Estás usando una versión más antigua del explorador. Usa una versión compatible para obtener la mejor experiencia en MSN.

Inteligencia Artificial para Dummies

Logotipo de El Mundo El Mundo 25/09/2017 FABIO ARENAS

Muy poca gente conoce a Astro Teller. Físicamente se podría decir que es el hermano menor, más delgado y con menos alopecia, de Paul Giamatti (Cinderella Man, El Ilusionista, 12 años de esclavitud...) y en cuanto a su nombre, parece de personaje de cómic. Y secundario.

Pero Astro Teller es ni más ni menos que el director de los laboratorios X, de Google, desde 2010. Allí se crearon las Google Glass, nació el coche autónomo y se está gestando Project Loon, para llevar Internet a todo el planeta. ¿Por qué interesa Teller? Porque es quien ha dado probablemente la definición más comprensible de lo que es la Inteligencia Artificial (IA): "La ciencia que estudia cómo hacer que las máquinas hagan lo que hacen en las películas".

Desde HAL 9000 de 2001: Una odisea del espacio, pasando por R2 D2 y C3PO de la Guerra de las Galaxias, hasta los robots de Terminator o todos los personajes de Transformers (algunos dicen que incluso Megan Fox), todas eran máquinas inteligentes capaces de interactuar con los humanos y a veces hasta sobrepasar nuestra capacidad de razonamiento.

Desde 1956, cuando por primera vez se mencionó esta expresión (lo hizo John McCarthy, un experto en ciencias de la computación), la inteligencia artificial ha avanzado mucho. 

Fundamentalmente la IA es la tarea que lleva a cabo todo sistema que tenga un microchip. Hasta una calculadora que suma 2 + 2, podría ser inteligencia artificial. Sin embargo, no la consideramos como tal por lo que se conoce como el efecto AI: cuando sabemos cómo una máquina hace una tarea, dejamos de considerarla inteligente.

De este modo podríamos establecer diferentes categorías de IA. Y cada experto crea su propia escala: Inteligencia artificial general, super, fuerte, débil...

En la reciente Feria Tecnológica de Berlín (IFA) hemos visto lavadoras que doblan la ropa, neveras que se acercan a la mesa obedeciendo a órdenes (ambas de Panasonic) y el primer microchip para smartphone con inteligencia artificial, Kirin 970, desarrollado por Huawei. ¿En qué categoría de IA entran cada uno de estos avances? 

Para hacerlo más comprensible estableceremos las siguientes categorías:

IA unidimensional: aquella que trabaja a partir de una única serie de instrucciones fijas. Algunos ejemplos son las calculadoras, la cocinas inteligentes (léase Thermomix), Google translator, los programas de ajedrez o los motores de búsqueda de internet.

IA bidimensional: son los sistemas que dependen directamente de preguntas/respuestas enviadas a la nube (servidor) y a partir de aquí se da respuesta a la petición del usuario.  Entre los ejemplos se encuentra Watson (el ordenador de IBM que venció en un juego de preguntas y respuestas a seres humanos), los asistentes de voz, como Siri, Cortana, Alexa o Bixby y el programa informático que recientemente venció a un experto en el juego de Go al ser capaz de conjugar las reglas del juego, mucho más numerosas que las del ajedrez, con el aprendizaje de nuevos movimientos.

IA multidimensional: Es el ejemplo más avanzado. No solo aprende por sí mismo, también es capaz de establecer vínculos a partir de información que aparentemente no está relacionada con el objeto de estudio. Los coches autónomos, que reciben información de GPS, acelerómetros, cámaras y otros vehículos y anticipan movimientos son el ejemplo más básico. Pero hay otros más avanzados, como Eureqa. Unos años atrás, Hod Lipson, profesor de la Universidad de Cornell, creó un programa informático que al recibir cualquier tipo de información científica, logra identificar la ley que lo sustenta. Para demostrar de lo que es capaz Eureqa (un nombre muy acertado), el equipo de Lipson le suministró los datos de un péndulo en movimiento. En poco tiempo, apenas tres horas, Eureqa dedujo la segunda ley de movimiento de Newton, algo que al inglés le tomó años. El primer paso de este programa es buscar datos (números, ecuaciones, comportamientos...) que de algún modo puedan estar conectados y luego propone modelos para explicar esas relaciones. Lo sorprendente es que Eureqa  también puede subir al siguiente escalón: no solo aprende, también enseña. Gurol Suel, microbiólogo de la Universidad de Texas, se sirvió de este programa para descubrir el comportamiento de una bacteria. Pero los resultados eran tan complejos que nadie los entendía. Suel se los dio a Eureqa y ella misma fue quien se los explicó.

