Ralf Herbrich: ¡°Se exagera el potencial del ¡®machine learning¡¯¡±

Ralf Herbrich (Schwedt, Alemania, 1974) se confiesa un amante de los videojuegos. En la mente de este inform¨¢tico, con doctorados en programaci¨®n y teor¨ªa estad¨ªstica, eso significa que juega con ellos, pero tambi¨¦n que ha puesto su granito de arena en su perfeccionamiento. Trabaj¨® durante m¨¢s de diez a?os en Microsoft como investigador, donde particip¨® en simuladores de conducci¨®n y en el superventas Halo 3 para Xbox. Poco a poco se fue especializando en sistemas de machine learning, una de las ¨¢reas m¨¢s pujantes de la inteligencia artificial. Luego salt¨® a Facebook, donde contribuy¨® a cerrar tres patentes sobre ordenaci¨®n autom¨¢tica de b¨²squedas rankeadas. Fich¨® por Amazon hace siete a?os con el cometido de dirigir la investigaci¨®n en machine learning de la multinacional, tarea que se realiza en varios centros repartidos por todo el mundo (y que ¨¦l coordina desde Berl¨ªn).

De visita en las oficinas de Amazon de Barcelona, que alberga un equipo de I+D centrado en aprendizaje del lenguaje natural, Herbrich desliza que no le importar¨ªa mudarse a la capital catalana. ¡°Barcelona es un lugar fant¨¢stico en el que vivir. Hay gente muy abierta, mucho movimiento, excelencia cient¨ªfica, playa¡­¡±, comenta tras se?alar las monta?as de Collserola, donde corri¨® la ma?ana en que se realiz¨® la entrevista.

P. Amazon empez¨® como una tienda de libros. ?Qu¨¦ es hoy?

R. Es una compa?¨ªa tecnol¨®gica que trata de centrarse en una clientela planetaria y que apuesta por acercarse al cliente principalmente a trav¨¦s de la tecnolog¨ªa. El uso masivo de algoritmos y m¨¦todos matem¨¢ticos para analizar y digitalizar la informaci¨®n es clave para vender de forma m¨¢s f¨¢cil y barata.

P. ?Cu¨¢l es la funci¨®n de la inteligencia artificial (IA) en la compa?¨ªa?

R. Es la tecnolog¨ªa que nos permite escalar los procesos existentes para ofrecer m¨¢s valor al cliente. Los primeros libros del cat¨¢logo de Amazon se anotaron manualmente. Hab¨ªa gente que se los ten¨ªa que leer y luego organizar por tem¨¢tica, autor, etc¨¦tera. Ahora, m¨¢s del 90% de ese proceso lo realizan algoritmos. Tambi¨¦n hay casos en los que la IA literalmente posibilita la existencia de productos. Alexa ser¨ªa imposible sin un sistema de reconocimiento de voz apoyado en machine learning. Cuando llegu¨¦ a la empresa, esta tecnolog¨ªa estaba empezando a usarse en algunas divisiones, como por ejemplo el departamento de previsi¨®n de compras. Ahora no se me ocurre ninguna que no lo use.

P. ?En qu¨¦ proyectos est¨¢n trabajando?

R. Trabajamos en cuatro grandes ¨¢reas. Una es la automatizaci¨®n del entrenamiento de modelos de machine learning, lo que llamamos el establecimiento de superpar¨¢metros; el metaaprendizaje, o aprender a aprender. La segunda ¨¢rea es la traducci¨®n de voz y texto a un lenguaje que entienda la m¨¢quina. La tercera es la automatizaci¨®n de la evaluaci¨®n de calidad de los productos frescos: frutas, vegetales, etc¨¦tera.

