Un robot que busca a Wally (y lo encuentra)

Hola, amigos! Me llamo Wally. Voy a recorrer mundo. Pod¨¦is acompa?arme, si quer¨¦is. Lo ¨²nico que ten¨¦is que hacer es encontrarme". En su momento, muchos aceptamos el desaf¨ªo del mochilero m¨¢s famoso de la historia y derrochamos horas en calcinarnos las pesta?as tratando de encontrarle. HORAS.

Y all¨ª estaba ¨¦l. Quietecito. En medio de una horda de goblins glotones. Detr¨¢s de un mostrador, en un centro comercial abarrotado. Asomando en la esquina de un edificio, con aires victoriosos. Sabe dios d¨®nde, en una playa llena de romanos.

Pues ya nada. Wally ha perdido su raz¨®n de ser. Se ponga como se ponga, no tiene d¨®nde esconderse. Y la culpa es del robot There's Waldo?-Ah¨ª est¨¢ Waldo-, bautizado as¨ª como respuesta al nombre americano de los libros, Where's Waldo.

Este medio androide bajonero -lo ¨²nico antropomorfo que tiene es una mano de goma- ha sido desarrollado por la agencia creativa Redpepper y es capaz de encontrar a Wally en menos de 5 segundos. Y no cre¨¢is que es un prodigio de la computaci¨®n, all¨¢ en las lejanas fronteras de la ciencia. Es producto de un breve entrenamiento del motor de aprendizaje autom¨¢tico de Google, AutoML, con un pu?ado de im¨¢genes de Wally.

Concretamente 107, seg¨²n explic¨® Matt Reed a The Verge: 62 cabezas distintas y 45 combinaciones de cuerpo y cabeza. "Pensaba que no ser¨ªan suficientes datos para construir un modelo robusto, pero da predicciones sorprendentemente buenas incluso con Wallies que no estaban en el set de entrenamiento original".

Le bastan unos segundos para reconocer todas las caras sobre una la doble p¨¢gina y filtrar la de Wally. Una vez localizado, el brazo rob¨®tico pega un manotazo al libro -y a nuestro orgullo- en el punto exacto donde se encuesta el mochilero.

?Es m¨¢s lista que nosotros esta m¨¢quina? Buscando a Wally, s¨ª. Sin embargo, su inteligencia no va m¨¢s all¨¢ de esta tarea. No olvidemos que a la visi¨®n artificial le queda mucho camino por recorrer en el mundo real, sobre todo en lo relativo a im¨¢genes en movimiento. Encontrar a Wally con machine learning es tan f¨¢cil, en parte, por que tenemos un conjunto limitado de libros con un conjunto limitado de Wallies que por mucho que se escondan, siempre aparecen relativamente de frente. ?C¨®mo entrenamos al modelo para reconocer la vida que ocurre fuera del peque?o mundo de papel que habita Wally?

• Atolondrar algoritmos

Los ejemplos de aplicaciones de inteligencia artificial en este caso son miles. Pero tambi¨¦n est¨¢ de moda lo contrario: atolondrar a las m¨¢quinas. Nos pasa a los humanos cuando nos ponen en la disyuntiva de adivinar si lo que vemos es un culo o un codo. Nadie condenar¨ªa a un algoritmo por confundir lo uno con lo otro. Pero, ?qu¨¦ pasa cuando donde hay una tortuga de pl¨¢stico, nuestra m¨¢quina ve un rifle?

El caso es real. Te lo contamos en EL PA?S RETINA y el error no es casual. Los investigadores LabSix -un equipo formado por estudiantes del MIT- llevaron a cabo un experimento en el que explicaron c¨®mo imprimir en 3D una tortuga de pl¨¢stico cuyos patrones de dise?o llevaban al algoritmo a ver un rifle.?

Los algoritmos pueden sufrir alucinaciones. Y el problema engorda cuando sus espejismos no son fruto del azar sino que se han provocado con inputs modificados para forzar el error, como la tortuga-rifle o la pelota-expresso. Los peligros del adversarial machine learning -aprendizaje autom¨¢tico conflictivo o antag¨®nico- son algo m¨¢s que advertencias de los cenizos y agoreros de la era digital. Hasta Google est¨¢ midiendo las consecuencias que pueden tener estas tretas en una sociedad que se mueva al son del algoritmo. ¡°La mayor¨ªa de los clasificadores de machine learning existentes son altamente vulnerables a ejemplos conflictivos¡±.?

¡°La gente no es muy consciente. Hay mucho hype alrededor de la inteligencia artificial y el machine learning, pero ya hay ciberguerra por debajo¡±, explica Alberto Robles, director general de Expert System en Espa?a.