Los últimos años, se ha creado Inteligencia Artificial capaz de vencer a los humanos en distintas disciplinas, pero ¿pueden ser más en todas?
2015 fue el año del aprendizaje de máquinas o machine learning. Fue un período en que se exploró mucho el fenómeno de la Inteligencia Artificial y sus potencialidades. Fue un año en que comenzó a tener más sentido que nunca su uso comercial, sobre todo por la existencia de una gran variedad de herramientas disponibles de procesamiento y almacenamiento, muchas gratis, lo que permite poner este tipo de tecnología al alcance de todos, ya sea empresas pequeñas o grandes.
Asimismo, hoy existe una gran cantidad de datos disponibles provenientes de las redes sociales y otras fuentes de información, lo que es fundamental para entrenar algoritmos, es decir, máquinas de aprendizaje que deben ser pulidas, al igual que la inteligencia humana.
Desde ese año, ha crecido el mercado de empresas que se dedican a desarrollar algún tipo de Inteligencia Artificial, y EXE es una de ellas.
Cuando se plantea la idea de integrar máquinas inteligentes al día a día de las personas, surge la pregunta de hasta dónde efectivamente pueden llegar. Aparecen imágenes como Terminator o Matrix en la imaginación y alguno que otro miedo por pensar que todo pueda salirse de control como en esas películas. Existen en la actualidad algunos ejemplos de máquinas que han logrado superar a los humanos en algunas disciplinas, pero ¿puede realmente la Inteligencia Artificial ser más potente que la inteligencia humana y superar incluso a la ficción futurista en un plazo cercano?
Para analizar esta temática, se debe poner sobre la mesa una serie de ejes que permiten entender las capacidades y limitaciones de la Inteligencia Artificial:
- Fuerza: ¿qué tan inteligentes es cierta tecnología?
- Amplitud: ¿cómo esta tecnología resuelve un problema (y si es específico o general).
- Entrenamiento: ¿cómo aprende?
- Capacidades: ¿qué tipo de problemas puede resolver?
- Autonomía: ¿requiere de asistencia o es capaz de hacerlo solo?
Bajo estos ejes, es posible determinar el estado del arte en que se encuentra el desarrollo de estas tecnologías y clasificarlas en algo así como etapas evolutivas, que describiremos a continuación.
- Artificial Narrow Intelligence (ANI)
En esta primera etapa es donde se encuentra el grueso de los proyectos de Inteligencia Artificial que se Chile y el mundo. Bajo esta categoría se ubican soluciones tecnológicas que son muy buenas, pero en un ámbito de problemas muy específicos. A esto se refieren los expertos cuando dicen que actualmente la IA es estrecha.
Sin embargo, sus exponentes han sido realmente sorprendentes. Hoy existen programas extremadamente poderosos que han podido vencer desafíos que parecían imposibles. Un ejemplo de esto es la derrota del campeón del mundo de ajedrez, Gary Kasparov, a manos de la supercomputadora Deep Blue (IBM). O bien, el triunfo de Watson, también de IBM, en un concurso de Jeopardy, donde derrotó a los campeones vigentes. Por su parte, Alfa Go de Google, también sorprendió luego de derrotar en más de una ocasión al campeón de Go, Lee Se-Dol.
Estos tres ejemplos son evidencia suficiente para establecer que hoy la fuerza de la Inteligencia Artificial se ha desarrollado de una manera que quizás no se esperaba. Sin embargo, su limitante es su estrechez. Por ejemplo, Deep Blue puede ser imbatible en ajedrez, pero no podrá vencer a ningún contrincante en Jeopardy. Y lo mismo ocurre con las demás. Esto ocurre porque cada una se desarrolla para una labor específica y se la entrena exclusivamente para ello.
Justamente esa estrechez es lo que busca ampliar la siguiente clasificación:
- Artificial General Intelligence (AGI)
Este tipo de desarrollo tiene muchos desafíos para lograr tener la capacidad de hacer cosas que típicamente hacen las personas de manera natural. Se habla de incluir conceptos tan humanos como por ejemplo, la creatividad, sin embargo lo que busca en sentido más estricto es crear sistemas capaces de adaptarse a situaciones que no se esperan y que además de eso incorpore conceptos como justicia e igualdad en su toma de decisiones.
Si bien se trata de un sistema de Artificial Narrow Intelligence, Alfa Go tiene una arquitectura bastante más general, ya que fue generado como un programa de conocimiento básico y fue aprendiendo de muchas jugadas y partidas de Go hasta mejorar en su desempeño en el juego, aunque esto se realizó de manera bastante artesanal.
Por su parte, también existen iniciativas como los Self Driving Cars de Google, los autos que se conducen solos y que presentan una gran complejidad, aunque todavía no son una solución clasificable como AGI. Sí son una muestra de muchas tecnologías que funcionan en conjunto: tienen integrados a su sistema una rama de la IA que tiene que ver con el reconocimiento de patrones, para reaccionar frente a obstáculos y señales de tránsito; además tiene capacidades de razonamiento para lidiar con los imprevistos de la ruta; planificación, para tomar decisiones efectivas en cuanto a la ruta basado en diversas variables; y memoria, para que el programa se retroalimente en torno a las decisiones que ha tomado y pueda ir mejorando.
Sin embargo, una de las cosas que no esperamos de un auto que se conduce solo es poder establecer una conversación con él, algo que parece normal entre seres humanos. Por eso, aunque cuente con varias tecnologías trabajando en conjunto, sigue siendo tecnología de tipo angosta (ANI), pues no puede resolver problemas de inteligencia general.
Hoy la Inteligencia Artificial tiene más foco en tratar de entender qué problemas el cerebro es capaz de resolver, más que imitarlo, al igual como sucedió con los primeros esfuerzos por volar artificialmente. Cuando los hermanos Wright dejaron de imitar a las aves y empezaron a aprender aerodinámica, consiguieron el éxito.
- Súper Inteligencia
Este tipo de IA es el que nos han contado en las películas, pero en la realidad aún es un supuesto. De alguna manera excede las capacidades del cerebro humano, pues podría contar con cualidades como una súper creatividad, súper iniciativa, etc. Sin embargo, no hay una definición clara de su alcance o de su llegada. Hay quienes sitúan su aparición en 50 o 40 años a los más, pero lo que hoy puede decirse es que, por lo menos en el corto plazo, queda una serie de desafíos para resolver.
Uno de ellos es el entrenamiento: La película Real Steal cuenta la historia de un robot boxeador que es entrenado por un humano boxeador. Mediante la imitación, el robot logra aprender la disciplina. Sin embargo, el gran problema a resolver hoy en día es como una máquina puede aprender por sí sola (unsupervised learning). No deja de ser sorprendente que Facebook pueda clasificar una foto, pero para eso fue entrenado con millones de fotos hasta que finalmente lo logró. ¿Podremos hacer que una máquina aprenda sin tener que entregarle un set de datos con respuestas correctas?
Si una máquina sólo se prepara en base a conocimientos y situaciones predecibles, se hace difícil lograr que supere a la inteligencia humana. Una de las formas que se han puesto sobre la mesa es el aprendizaje reforzado, que consiste en entrenar a una máquina para que cuando logra hacer algo correcto, reciba una recompensa. Sin embargo, el estado del arte es que no tenemos algoritmos que aprendan sin supervisión. Lo más cercano son algoritmos semi supervisados o de esfuerzo.
Si quieres interiorizarte más en estos tipos de Inteligencia Artificial, revisa nuestro webinar donde el CEO de EXE, Ubaldo Taladriz, repasa los diferentes esfuerzos en esta área y las proyecciones a mediano y largo plazo.