Una de las ventajas que el microchip Kirin 970, que Huawei incorporará en su próximo smartphone, el Mate 10, es que al encontrarse "Built-in" en el propio Chipset, esto nos otorga más velocidad de interacción, ya que no debe preguntar y esperar respuesta de la nube, así como no compromete nuestra privacidad, porque es un sistema interno "opaco" que no depende de servidores.

Asimismo, tiene el potencial para estar más cerca de Eureqa que de los coches autónomos. Por varias razones. Mientras los vehículos inteligentes analizan la información y toman decisiones (muy básicas) a partir de los datos, Eureqa y Kirin 970 también nos estudian a nosotros como usuarios y unen esa información a los datos obtenidos para crear un entorno más personalizado y responder preguntas más complejas, principalmente aquellas que no se encuentran en la red y precisan de deducciones lógicas.

¿A qué se debe entonces la creciente fama de la IA? A que las máquinas han comenzado a aprender. Sin necesidad de intervención humana. Y lo hacen cada vez más rápido y mejor.

En IFA, Martin Boerner, el vicepresidente de la Industria de Tecnologías de la Información, afirmó, refiriéndose a la IA que "esta tecnología está a punto de jugar un papel fundamental en nuestras vidas. La pregunta principal para los fabricantes es qué solución técnica la convertirá en algo tan intuitivo como sea posible". 

Lo que Boerner plantea es sencillo: cada vez tenemos más poder en nuestras manos, pero ¿sabemos usarlo? ¿Le sacamos todo el partido posible?

¿Cómo aprenden las máquinas?

Lo hacen básicamente de dos modos. El primero basado en reglas. Las máquinas reciben una serie de instrucciones vinculadas a un tema y las aplican para resolverlo. Una y otra vez de modo repetitivo. Pueden existir diversos grados de sofisticación que van desde la mencionada calculadora hasta Deep Blue, cuando venció a Gary Kasparov al ajedrez en 1996. Pero el sistema siempre se basa en recetas que pueden ser más o menos complejas.

El otro tipo de aprendizaje, el que más avances está produciendo, es el que podríamos llamar de observación. Las máquinas analizan datos, encuentran patrones, los vinculan y aprenden de ellos. Un ejemplo es DeepMind, el ordenador que aprendió a jugar videojuegos analizando partidas y ha batido todos los récords de juegos clásicos de Atari. El problema es que este último sistema de aprendizaje toma más tiempo, ya que siempre se empieza desde cero.

El futuro de la IA

© Proporcionado por elmundo.es

Este último método de aprendizaje se sirve de una tecnología conocida como algoritmos genéticos (AG). Los algoritmos son, a la tecnología, lo que las recetas a la cocina: instrucciones que llevan de A hasta B y de B a C. La ventaja de los algoritmos genéticos es que evolucionan, como si conocieran a Darwin y su teoría. Al igual que en la naturaleza, los AG cambian para sobrevivir y esto solo lo consiguen los más aptos (los más acertados en este caso). Los que no llegan a una solución adecuada se borran y los que "aciertan" se reproducen para ser mejores.

Un ejemplo

A finales de agosto, un grupo de expertos del Imperial College de Londres, liderados por Simon Schultz, desarrolló un robot y un programa informático que permiten realizar la técnica de fijación de membranas (WCR por sus siglas en inglés). Esta es una herramienta fundamental para estudiar el comportamiento de las neuronas bajo diversos estados del cerebro tales como tensión o aprendizaje. Básicamente esto se consigue observando la actividad eléctrica de neuronas individuales en un cerebro vivo para construir el cuadro completo de este órgano. Su uso es fundamental para comprender trastornos como el Alzheimer. Obviamente es una técnica muy compleja: estudiar neuronas a nivel individual en un cerebro vivo no es fácil. Pero un robot lo hace, siguiendo unas reglas complejas, pero fijas (primer sistema de aprendizaje).

El siguiente paso es llevar este sistema un paso más allá, hacia el aprendizaje por observación: gracias a ello ya no solo analizará las neuronas a nivel individual, también podrá establecer relaciones entre las conexiones, las consecuencias de las mismas y sus posibles aplicaciones.

¿Nos llevará esto a máquinas conscientes?

No. Al menos no en las próximas décadas. La IA puede saber qué cosas faltan en una nevera y enviarnos una lista al móvil. Puede hasta sugerirnos el supermercado más cercano y el más económico, teniendo en cuenta nuestra ubicación. Pero, por ahora, no encenderá la tele o pondrá videojuegos porque tardamos en llegar. 

Fabio Arenas es product marketing manager de Huawei Consumer Business Group Spain.

Leer

Gestión anuncios
Gestión anuncios

Más de El Mundo

image beaconimage beaconimage beacon