Una victoria de la inteligencia artificial que desnuda los secretos de la mente

Hace justo medio siglo, mientras en las radios de todo el mundo triunfaban las Supremes, el pensador Michael Polanyi public¨® un libro (La dimensi¨®n t¨¢cita) en el que propon¨ªa una vistosa idea: deb¨ªamos reconsiderar la noci¨®n de conocimiento humano partiendo de la base de que "sabemos m¨¢s de lo que podemos explicar". Para construir esta paradoja, Polanyi pon¨ªa ejemplos como la conducci¨®n de coches y el reconocimiento de rostros: sabemos conducir o identificar a una persona al ver su cara, pero no sabemos muy bien c¨®mo lo hacemos. Hay intuiciones, capacidades e instintos que se manifiestan en cada cosa que hacemos y que nos permiten ser humanos eficientes.

La inteligencia artificial necesit¨® visionar millones de im¨¢genes para captar lo que es un gato. "?Cu¨¢ntos gatos necesita ver un ni?o para entender lo que es un gato? Uno", zanja L¨®pez de M¨¢ntaras

Hoy, 50 a?os despu¨¦s, los coches se conducen solos, los ordenadores reconocen caras y una m¨¢quina de Google ha derrotado a uno de los mejores jugadores de Go, algo as¨ª como un ajedrez oriental cargado de misticismo y tan complejo como la mente humana. Su tablero permite que las fichas se dispongan en m¨¢s combinaciones distintas que ¨¢tomos hay en el universo. Seg¨²n reconoc¨ªan los l¨ªderes de Deepmind ¡ªla empresa que ha logrado este reto para Google¡ª se trataba del Santo Grial?de la inteligencia artificial desde que DeepBlue quebr¨® los nervios de Gari Kasp¨¢rov hace justo dos d¨¦cadas.

Esta victoria de la m¨¢quina, AlphaGo, frente al campe¨®n Lee Sedol nos ha ayudado a descubrir muchas cosas sobre la mente humana. La primera, que somos muy malos con las previsiones. Hace un a?o, uno de los expertos que iba tras este logro calculaba que nadie lo lograr¨ªa hasta 2025. Al comenzar la contienda, Sedol asegur¨® que vencer¨ªa 5 a 0 a la m¨¢quina: perdi¨® 4 a 1. Es impagable la grabaci¨®n de la primera partida del torneo, en la que el campe¨®n coreano permanece 20 segundos con la boca abierta tras asistir a un movimiento ordenado por la m¨¢quina. Despu¨¦s sonr¨ªe, con la inesperada satisfacci¨®n de tener delante un rival tan bueno como imprevisible, y se inclina sobre el tablero para concentrarse, como si hasta ese momento no se tomara muy en serio el reto (ver v¨ªdeo).

Una victoria de la inteligencia artificial que desnuda secretos de la mente

Demis Hassabis, el l¨ªder de Google Deepmind, habla con naturalidad de que han logrado imitar la "intuici¨®n" que necesitan los grandes jugadores de Go para plantear las partidas. En este tablero ¡ªde 19 por 19¡ª no se puede utilizar la "fuerza bruta" computacional que us¨® IBM contra Kasp¨¢rov: es imposible calcular todas y cada una de las posibles combinaciones para escoger la ¨®ptima. AlphaGo deb¨ªa jugar como har¨ªa un humano: obviar una mayor¨ªa abrumadora de las posibilidades y acudir directamente a un pu?ado de movimientos que le recomienda su olfato.

"Cuando un humano echa un vistazo al tablero, en este juego o cualquier otro, intuitivamente sabe lo que tiene que hacer", afirma Ram¨®n L¨®pez de M¨¢ntaras, director del Instituto de Investigaci¨®n en Inteligencia Artificial del CSIC. Y puntualiza: "Pero?AlphaGo no tiene intuici¨®n; me vale como met¨¢fora, pero solo est¨¢ haciendo funciones matem¨¢ticas". Este importante matiz que diferencia cerebro humano y de silicio tiene mucho que ver con la paradoja de Polanyi: seguimos sin saber c¨®mo intuimos que vamos a ganar al mirar el tablero pero Hassabis public¨® en Nature, con todo lujo de detalles, c¨®mo lo hace su m¨¢quina: si tienen tiempo y recursos, podr¨ªan replicar el ¨¦xito de AlphaGo siguiendo las instrucciones de este estudio.

