La inteligencia artificial viable, cada vez m¨¢s cerca

Usando t¨¦cnicas de inteligencia artificial inspiradas en las teor¨ªas sobre el modo en que el cerebro reconoce los patrones, las empresas de tecnolog¨ªa informan de asombrosos avances en campos tan diversos como la visi¨®n computarizada, el reconocimiento del habla y la identificaci¨®n de nuevas mol¨¦culas prometedoras para el dise?o de f¨¢rmacos.

Los avances han provocado un entusiasmo generalizado entre los investigadores que dise?an programas inform¨¢ticos para realizar actividades humanas como ver, escuchar y pensar. Ofrecen la promesa de m¨¢quinas que conversan con los humanos y llevan a cabo tareas como conducir coches y trabajar en f¨¢bricas, lo que ampl¨ªa el abanico de robots automatizados que podr¨ªan sustituir a los trabajadores humanos.

La tecnolog¨ªa, llamada aprendizaje profundo, ya se ha puesto en marcha en servicios como Siri, la ayudante personal de Apple, que se basa en el servicio de reconocimiento del habla de Nuance Communications, y en Street View, de Google, que usa la visi¨®n autom¨¢tica para identificar direcciones espec¨ªficas.

Pero lo novedoso es la velocidad y precisi¨®n cada vez mayores de los programas de aprendizaje profundo, a menudo llamados redes neurales artificiales o simplemente redes neurales por su parecido con las conexiones neurales del cerebro. ¡°Ha habido muchos nuevos resultados asombrosos con los m¨¦todos de aprendizaje profundo¡±, dice Yann LeCun, inform¨¢tico de la Universidad de Nueva York que llev¨® a cabo una investigaci¨®n pionera en el reconocimiento de la escritura manual en los laboratorios Bell.

Quienes investigan la inteligencia artificial son extremadamente conscientes de los peligros de ser demasiado optimistas. Durante mucho tiempo, su disciplina ha sufrido las consecuencias de estallidos de entusiasmo fuera de lugar.

En la d¨¦cada de los sesenta, algunos inform¨¢ticos cre¨ªan que en 10 a?os tendr¨ªamos un sistema de inteligencia artificial viable. En los ochenta, una oleada de nuevas empresas comerciales se estrell¨®, lo que condujo a lo que algunos llamaron el ¡°invierno de la inteligencia artificial¡±.

Pero los ¨²ltimos logros han impresionado a un gran n¨²mero de expertos inform¨¢ticos de toda ¨ªndole. En octubre, por ejemplo, un equipo de estudiantes de posgrado que trabajaba con el inform¨¢tico de la Universidad de Toronto Geoffrey E. Hinton gan¨® el primer premio de un concurso patrocinado por Merck cuyo objetivo era dise?ar programas que ayudasen a encontrar mol¨¦culas que podr¨ªan conducir a nuevos f¨¢rmacos.

A partir de un conjunto de datos que describ¨ªa la estructura qu¨ªmica de miles de mol¨¦culas distintas, utilizaron los programas de aprendizaje profundo para determinar qu¨¦ mol¨¦cula ten¨ªa m¨¢s posibilidades de convertirse en un agente farmacol¨®gico eficaz.

Los avances en el reconocimiento de patrones tienen consecuencias no solo para el desarrollo de f¨¢rmacos sino tambi¨¦n para toda una serie de usos entre los que se encuentran el marketing y la aplicaci¨®n de las leyes. Por ejemplo, los comerciantes pueden analizar con una mayor precisi¨®n las grandes bases de datos sobre el comportamiento de los consumidores para obtener informaci¨®n m¨¢s exacta sobre los h¨¢bitos de compra. Y es probable que la mejora del reconocimiento facial haga que la tecnolog¨ªa que se aplica a la vigilancia se vuelva m¨¢s barata y habitual. Las redes neurales artificiales, una idea que se remonta a los cincuenta, intenta imitar la forma en la que el cerebro absorbe la informaci¨®n y aprende de ella. En las ¨²ltimas d¨¦cadas, Hinton, de 64 a?os, ha encabezado el estudio de nuevas t¨¦cnicas con gran capacidad de ayudar a las redes artificiales a reconocer patrones.

Las redes neurales artificiales modernas est¨¢n compuestas por un conjunto de componentes inform¨¢ticos que se dividen en entradas, capas ocultas y salidas. Estos conjuntos pueden ser ¡°entrenados¡± mediante la exposici¨®n repetida al reconocimiento de patrones como im¨¢genes o sonidos. Los sistemas de aprendizaje profundo han superado a los humanos en pruebas de alcance limitado.

Una muestra especialmente audaz del aprendizaje profundo se produjo en una conferencia celebrada en octubre en Tiany¨ªn, China, cuando Richard F. Rashid-, cient¨ªfico de alto nivel de Microsoft, dio una conferencia en un auditorio grande y oscuro mientras un programa inform¨¢tico reconoc¨ªa sus palabras y, simult¨¢neamente, las mostraba en ingl¨¦s en una gran pantalla situada sobre su cabeza. Luego, en una demostraci¨®n que provoc¨® un aplauso de admiraci¨®n, empez¨® a hacer una pausa despu¨¦s de cada frase y las palabras se fueron traduciendo a caracteres de chino mandar¨ªn, acompa?ados por una simulaci¨®n de su propia voz en ese idioma, que Rashid nunca ha hablado. La haza?a fue posible, en parte, por las t¨¦cnicas de aprendizaje profundo que han facilitado que se avance en la precisi¨®n del reconocimiento del habla.

Rashid, que supervisa la organizaci¨®n de investigaci¨®n mundial de Microsoft, admite que, aunque el nuevo programa de reconocimiento del habla de su empresa comete un 30% menos de errores que los modelos anteriores, ¡°todav¨ªa dista de ser perfecto¡±. ¡°En lugar de una palabra incorrecta por cada cuatro o cinco, ahora la tasa de error es de una palabra por cada siete u ocho¡±, escribe en la p¨¢gina de Microsoft. Aun as¨ª, a?ade que este es ¡°el cambio m¨¢s espectacular en la precisi¨®n¡± que ha habido desde 1979 y que, ¡°a medida que a?adamos nuevos datos al entrenamiento, conseguiremos resultados todav¨ªa mejores¡±.