¡°La inteligencia artificial necesita m¨¢s tiempo para ser ¨²til contra la pandemia¡±

Tiempo. Algo tan elemental es lo que pide el responsable cient¨ªfico de inteligencia artificial de Facebook, Yann LeCun (Soisy-sous-Montmorency, Francia; 1960), para que la tecnolog¨ªa que domina combata de verdad la pandemia. Los proyectos se suceden de puertas para adentro en los laboratorios de la red social, pero necesitan plazos m¨¢s amplios. Quiera o no, como explica por videoconferencia, el entrenamiento de algoritmos, la validaci¨®n de datos y las pruebas de campo con las m¨¢quinas requieren tiempo, por mucho que el coronavirus exija premura. ¡°En el largo plazo, el impacto va a ser profundo y amplio. Las iniciativas est¨¢n en marcha, pero no son ¨²tiles en dos meses¡±.

En su mente hay dos campos en los que cree que la inteligencia artificial y el deep learning van a ser cruciales en la lucha contra el virus: la medicina y la investigaci¨®n biom¨¦dica. Todo lo relacionado con im¨¢genes cambiar¨¢, como ha sucedido tanto en pruebas para detectar tumores como en los an¨¢lisis de esc¨¢neres. ¡°En China han comenzado a utilizar este tipo de herramientas para determinar el nivel y tipo de neumon¨ªa provocada por el coronavirus. En Facebook tenemos en marcha proyectos parecidos¡±, sostiene.

Especula menos cuando habla de predicci¨®n y propagaci¨®n. En los Estados de Nueva Jersey y Nueva York y en Austria, donde ha puesto a prueba al machine learning, ha logrado prever el n¨²mero de casos y la propagaci¨®n a 21 d¨ªas vista. Las conclusiones no son definitivas ni tampoco exentas de cierto margen de error. Prefiere plantearlo como una variable m¨¢s con la que contar durante esta era nueva e incierta. ¡°Queremos ayudar en el proceso de toma de decisiones para que la emergencia sanitaria siga controlada. Gracias a estas conclusiones, los hospitales pueden proveerse de material m¨¦dico con cierta antelaci¨®n¡±, argumenta.

Una de las t¨¦cnicas con las que pretende perfeccionar la capacidad de pron¨®sticos de la inteligencia artificial es la llamada supervisi¨®n. Consiste en entrenar a las m¨¢quinas con datos sin etiquetar, sin que sepan a qu¨¦ se enfrentan. Un ejemplo ser¨ªa introducirle una frase a la que le faltan algunas palabras. El algoritmo trabaja en saber qu¨¦ huecos existen, predecir cu¨¢les son y dotar de un significado a la frase. ¡°Va a ser vital en los pr¨®ximos dos a?os. La covid-19 ha acelerado esta forma de trabajar. En nuestra compa?¨ªa y en Google estamos avanzando a buen ritmo. Tengo claro que puede aplicarse a much¨ªsimos campos, como el de las traducciones autom¨¢ticas¡±.

Precisamente, las traducciones y la contenci¨®n del virus guardan una estrecha relaci¨®n. El culpable se llama procesamiento natural del lenguaje, un ¨¢rea donde el aprendizaje autom¨¢tico avanza a pasos agigantados. LeCun comenta que durante los seis ¨²ltimos meses ha estado implicado en traducir idiomas de los que los recursos son muy limitados. Al avanzar en su conocimiento mediante la supervisi¨®n que mencionaba, en la red social podr¨ªan aparecer textos con recomendaciones de salud p¨²blica o de usuarios pidiendo ayuda y llegar a un n¨²mero mayor de pa¨ªses. ¡°Usamos una tecnolog¨ªa similar para potenciar nuestra funci¨®n Donaciones de sangre, que conecta a los donantes con personas que necesitan sangre¡±, precisa.

• Mayor regulaci¨®n para el reconocimiento facial

La renuncia de IBM y la moratoria de un a?o de Amazon a continuar con la venta y el desarrollo del reconocimiento facial, pese a que durante a?os se han lucrado con ella, genera el aplauso del responsable de Facebook. En el caso de la red social, siempre la ha mantenido dentro de la organizaci¨®n ¡ª ¡°jam¨¢s se la hemos ofrecido a nadie¡±, asegura¡ª, bien sea para controlar el acceso de los trabajadores o sugerir a los usuarios a?os atr¨¢s a qui¨¦n etiquetar en una fotograf¨ªa. ¡°Hay que tener una mayor regulaci¨®n en casi todos los pa¨ªses porque est¨¢ calro que algo no va bien. Europa es diferente. Cuenta con un marco legal correcto, buscando respetar la privacidad¡±.

Con la vista puesta en los pr¨®ximos cinco a?os, el aprendizaje supervisado representa un gran reto, en especial con las im¨¢genes. En su opini¨®n, un ni?o observa dos fotograf¨ªas de un elefante y a la tercera dice que es un elefante. Las m¨¢quinas tienen m¨¢s problemas porque dependen de los datos provistos por los humanos. La aproximaci¨®n de LeCun es algo compleja, basada en aprender por observaci¨®n. Controlan el entrenamiento, pero opta por dar autonom¨ªa a los algoritmos. No le dice si un resultado es correcto o incorrecto, sino que la inteligencia artificial debe juzgarlo por s¨ª misma. Si hace falta, interviene. ¡°Requiere de m¨¢s pruebas y muchos m¨¢s ejemplos, pero tengo claro que es m¨¢s eficiente si queremos sacar el m¨¢ximo partido a la t¨¦cnica¡±, zanja.

Todas las iniciativas en las que trabaja, al menos eso afirma, son en c¨®digo abierto. Es su forma de apoyar la colaboraci¨®n y acelerar al m¨¢ximo posible la tecnolog¨ªa. La comprensi¨®n del lenguaje, la innovaci¨®n en nuevas t¨¦cnicas de aprendizaje y responder a los retos de la covid se han convertido en las prioridades actuales. Obviamente, la red social se beneficia de las mejoras, aunque LeCun insiste en que su mirada va m¨¢s lejos. ¡°La aplicaci¨®n del machine learning en audios y v¨ªdeos todav¨ªa est¨¢ verde. Tenemos que aumentar los paradigmas de aprendizaje, que las m¨¢quinas observen por ellas misma. Salvar este obst¨¢culo har¨¢ progresar como nunca la inteligencia artificial¡±, concluye.