Deepmind combin¨® tres t¨¦cnicas distintas de inteligencia artificial. Por un lado, el aprendizaje profundo, basado en la suma de cantidades masivas de informaci¨®n que permitan reconocer patrones: en este caso cientos de miles de partidas reales. Tambi¨¦n el aprendizaje por refuerzo, que permite a la m¨¢quina jugar contra s¨ª misma para instruirse ejercit¨¢ndose. Adem¨¢s, se sirvieron del llamado ¨¢rbol de b¨²squeda de Monte Carlo, que selecciona aleatoriamente las posibilidades m¨¢s prometedoras. "Conceptualmente no han inventado nada", asegura L¨®pez de M¨¢ntaras, "esos sistemas eran conocidos desde hace mucho tiempo , pero hasta ahora no hab¨ªa los suficientes datos para alimentarlos. La diferencia es la ingente cantidad de datos con los que contamos ahora. Y Google es datos".

En este tablero ¡ªde 19 por 19¡ª no se puede utilizar la "fuerza bruta" computacional que us¨® IBM contra Kasp¨¢rov: es imposible calcular todas y cada una de las posibles combinaciones

La empresa del buscador (ahora Alphabet) decidi¨® descubrir en 2012 lo que daba de s¨ª la inteligencia artificial: puso a 16.000 ordenadores a trabajar en su aprendizaje profundo para identificar elementos en v¨ªdeos de YouTube, sin ayuda ni aprendizajes previos. Despu¨¦s de 10 millones de visionados, comenz¨® a identificar a los reyes de la red: los gatitos. Hizo falta un esfuerzo descomunal de datos masivos para captar lo que es un gato. "?Cu¨¢ntos gatos necesita ver un ni?o para entender lo que es un gato? Uno. No tenemos ni idea de c¨®mo lo hace, pero a partir de un solo ejemplo ya los puede reconocer", subraya el investigador del CSIC.

Las redes neuronales de AlphaGo se sometieron al visionado de 160.000 partidas de jugadores reales de alto nivel y 30 millones de movimientos para estar listas para la batalla. Si Lee Sedol hubiera jugado una partida al d¨ªa desde los 10 a?os apenas tendr¨ªa 8.500 encuentros a sus espaldas (un juego puede durar cinco horas f¨¢cilmente). Estas redes neuronales de aprendizaje profundo funcionan como capas que van reconociendo patrones haciendo abstracciones de la anterior capa: una identifica p¨ªxeles con formas, la siguiente formas de l¨ªneas horizontales, la siguiente l¨ªneas horizontales que se cierran, la siguiente concluye que son ¨®valos horizontales... hasta identificar ojos en las caras de la gente.

"Cuantas m¨¢s redes neuronales, m¨¢s dif¨ªcil es entrenarlas", advierte L¨®pez de M¨¢ntaras. A Hassabis le gusta comparar su m¨¦todo con el aprendizaje que realiza un ni?o. Cuando hay que mejorar la comprensi¨®n de la m¨¢quina, no es tan sencillo como programar m¨¢s l¨ªneas de c¨®digo: hay que ense?arle m¨¢s y m¨¢s ejemplos para que refine su entendimiento. Como en el ejemplo de los gatitos, la eficiencia de un ni?o en el aprendizaje es casi m¨¢gica a su lado. Para el juego, AlphaGo se termin¨® haciendo con patrones de posiciones ganadoras, ese vistazo intuitivo de los humanos. Y as¨ª derrot¨® a Sedol.

La mejor jugada del humano es tan buena como la m¨¢s brillante que puede hacer la inteligencia artificial: una entre 10.000 posibilidades

"En los ¨²ltimos a?os asistimos al fen¨®meno de la inteligencia artificial ganando a los humanos en distintas situaciones que no se esperaban tan pronto", afirma Amparo Alonso, presidenta de la Asociaci¨®n Espa?ola para la Inteligencia Artificial, recordando casos como los de IBM con Jeopardy o el test de Turing. Pero cuando se habla de los logros de este campo, se olvida que las derrotas humanas tienen una incidencia clara en la forma de pensar de los propios humanos. Despu¨¦s de Deep Blue, el ajedrez no volvi¨® a ser el mismo: las m¨¢quinas rompieron todos los esquemas y gracias a ellas ahora se juega mejor (a veces demasiado). Fan Hui, el campe¨®n europeo de Go que ha servido de sparring para Google estar¨ªa mejorando a pasos agigantados su juego gracias a estos cinco meses de partidas contra la m¨¢quina, seg¨²n Wired.

