¡°Las m¨¢quinas har¨¢n trabajos totalmente de humanos¡±

Regina Barzilay (1970, Chisin¨¢u, Moldavia) es la mujer que ense?a a las m¨¢quinas a aprender. Especializada en reconocimiento y procesado de lenguaje natural, lleva casi dos d¨¦cadas educando a los ordenadores en nuestro 'idioma'. "Intento que una m¨¢quina coja un texto, extraiga su informaci¨®n y lo haga ¨²til para los humanos. Pero las m¨¢quinas tienen que aprender el lenguaje, porque ellas por s¨ª mismas no saben leer ingl¨¦s", explica en Madrid, a donde ha venido como jurado de los premios Fronteras del Conocimiento en Tecnolog¨ªas de la Informaci¨®n y la Comunicaci¨®n de la Fundaci¨®n BBVA. Barzilay ya se ha convertido en una referencia en su campo, la ling¨¹¨ªstica computacional. Actualmente es catedr¨¢tica, investiga y ense?a en uno de los centros m¨¢s prestigiosos del mundo: el Instituto Tecnol¨®gico de Massachusetts (MIT), en Estados Unidos.

Su cometido es crear modelos para que las m¨¢quinas aprendan a realizar tareas reales, relacionadas con textos. Ya les ha ense?ado a descifrar y traducir lenguas antiguas (como el ugar¨ªtico, una lengua empleada en Siria en el 1200 antes de Cristo), a analizar muchos documentos distintos y generar un resumen y a buscar la informaci¨®n que necesitan y no saben. Les ha ense?ado a usar Internet. "Es como lo har¨ªamos nosotros: si te mandan una tarea de la que no tienes ni idea, ?qu¨¦ haces? Buscar informaci¨®n donde la expliquen. Ellas hacen lo mismo". Adem¨¢s de las aplicaciones educacionales de sus programas, actualmente est¨¢ centrada en un nuevo campo. Cuando hace dos a?os le detectaron un c¨¢ncer de mama, adem¨¢s de su vida personal, hizo girar tambi¨¦n su mundo laboral. Empez¨® a utilizar a todas las m¨¢quinas que ha ense?ado, a su favor y al de muchas mujeres. "Hoy en d¨ªa tenemos mejor tecnolog¨ªa para recomendarte un pintalabios que para ayudarte a prevenir el c¨¢ncer de mama. Eso hab¨ªa que cambiarlo".

Pregunta. ?Por qu¨¦ decide centrar su investigaci¨®n en el campo m¨¦dico?

Estos sistemas son capaces de trasladar miles de informes m¨¦dicos, con letras de doctores diferentes, a una tabla donde se pueda buscar informaci¨®n

Respuesta. Porque me di cuenta de que en los hospitales hay much¨ªsima informaci¨®n que se registra sobre los pacientes y que no se est¨¢ utilizando. La mayor¨ªa de las decisiones cl¨ªnicas est¨¢n basadas en los ensayos cl¨ªnicos, es decir, en el 3% de poblaci¨®n que participan en ellos. Esto significa que toda la experiencia de lo que le pasa al 97% de pacientes no est¨¢ siendo usada. ?C¨®mo trabajar¨ªa Amazon si desechara el 97% de los datos? Hoy en d¨ªa no se pueden hacer ni las cuestiones m¨¢s simples, como buscar una lista de los pacientes que tengan unas caracter¨ªsticas exactas de tumor. Eso fue verdaderamente molesto para m¨ª porque yo desarrollo much¨ªsimas aplicaciones para empresas y vi que todas las maravillosas t¨¦cnicas que se han desarrollado en machine learning [aprendizaje autom¨¢tico] y en procesamiento del lenguaje no se estaban utilizando para ayudar a entender c¨®mo se puede prevenir el c¨¢ncer o c¨®mo encontrar el tratamiento que mejor se acople a cada paciente. Creo que estamos sentados sobre una mina de oro de datos que no estamos utilizando.

P. ?C¨®mo aplica el procesamiento del lenguaje de sus m¨¢quinas a esta informaci¨®n?

P. ?Cu¨¢ntos datos almacenan? ?Con los que tienen ya se ha conseguido alg¨²n resultado?

R. En el primer sistema, tenemos ya 110.000 informes patol¨®gicos de tres hospitales con los que colaboramos: el Massachusetts General Hospital, el Instituto de C¨¢ncer Dana-Farber Cancer y el Hospital Newton Wellesley. S¨ª, hemos conseguido ya alg¨²n resultado, especialmente en la detecci¨®n de condicionantes, poder predecir cuando alguien tiene m¨¢s papeletas o factores de riesgo para tener c¨¢ncer y ver c¨®mo se desarrolla.

