Cuando la supercomputadora Deep Blue de IBM usó el poder de la ‘inteligencia artificial’ para vencer al Campeón Mundial de ajedrez Gary Kasparov en 1997, el mundo se sorprendió ante el potencial de las máquinas para superar la inteligencia del ser humano.

Dos décadas después, la ‘inteligencia artificial’ ya está presente no sólo en la banca, la Medicina y el manejo autónomo de automóviles, sino en programas más populares como la identificación de personas y la traducción automática de idiomas.

Pero, ¿qué son y cómo están incidiendo en nuestras vidas el ‘aprendizaje profundo’ y la ‘inteligencia artificial’? Augusto Vega, investigador de IBM y José Dorronsoro, experto en computación, nos explican de qué se trata.

Pregunta. ¿Qué significa, en términos simples, el ‘aprendizaje profundo?’.

Augusto Vega responde. El ‘aprendizaje profundo’ es un campo perteneciente a la ‘inteligencia artificial’ cuyo objetivo es crear sistemas de cómputo capaces de ‘aprender’ a partir de la observación y la aplicación, tal y como lo hace el cerebro humano.

En general, los sistemas de ‘inteligencia artificial’ son entrenados de manera similar a como se le enseña a un bebé a reconocer los objetos de su entorno. Por ejemplo, se señala una fruta y se le dice al bebé “esa es una naranja”; o se escucha un ladrido y se le dice “eso es un perro”.

A este tipo de aprendizaje se le llama ‘profundo’ porque funciona como una ‘estructura jerárquica’ que almacena y extrae diferentes niveles de información. Y luego utiliza ese conocimiento para reconocer, mejorar o facilitar algo que sea de nuestro interés.

P. En el campo de la ‘inteligencia artificial’ ¿qué es una ‘estructura jerárquica’ y que similitud tiene una ‘red neuronal artificial’ con las redes neuronales del cerebro humano?

José Dorronsoro responde. Una ‘red neuronal artificial’ es un modelo computacional inspirado en el funcionamiento de las neuronas del cerebro humano.

La ‘jerarquía’ de una ‘red neuronal artificial’ está formada por capas (o niveles) de neuronas, siendo las primeras capas las responsables del reconocimiento de los detalles más simples y específicos, mientras que las últimas capas detectan y reconocen patrones más abstractos, que generan el resultado final. 

Cuando una ‘red neuronal artificial’ está formada por múltiples capas, se la denomina ‘red neuronal profunda’, que es otro término con el que solemos referirnos al ‘aprendizaje profundo’.

Las neuronas de las ‘redes neuronales artificiales’ son eso, artificiales, y su relación con las neuronas del cerebro tiene más de metafórico que de una función similar a la del cerebro humano. Su funcionamiento se basa en hacer una gran cantidad de comparaciones, que finalmente le permiten al sistema artificial llevar a cabo la que le interesa.

¿Puede una máquina aprender sola?
Augusto Vega. En el contexto de la ‘inteligencia artificial’, decir que una máquina ‘aprende sola’, quiere decir que usa técnicas (como el ‘aprendizaje profundo’) que le permiten actuar de manera autónoma, sin necesidad de reglas preestablecidas.

Antes de ser utilizado, un sistema de ‘aprendizaje profundo’ debe ser “entrenado” a partir de una gran cantidad de ejemplos conocidos (mientras más elementos, mejor será el resultado final). Por ejemplo se le “enseñan” imágenes de diferentes automóviles (distintos modelos, colores, tamaños, etcétera) indicándole que todos ellos son vehículos automotores.

Con esos ejemplos, el sistema de ‘aprendizaje profundo’ ajusta sus parámetros internos de manera que, si se le presenta una nueva imagen de un automóvil, el sistema sea capaz de reconocerlo como tal.

Las ‘neuronas artificiales’ siguen instrucciones del tipo, “si pasa esto, haz esto otro”, pero es muy difícil lograr que una máquina aprenda sola. 

José Dorronsoro. En última instancia el aprendizaje neuronal no es algo misterioso. Durante la enseñanza y el aprendizaje se mide de manera constante la diferencia entre la respuesta esperada y la proporcionada por la máquina, de manera que esa diferencia sea cada vez menor. Y el proceso de identificación se detiene cuando la diferencia entre la respuesta y objetivo buscado es suficientemente pequeña como para dar por terminado el razonamiento.

