En esta ocasión, invitamos a Frankie Carrero, Director Data & Analytics en VASS para hablarmos sobre la verdad a medias de la Inteligencia Artificial.
Basado en el contenido adicional del libro https://www.LaGranBurbuja.com, a través de conversaciones que su autor mantiene con expertos en temáticas afines, en mayor o menor medida con el ecosistema del marketing online.
– JAVIER ECHALEKU: ¿Y eso no es un poco trampa?, quiero decir que una máquina que tiene en su computación, por su capacidad de manejar números, más información en tiempo real que la que una mente humana pueda tener, le atribuye las propiedades creativas o las propiedades de intuición que el jugador del juego que has planteado o el ajedrez pueda llegar a tener cuando está jugando cara a cara con otro con las mismas reglas.
Entonces es como un poco hacer trampa, es decir, me sé todos los movimientos que se pueden hacer y siempre voy a ganar, y realmente inteligente no tiene pinta de que sea.
– FRANKIE CARRERO: No lo sabes todo. El número de movimientos es tan grande que estamos hablando de yo qué sé, lo han tratado de asimilar un poco a cuántos átomos habría en el universo.
Es imposible llegar a saber cuáles son todos los posibles movimientos, pero lo que sí hace muy bien es ver en función del estado en el que se encuentra la jugada en ese momento, por dónde puede ir el adversario y tratar de adaptarse a eso.
Lo cual ya corta una rama muy grande y, requiere una capacidad de cómputo muy grande también.
Si es trampa o no es trampa, depende si me dices que la máquina va a ser la campeona del mundo y le vas a dar el premio a la máquina como campeona del mundo pues no tiene mucho sentido.
Es como tener un robot que juega al fútbol, si algún día tenemos un robot que juegue mejor al fútbol que un humano, qué vas a hacer competiciones de futbolistas que sean solo robots, solo humanos, los vas a mezclar, hay que tratar de diferenciarlo un poco.
Sí que es cierto que abre un campo bastante interesante y más que ser capaz de ganar al Go e incluso esos mismos algoritmos se han aplicado para ganar a otros videojuegos, – juegos de mesa y también videojuegos – al final lo que estás haciendo es evolucionar la tecnología y, una serie de algoritmos que te van a ayudar a solucionar problemas más mundanos, que los han aplicado por ejemplo para temas de síntesis de proteínas, lo cual nos acerca ya a un uso que realmente sí que a nosotros nos aporta mucho como raza incluso, o lo puedes llevar a temas de planificación, que son problemas muy difíciles de solucionar en general y por parte de la Inteligencia artificial también.
Entonces son un juego, un paso previo para algo todavía mucho más grande y luego siguiendo con la parte de la capacidad de cómputo, quizás donde veamos el gran salto será con la computación cuántica porque ahí sí que vamos a tener ordenadores que a día de hoy no podemos ni llegar a soñar, no solamente con velocidades sino porque van a tener capacidad de solucionar problemas que a día de hoy no se puede solucionar con algoritmos.
Vamos a llegar un punto en el que ahora mismo sí que es ciencia ficción, pero como decía Arthur C. Clarke, cualquier tecnología que sea lo suficientemente avanzada es indistinguible de la magia.
En este caso nos puede parecer magia, pero llegaremos a ella en algún momento porque se abre un mundo todavía mucho más grande hacia esas “trampas” o esa ventaja que como humanos podamos sacar del buen uso de la Inteligencia Artificial, que por supuesto lo hay.
– J.E: Antes de profundizar un poco en terminología que creo que es importante que nos ayudes a diferenciar entre Deep Learning, Machine Learning, redes neuronales, computación cuántica, tengo una curiosidad.
Sabes que Einstein, que es uno de los grandes cerebros que has mencionado hace un rato llegó a ciertas conclusiones sentado en una mesa pensando en cómo sería una estación de tren y un tren y, aplicando la creatividad y una intuición.
Y lógicamente sus neuronas tenían que ser un proceso de números brutal aunque realmente no era matemático y, no supo trasladar su intuición luego a la parte matemática tuvo que ser ayudado por algún colega suyo para terminar de crear la fórmula de la teoría de la relatividad e incluso una vez que la lanzó y empezó a hablar de ella, la modificó varias veces porque no terminaba de estar muy conforme incluso con sus propios pensamientos.
Un ordenador, una Inteligencia artificial ¿puede llegar a esa conclusión de que el universo no se mueve como nos han contado? sino que hay una distorsión espacio-tiempo que hace que la gravedad no sea lo que nos han contado desde la época de Newton, y que sea otra cosa totalmente diferente.
Eso para mí es inteligencia, esa mezcla entre intuición, esa creatividad, ese poder del pensamiento, que una máquina, ¿puede llegar a hacer esto, o no?
– F.C: Está bien que saques la palabra intuición porque es una palabra que a veces da que pensar qué es la intuición desde el punto de vista de la inteligencia, y hasta qué punto es una inteligencia escondida, ya que a veces haces algo por intuición sin saber muy bien por qué has tomado una decisión, pero detrás hay un montón de experiencias, de conocimiento que es la que realmente te lleva a tomar esa decisión.
Eso en el caso de las máquinas también es un tema abierto, ya que en Inteligencia artificial hay algoritmos que te permiten explicar el por qué tomas una decisión, – se llaman cajas negras y sería casi esa especie de intuición de algo aprendido – pero nos ponemos en la idea de que esa intuición básicamente es ese conocimiento que no sabes explicar, que tienes ahí.
Lo que me estabas contando me trae a la cabeza también la idea de lo que son los diferentes niveles de Inteligencia artificial, dónde estamos y, hasta dónde pensamos que podríamos llegar y respondo a la pregunta que me has lanzado.
Te he hablado de la Inteligencia Artificial clásica, que son las reglas que alguien ha diseñado manualmente, un sistema experto y es una Inteligencia artificial que no aprende, tú le das las reglas y la Inteligencia artificial las aplica para casos que conoce, y si le llega un caso que no conoce te va a dar un resultado que no tiene sentido, o simplemente no te va a dar un resultado.
El siguiente es lo que llamamos Inteligencia Artificial débil, que es en la que estamos ahora con todo esto del Machine Learning y que básicamente lo que hace es aprender correlaciones.
Hay más cosas, pero si lo simplificamos mucho son modelos matemáticos que aprenden correlaciones para un solo propósito.
Una Inteligencia Artificial te puede servir para reconocer un objeto en una imagen, pero ese mismo modelo, ésa misma inteligencia no te puede ayudar a analizar una frase porque son inputs completamente distintos para problemas completamente distintos, o también incluso dentro de un mismo tipo de input, una Inteligencia Artificial te puede permitir reconocer perros en una imagen, pero no te puede permitir reconocer coches.
Aunque están entrenados para cosas bastante específicas esto se va a generalizando, pero todavía estamos en este punto de la Inteligencia Artificial débil porque nos enfrentamos a un solo propósito, no son modelos que puedan aprender de otros tipos de problemas como hacemos nosotros y no conoce sobre todo las relaciones causa- efecto.
No entiende las cosas, es decir, a día de hoy cuando una máquina interpreta lo que tú le dices, realmente no te está entendiendo.
Se pueden sacar datos de forma estadística de lo que pasa ahí para luego tomar decisiones o replicarlo, o lo que sea, pero GPT- 3, – que no sé si lo conoces y supongo que luego hablaremos de ello porque se está utilizando para temas de marketing a día de hoy- básicamente es un modelo que permite generar textos en lenguaje natural simulando como lo escribiría un humano y lo hace muy bien, pero no entiende lo que está escribiendo.
