2005 o 2006, el machine learning una porci¨®n de la IA, emergi¨® como algo nuevo que nos permit¨ªa resolver los mismos problemas que animales muy simples resuelven. Al fin ¨¦ramos capaces de reconocer patrones. Pero esto es algo que un conejo o una serpiente pueden hacer. No es verdadera inteligencia. Esto es solo coger una foto y ser capaz de decir, ¡°ah, entiendo las cosas presentes en esa foto¡±. Pero es excitante porque antes no pod¨ªamos lograrlo.

P. ?C¨®mo funciona esta tecnolog¨ªa?

R. Si yo te pregunto, ¡°?c¨®mo caminas?¡± y te exijo que me lo digas haciendo una lista de movimientos y funciones de todos los ¨®rganos de tu cuerpo, es imposible. Lo mismo si te pregunto si hay un gato en una foto: me lo puedes decir inmediatamente, pero si te pido que me expliques c¨®mo lo sabes, todo el proceso biol¨®gico, qu¨ªmico, de c¨®mo lo has reconocido, eres incapaz de explicarlo. Esas cosas las hacemos de manera casi instant¨¢nea. Pero no podemos explicar c¨®mo. Por eso era imposible ense?arle a hacer estas cosas a los ordenadores.

Lo emocionante es que, de esta forma muy b¨¢sica, ya podemos explicarles c¨®mo. Y en lugar de darles una receta les ense?amos una buena cantidad de ejemplos positivos y negativos. Por ejemplo, para ense?arle la diferencia entre un gato y un perro, le ense?amos montones y montones de im¨¢genes de perros y gatos. Y cada vez que le ense?amos una le decimos esto es un perro y esto es un gato. Lo hacemos millones y millones de veces. Cada vez que la computadora falla, la ajustamos un poco y la volvemos a probar. Es un poco la teor¨ªa de la zanahoria y el palo. Lo iteras miles de millones de veces. Hay un punto en el que la computadora empieza a entenderlo. Lo llamamos generalizaci¨®n.

P. ?Qu¨¦ tareas son inalcanzables, de momento, para un ordenador?

R. Los humanos hacemos razonamientos de alto nivel. Reconocer el humor en una imagen es un ejemplo perfecto. Necesitamos el sentido com¨²n, es decir, un conocimiento general de c¨®mo funciona el mundo. Nosotros sabemos todo ese mont¨®n de cosas porque, desde el momento en que nacemos, somos bombardeados con informaci¨®n. Hemos construido un modelo mental del mundo. Todo lo que tenemos ahora es el reconocimiento de patrones. Las m¨¢quinas no saben nada sobre el mundo, no tienen sentido com¨²n, carecen del aprendizaje de a?os y de la capacidad de inferir. Por ejemplo, si te digo que soy franc¨¦s, puedes pensar que me gusta comer baguettes o que tengo un acento divertido. Las m¨¢quinas no son nada buenas a la hora de hacer esa cadena de razonamientos. Estamos muy, muy lejos de lo que llamamos inteligencia.

P. ?Temes, como indican algunas consultoras, una debacle en el empleo por culpa de la automatizaci¨®n que provee el machine learning? ?Qu¨¦ efectos puede tener sobre el modelo capitalista?

R. Creo que va a ocurrir lo contrario. La gente con menos talento o capacidades va a poder hacer muchas m¨¢s cosas gracias al machine learning y de esa manera aumentar su valor econ¨®mico. As¨ª que en vez de crear m¨¢s desigualdad, tengo la impresi¨®n de que el machine learning va a igualar las cosas. Sin duda, el poder que tiene es el de transformar la sociedad. Lo positivo de usar esta tecnolog¨ªa creo que supera en enorme medida los posibles efectos negativos que pueda tener. El capitalismo y el socialismo son ideas que pertenecen al siglo XX. As¨ª que no tengo claro que vayan a sobrevivir como conceptos del XXI. Probablemente, nos encontremos con otros tipos de sistemas.

P. ?Es la nueva actitud de colaboraci¨®n y open data entre empresas uno de los pilares para desplegar todo el poder de estas tecnolog¨ªas? Porque en el siglo XX compartir no estaba muy bien valorado en el vocabulario empresarial.

R. Lo s¨¦. Estuve all¨ª [risas]. Ahora¡­ Lo ilustro con una an¨¦cdota. Estaba en Par¨ªs ayer, con un colega de Facebook. Sobre el papel, ¨¦ramos rivales. En la pr¨¢ctica pudimos hablar de todo lo que est¨¢bamos haciendo sin pensar en ning¨²n momento, oh, Dios m¨ªo, ?le estoy contando demasiado?. Esto es muy liberador. Hay una cosa curiosa con la econom¨ªa. Cuanta m¨¢s gente tienes en la red, m¨¢s sube el valor. No linealmente sino exponencialmente. Cuando esto lo aplicas a las grandes corporaciones, te das cuenta de que cuando las compa?¨ªas tratan de tener bajo llave sus secretos, el valor global para la sociedad se aplana, es lineal.

Cuanto m¨¢s compartes tus ideas y se conectan con otras empresas, m¨¢s aumenta el valor econ¨®mico. La raz¨®n por la que las grandes compa?¨ªas lo estamos haciendo es porque la tarta se hace mucho m¨¢s grande, por lo que tener una porci¨®n de esa tarta es mucho m¨¢s apetecible que tener una tarta entera diminuta. Lo hacemos no solo por ser majos y buenos ciudadanos, sino porque serlo significa que hay much¨ªsimo dinero a ganar. Esta filosof¨ªa tambi¨¦n la trajo Internet. Adem¨¢s, guardar ahora una idea bajo llave no es f¨¢cil. Si la NSA [Agencia de Seguridad Nacional estadounidense] no puede mantener sus secretos, imag¨ªnese cu¨¢n dif¨ªcil es hacerlo para las empresas.

P. ?Una predicci¨®n?

R. Predecir el futuro es un mal negocio. Pero, venga, me animo. Una cosa que est¨¢ dentro de la lista de tareas es ense?ar a las computadoras a tener sentido com¨²n, un modelo del mundo. Creo que es posible y estar¨¢ a nuestro alcance en los pr¨®ximos diez a?os. Pero no creo que en el pr¨®ximo medio siglo las computadoras sean capaces de plantear soluciones o ideas a partir de ese modelo mental del mundo.