A pesar de sus buenos resultados, los expertos recuerdan que estas m¨¢quinas ganadoras son prototipos, no productos acabados, y por eso son susceptibles de cometer errores impropios de cerebros humanos campeones. El d¨ªa que el superordenador de IBM Watson venci¨® a los campeones de Jeopardy, ubic¨® Toronto en EE UU. Deep Blue cometi¨® un extra?o error al mover una torre cuando podr¨ªa haber dado jaque, dejando noqueado a Kasp¨¢rov, que se obsesion¨® con la jugada porque no la entend¨ªa. En la cuarta partida contra Sedol, AlphaGo meti¨® la pata en el movimiento 79. El jugador humano gan¨® esa ¨²nica partida.

Pero ese movimiento fallido que la m¨¢quina no pudo remontar es consecuencia de otro detalle revelador de este enfrentamiento entre humanos y ordenadores. En el movimiento 37 de la segunda partida, AlphaGo realiz¨® un movimiento tan brillante e inesperado que rompi¨® por completo el juego y oblig¨® a hincar la rodilla a Sedol. Seg¨²n los c¨¢lculos de Deepmind, fue un movimiento tan ganador como improbable: solo en 1 de cada 10.000 partidas se le hubiera ocurrido algo as¨ª a un jugador. En la cuarta partida, justo antes del error de la m¨¢quina, Sedol hizo en el movimiento 78 algo tan extraordinario que levant¨® de sus asientos a los expertos y aficionados: un movimiento bello y ganador. Los de Google calcularon su valor: era una jugada entre 10.000, exactamente igual de improbable que la de la m¨¢quina. La mejor jugada del humano es tan buena como la m¨¢s brillante que puede hacer la inteligencia artificial.

"Este logro es muy importante, pero no nos acerca en absoluto a la inteligencia artificial general, a la singularidad: estamos igual de lejos que antes"

"Este logro es muy importante, pero no nos acerca en absoluto a la inteligencia artificial general, a la singularidad: estamos igual de lejos que antes", asegura L¨®pez de M¨¢ntaras, en referencia a ese punto en el que el cerebro de la m¨¢quina sea capaz de aprender y desenvolverse por s¨ª solo en distintos entornos.?"No compro para nada la idea de que est¨¢n consiguiendo mimetizar c¨®mo funciona el cerebro, no tiene nada que ver", insiste. Al hablar de inteligencia artificial, hay quien cree que se puede replicar el funcionamiento de la materia gris. En los comienzos de la aviaci¨®n, hubo quien intent¨® desarrollar aviones que imitaran el aleteo de los p¨¢jaros, pero esa inspiraci¨®n biol¨®gica no fue la mejor soluci¨®n.

El proyecto Human Brain Project, financiado generosamente por la Comisi¨®n Europea, quer¨ªa llegar a imitar con superordenadores el cerebro humano en 10 a?os, pero una revisi¨®n oficial les oblig¨® a reconocer que ten¨ªan "expectativas poco realistas". Una encuesta realizada en 2014 por Nick Bostrom, el gur¨² de la superinteligencia, mostraba que el 82% de los expertos en esta materia cre¨ªan que las m¨¢quinas nunca ser¨¢n capaces de emular el aprendizaje y los dem¨¢s aspectos de la inteligencia humana o al menos tardar¨¢ m¨¢s de 50 a?os (PDF). "Yo no lo ver¨¦, eso seguro", dice el investigador del CSIC, que cree que el gran hito ser¨ªa que las m¨¢quinas comprendan el lenguaje natural y adquieran sentido com¨²n, que quiz¨¢ sea una forma de denominar a la paradoja de Polanyi.?

?Qu¨¦ es lo que puede aportar? "Ya est¨¢ haciendo muchas cosas, hoy, por nosotros", asegura Alonso, catedr¨¢tica en la Universidad de A Coru?a, y se?ala motores de b¨²squeda, monitorizaci¨®n de la industria, cortes de tejidos eficientes en el textil, detectores de spam y aplicaciones cl¨ªnicas. Este ¨²ltimo campo, el de la medicina, es el m¨¢s prometedor. Ah¨ª es donde Hassabis quiere aportar "metasoluciones" en el diagn¨®stico visual y en la b¨²squeda de f¨¢rmacos. Deepmind ya tiene un acuerdo con el Sistema de Salud de Reino Unido, del mismo modo que IBM ya tiene a Watson trabajando con el laboratorio Merck. Aunque en medicina no es tan sencillo lo bueno y lo malo, no es un escenario binario en el que elegir una jugada que lleva a la victoria o a la derrota. Lo resume L¨®pez de M¨¢ntaras: "El mundo es mucho m¨¢s complicado que un tablero".