¿Podrían darnos ejemplos de usos comunes de ‘aprendizaje profundo’ que estén aplicándose en la actualidad?
José Dorronsoro. Sí. Entre ellos se encuentran los reconocedores de palabras de los teléfonos móviles, los sistemas de identificación de personas basados en imágenes, los sistemas de traducción automática en diferentes idiomas, el reconocimiento automático de objetos y personas, y el manejo autónomo de automóviles. Todo ello se basa en gran medida en el ‘aprendizaje profundo’. Y todos ellos están en uso en la actualidad.

¿Nos pueden mencionar ejemplos específicos aplicados en América Latina?
Augusto Vega. IBM inició el desarrollo de la ‘inteligencia artificial’ hace más de medio siglo. Hoy, el ‘IBM Watson’ es considerado el sistema de ‘inteligencia artificial’ más desarrollado del mundo, y está siendo aplicado en hospitales, bancos, comercios y entidades educativas de todo Latinoamérica. Y pronto será aplicado a los vehículos sin conductor, donde el ‘aprendizaje profundo’ tendrá un rol clave.

El sistema (el IBM Watson) es utilizado en hospitales y organizaciones sanitarias de todo el mundo. Uno de sus objetivos principales es asesorar a los profesionales de la Medicina en el diagnóstico y tratamiento del cáncer de mama, pulmón, colon y recto.

José Dorronsoro. Otras áreas con gran potencial para el uso de la ‘inteligencia artificial’ en América Latina incluyen el análisis de datos en tiempo récord, y la identificación de tratamientos apropiados, por ejemplo en menos de 10 minutos, comparado con las 160 horas que se requerirían para que un grupo de especialistas analizara los datos de forma manual y llegara a conclusiones sobre la mejor manera de tratar a un paciente.

¿Les preocupa que la inteligencia artificial pueda tener consecuencias negativas?
Augusto Vega. Se habla de la posibilidad de que las máquinas se rebelen un día contra la especie humana, pero ese tipo de cuestiones pertenecen solamente al género de la ciencia ficción.
Los sistemas de ‘inteligencia artificial’ están diseñados para aumentar el potencial de la inteligencia humana, no para reemplazar la inteligencia de los humanos. 

Por ejemplo, se están utilizando para permitirle a los médicos aprovechar las conclusiones de cientos de miles de investigaciones, publicaciones y experiencias anteriores, para hacer mejores diagnósticos.

El riesgo no está en que una ‘inteligencia artificial’ nos tiranice, sino en el mal uso que podamos hacer de tecnologías cada vez más potentes que el uso que se le da a la inteligencia humana en la actualidad.

¿Cuál es el gran avance en este campo que les gustaría ver convertido en realidad en la próxima década?
Augusto Vega. Sin duda, me gustaría ver la implementación y adopción masiva de vehículos sin conductor (self-driving cars) en donde el ‘aprendizaje profundo’ tendrá un rol primordial. 
Solo en Estados Unidos, nueve personas mueren por día y otras mil resultan heridas debido a los accidentes de tránsito. Esas tasas de accidentes, así como el impacto medioambiental del uso de vehículos sin conductor, se verían superadas a niveles inimaginables.

José Dorronsoro. Los vehículos autónomos y la traducción automática de idiomas van a llegar en poco tiempo. Espero que haya también grandes avances en el diagnóstico médico, en propuestas terapéuticas para curar enfermedades e incluso en una mejor comprensión del Universo.

¿Qué le dirían a los jóvenes interesados en especializarse en este campo?
Augusto Vega. En 2020 habrá 1.4 millones de empleos para especialistas en tecnologías de la información, y 1.8 millones de posiciones en ciberseguridad, por mencionar dos ejemplos. La demanda de profesionales en estos campos va en aumento, no sólo en América Latina, sino en todo el mundo.

Aquellas personas que sientan interés por la ‘inteligencia artificial’ y el ‘aprendizaje profundo’, deberían desarrollarse en esas especialidades.

Pero antes, es vital aprender a programar, a conocer diferentes lenguajes de programación y comprender la interacción entre las aplicaciones (software) y el sistema de base (hardware). De otra manera, sería como querer escribir un libro y no saber usar correctamente las palabras.

José Dorronsoro. A los jóvenes de hoy les diría que si les gusta resolver problemas mediante la computación, las matemáticas y la tecnología, las ‘redes profundas’ en particular, y el ‘aprendizaje automático’ en general, son dos campos apasionantes.

Pero si prefieren otra cosa, que se lancen a ella, porque lo importante es hacer algo que no solo nos guste sino que nos apasione. (Alejandra Martins/BBC Mundo)