La cantidad de energ¨ªa dedicada a que AlphaGo realice un movimiento es 1.000 veces mayor a la que necesita un ser humano

P. ?C¨®mo funciona esta ¨²ltima?

R. El 1% de todas las fresas, lechugas y dem¨¢s que compramos lo analizamos y clasificamos en distintos niveles de frescura. Usamos infrarrojos, que van m¨¢s all¨¢ de lo que puede ver el ojo humano. Esas c¨¢maras pueden detectar l¨ªquidos por debajo de la superficie. Debemos aprender a reconocer la apariencia de una pera podrida o que se est¨¢ estropeando. Nos llev¨® cuatro a?os de trabajo y varios fracasos llegar hasta esto [risas]. El 50% de toda la fruta se va a la basura antes de llegar a las neveras. Podemos contribuir a bajar esa proporci¨®n. El desaf¨ªo es desarrollar este sistema a un precio asequible para poder integrarlo masivamente en nuestros procesos.

P. ?En qu¨¦ m¨¢s est¨¢n trabajando?

R. El cuarto grupo de investigaci¨®n tiene que ver con las previsiones. Por ejemplo, en moda: la idea es poder anticipar cu¨¢ntas unidades de cada prenda se van a vender con unos 12-14 meses de antelaci¨®n, de manera que se pueda producir a tiempo. Esa previsi¨®n se hace a partir de tendencias, modelos, etc¨¦tera. Usamos deep autoregressive networks, esto es, deep learning [aprendizaje profundo] combinado con modelos autorregresivos para las series temporales que permiten a nuestros desarrolladores prever su producci¨®n. Como ve, nuestra forma de concebir la investigaci¨®n parte de pensar qu¨¦ queremos conseguir y luego hacemos el resto, cuando el proceso habitual es avanzar en distintas ¨¢reas de conocimiento y luego ver qu¨¦ sale.

M¨¢s informaci¨®n

¡°Tenemos que aceptar que existe un techo para el machine learning¡±

¡°El machine learning es estad¨ªstica glorificada¡±

P. ?C¨®mo cree que cambiar¨¢ el machine learning la sociedad en los pr¨®ximos a?os?

R. El machine learning nos ayuda a automatizar tareas repetitivas. Creo que cambiar¨¢ la naturaleza de muchos empleos, restando tareas rutinarias para que nos centremos en las m¨¢s creativas, igual que pas¨® con el trabajo f¨ªsico en el pasado. ?Qu¨¦ sucede con la toma de decisiones y los posibles sesgos que incorporen los algoritmos? Lo que hacen estos es comprimir datos y repetir patrones, de manera que si hay sesgos los reproducir¨¢n. Definitivamente, en las bases de datos hay infrarrepresentaci¨®n por g¨¦nero, etnia, religi¨®n... Lo bueno es que con las matem¨¢ticas podemos compensar esos sesgos, mientras que para un individuo es m¨¢s dif¨ªcil deshacerse de sus prejuicios.

P. ?Se exagera el potencial del machine learning?

R. Es cierto que hay unas expectativas que no siempre son realistas. Todas las decisiones que toman los algoritmos se basan en la recogida de datos durante a?os. Uno de los cuatro que tardamos en desarrollar el sistema capaz de detectar fruta fresca del que le he hablado lo dedicamos a recoger datos. Luego est¨¢ la reflexi¨®n de la eficiencia. AlphaGo [el programa desarrollado por Deep Mind para jugar a Go] es un logro incre¨ªble, pero no podemos olvidar que la cantidad de energ¨ªa dedicada a que el sistema realice un movimiento es al menos 1.000 veces superior a la que necesitan los humanos. Sin una mayor eficiencia energ¨¦tica no se podr¨¢ avanzar mucho m¨¢s. La inteligencia artificial general es una construcci¨®n te¨®rica bonita, pero poco m¨¢s.

P. ?Llegaremos a ver paquetes de Amazon entregados por drones?

R. Estamos cerca de ello, s¨ª. Estos aparatos son cada vez m¨¢s aut¨®nomos, gracias tambi¨¦n a la IA. Lo que queda por pulir son cuestiones de seguridad: estamos tom¨¢ndonos nuestro tiempo para garantizar que sea totalmente seguro. Pero estamos en ello, no lo dude.