En esta ocasión, invitamos a Frankie Carrero, Director Data & Analytics en VASS para hablarnos 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: Lo dijo alguien que tonto, tonto no era.
Sin embargo, fíjate que ahora tendría que preguntarte qué es el aprendizaje porque entonces nos meteríamos en otro espectro para intentar entender qué es esto de la Inteligencia Artificial.
Si conoces la película 2001 Odisea en el espacio del gran Stanley Kubrick, que salió a la luz en el año 68 hablando de lo que sería el año 2000 y de un súper ordenador en una nave que se llamaba HAL, – que además era como una rebeldía de Stanley Kubrick haciendo un guiño a IBM porque quiso que patrocinase IBM la película,
Y como no llegó a un acuerdo dijo le llamó HAL, que es la justo una letra anterior a las letras de IBM- y veíamos ahí una nave, que era un programa que no solo aprendía sino que casi que sentía y todo, o simulaba que sentía
Y creo que este tipo de cosas han hecho que el pópulo, como pueda ser yo, la gente de la calle terminemos pensando que lo que hay debajo de las inteligencias artificiales, de los grandes buscadores, de las grandes redes sociales.
O de los grandes portales cuando nos dicen que tienen Inteligencia Artificial por debajo que va más allá del algoritmo, pensamos que es un HAL tomando sus decisiones, que es como un ente abstracto, por eso te decía qué es la inteligencia, qué es el proceso de aprendizaje dentro del propio proceso de inteligencia, y qué hay de cierto en que lo que hay debajo de una Inteligencia artificial sea un HAL.
Ayúdanos a entender lo que no es Inteligencia Artificial.
FRANKIE CARRERO: HAL de hecho es algo a lo que todavía no hemos llegado y estamos un poco lejos.
Si quieres para llegar hasta ahí avanzamos primero por otro de los puntos que comentabas, y debajo de un HAL o de cualquier Inteligencia Artificial realmente hay dos tipos de enfoques muy distintos, y los quiero comentar porque creo que también va a desmitificar un poco esa complejidad que a veces percibe la gente, ese poder que le podemos dar a la Inteligencia Artificial.
Normalmente se habla de dos enfoques en Inteligencia artificial, uno el conexionista y otro el simbólico, y sin meterme en muchos “berenjenales”, te puedo decir que el conexionista es el que utiliza mucho las matemáticas, algoritmos matemáticos, muchos números y es lo que estaría por debajo de las redes neuronales o del deep learning, que son términos que a día de hoy se utilizan mucho.
Sin embargo, el enfoque simbólico es el que se utilizó primero en la Inteligencia artificial, -estamos hablando de los años 50 aproximadamente- y es tan simple como que su origen más puro está basado simplemente en reglas que están determinadas por una persona y de hecho se hablaba de sistemas expertos en su momento.
Como ves, por un lado tenemos un enfoque que está basado en la experiencia de las personas para que la máquina haga lo que debería hacer una persona, y por otro lado tenemos una manera de aprender a la que se llama machine learning, si quieres hablando de este enfoque conexionista en la que se aprenden una serie de patrones a partir de una de un montón de ejemplos de entrenamiento, de forma de cuando veas otro ejemplo que se parece pero que no es exactamente igual, seas capaz de resolver ese mismo problema.
Pero ya digo, o hay números y matemáticas, por un lado, o hay unas reglas por otro, y evidentemente esto se complica, pero por tratar de bajarlo mucho a tierra.
– J.E: Que un gran ordenador termine ganándole la partida de ajedrez al Gran Kaspárov, denominamos a eso Inteligencia artificial pero realmente es una computación que ha hecho un aprendizaje de una serie de movimientos y de una serie de probabilidades de que según una serie de movimientos que pueden suceder dentro una partida de ajedrez, la máquina va a ser capaz de generar toda esa todo ese conocimiento y todas esas alternativas de movimientos mucho más rápido que la propia mente del gran Garry Kaspárov.
F.C: Efectivamente, e incluso puede llegar a ser capaz de ver movimientos que el propio Garry no hubiera sido capaz.
De hecho, hay un ejemplo que me gusta incluso más que el caso del ajedrez, que es más reciente que es el ejemplo del Go.
El Go es un juego chino en el que se utilizan piedras blancas y negras, y en Asia es un juego que es más importante casi que el ajedrez, y DeepMind que es esta empresa que compró Google hace unos años y que se dedica a aplicar precisamente enfoques basados en Inteligencia Artificial pues como de Deep Learning o aprendizaje por refuerzo para resolver ciertos problemas, le dedicó mucho tiempo a tratar de que una máquina fuera capaz de ganar a un jugador de Go, – que es más difícil todavía que ganarle a un jugador al ajedrez -.
Y una de las cosas que comentaban cuando por fin la máquina fue capaz de ganar a la persona, es que utilizaba enfoques y estrategias que a ninguna persona se le habían ocurrido hasta ese momento, pero no porque la máquina sea más creativa sino porque como bien decías era capaz de evaluar diferentes alternativas, que a nadie se le habían pasado por la cabeza o que alguien había decidido en un momento determinado que no llevaban a ningún sitio, la máquina sí fue capaz de explorarlas y explotarlas.