P. Otro de sus proyectos ha estado relacionado con la creaci¨®n de res¨²menes. ?C¨®mo es de dif¨ªcil para una m¨¢quina generar por s¨ª misma un nuevo texto?

R. En el campo m¨¦dico es m¨¢s f¨¢cil, porque ellos utilizan un lenguaje muy est¨¢ndar. Pero en general es muy dif¨ªcil generar textos largos, lo que la m¨¢quina puede hacer bien por el momento es crear frases individuales. Pero por ejemplo un texto creativo y una historia, es imposible. Creo firmemente que el nivel de creatividad de los humanos no puede ser alcanzado por las m¨¢quinas ahora mismo. Aunque gracias al desarrollo de las redes neuronales de la inteligencia artificial se est¨¢n produciendo avances muy excitantes.

Un resto es que las m¨¢quinas aprendan a hacer razonamientos

P. ?Cu¨¢les son los mayores retos a los que se enfrenta en el campo de la inteligencia artificial?

R. Ahora mismo para que un sistema funcione necesita una incre¨ªble cantidad de datos, much¨ªsimos ejemplos. Adem¨¢s, puede pasar que le ense?es documentos de un hospital y luego de otro, y ya no pueda utilizarlos ni generalizar porque las estructuras son ligeramente diferentes. As¨ª que creo que uno de los mayores retos es tratar de desarrollar t¨¦cnicas con las que las m¨¢quinas pudieran extraer informaci¨®n de un texto con solo darles un par de reglas y ejemplos. Que ellas solas a partir de ah¨ª se buscaran sus propias fuentes de informaci¨®n. Y otro, tambi¨¦n muy importante, es intentar lograr que las m¨¢quinas puedan razonar. Es decir, estos sistemas cometen errores, entonces yo puedo solo corregir el error o intentar que la m¨¢quina me explique por qu¨¦ cree que eso es un error. Me gustar¨ªa que fuera como a un ni?o, a un ni?o t¨² no solo le corriges el ejemplo, sino que tratas de explicarle porque est¨¢ equivocado. Pues hacer lo mismo con las m¨¢quinas, para que fueran m¨¢s inteligentes en ese sentido.?

P. Si tuviera que definir c¨®mo de inteligentes son ahora sus m¨¢quinas, ?qu¨¦ puntuaci¨®n les dar¨ªa?

No creo que las m¨¢quinas puedan sustituir a los humanos. Ser¨¢n herramientas de apoyo

R. Eso realmente depende de la tarea que les mandes a hacer. Hay tareas en las que las m¨¢quinas ya son m¨¢s inteligentes que los humanos. Como por ejemplo, en la predicci¨®n de factores de riesgos en enfermedades. Adem¨¢s, a diferencia de nosotros, las m¨¢quinas realmente pueden volverse mejores cuanto m¨¢s datos les das. Sin embargo, hay otras tareas para las que no tenemos suficientes datos y, por consiguiente, las m¨¢quinas las hacen peor. Lo que nos hace inteligentes a los humanos es que nosotros podemos f¨¢cilmente aprender algo y aplicarlo en muchos contextos diferentes. Las m¨¢quinas ahora necesitan ser entrenadas en contextos espec¨ªficos. Pero soy muy optimista de que esto pueda cambiar. Al menos intentaremos cambiarlo desde el MIT.

P. ?Qu¨¦ relaci¨®n entre humanos y m¨¢quinas imagina en el futuro?

R. Creo que habr¨¢ ciertas ¨¢reas donde las m¨¢quinas estar¨¢n totalmente haciendo trabajos de humanos. Especialmente en tareas mec¨¢nicas, ellas ser¨¢n mejores que nosotros. Tambi¨¦n en el campo m¨¦dico, podr¨¢n utilizar todos los datos para hacer mejores predicciones. Pero, sin embargo, no creo que las m¨¢quinas nos sustituyan. Las veo m¨¢s que dispositivos de ayuda, que lograr¨¢n que los humanos pasen menos tiempo en tareas mec¨¢nicas. Ser¨¢ parecido a lo que ocurri¨® en la revoluci¨®n industrial.