Si hay dos cosas que triunfan en Internet son el porno y los videos de gatitos.
Como no todo vale para tratar de atraer tu atención, esta vez no voy a encabezar el artículo con nada pornográfico, pero sí que voy a utilizar una foto de gatitos para dar entrada al tema de hoy –que, por cierto, va a ser la Inteligencia Artificial y sus límites en la actualidad, por lo que si eres de los que prefieres a los perros que a los gatos también eres bienvenido (yo soy de gatos, pero…).
Al tema. Observa la foto con atención: si eres un ser humano típico seguramente habrás ladeado un poco la cabeza y una ligera sonrisa habrá acudido a tus labios –los gatitos viven de provocar ternura, es su arma evolutiva de supervivencia– y habrás reconocido claramente seis gatos en la foto. Aunque a muchos niveles esos gatos no se parezcan demasiado unos a otros (diferentes posturas, colores, tamaños…) lo cierto es que para un niño pequeño resulta sencillísimo distinguir un perro de un gato, y cualquier niño de dos años te dice instantáneamente que los seis felinos que encabezan este post son gatitos; ni perros ni tigres ni tostadoras: gatitos.
Eso, que a ti te resulta sencillísimo: identificar las pautas que hacen que estos tiernos seres con bigote pertenecen a una categoría diferente que otros seres con bigote menos tiernos, como Stalin o Hitler, es un problema para las máquinas de tal magnitud que solo muy recientemente se ha podido solucionar y, como veremos posteriormente, aún tiene multitud de lagunas.
No voy a entrar aquí a explicar lo que es una red neuronal, ni lo que es “aprendizaje supervisado” o “análisis de sentimiento” referido a machine learning, solo decir que estos conceptos, que en algunos casos tienen ya unos cuantos años (el concepto de “red neuronal artificial” es de los años cuarenta del siglo pasado), solo muy recientemente han empezado a tener impacto en nuestras vidas; aunque este impacto va a ser cada vez mayor.
Por ejemplo: reconocer imágenes, como en el caso de los gatitos, es un problema que solo tiene solución desde que hace unos pocos años se desarrollaron los algoritmos que permiten entrenar las redes neuronales para resolver este tipo de situaciones (creo que es 2014, pero hablo de memoria y no me apetece buscar la fecha exacta ahora); métodos que también permitieron grandes avances en reconocimiento de voz (más del 20% de las búsquedas en google son por voz ya) y que ayudan a que los coches autónomos estén cerca de ser una realidad.
Andrew Ng es uno de los grandes gurús en machine learning (perdonad los anglicismos, pero es así como se llama) y aunque seguramente no le conocías es una de esas personas que pertenece al selecto grupo que están cambiando tu mundo para siempre, repite algo que se ha convertido en una especie de mantra entre la comunidad de los científicos de datos: “todo lo que un ser humano puede “procesar” en un segundo ya lo puede hacer una máquina” (no dentro de 5 o 10 años…ya).
Observa el matiz: “lo que se puede hacer en menos de un segundo” –como, por ejemplo, distinguir un gato de un perro–, y en esta categoría también se incluyen procesos que se repiten en el tiempo en intervalos de un segundo. Se me viene a la cabeza el caso de un guardia de seguridad, que vigila una cámara: a ese tipo de trabajos le quedan los días contados, ya que vigilar una cámara no es más que una sucesión de acontecimientos de un segundo: no hay ladrón, no hay ladrón, ¡hay ladrón!, suena la alarma…
A los guardas de seguridad que miran cámaras les quedan pocos días de trabajo, pero a otros, ahora intocables, como los pilotos o los médicos, les queda poco más, fundamentalmente porque preferimos que las cosas nos las diga un ser humano, pero también irán cediendo trabajo a las máquinas poco a poco.
Hoy en día la mayor parte del trabajo de un médico (ojo: sé que no se puede generalizar, y que hay ejemplos en contra para aburrir) es escuchar al paciente, encargar una serie de pruebas que, en base a su experiencia, considera que pueden ser relevantes para el diagnóstico, analizar los resultados de estas pruebas (una vez más en base a sus conocimientos y experiencia) y posteriormente emitir un dictamen y proponer un tratamiento (generalmente normalizado en base a ese diagnóstico). ¿De verdad creemos que un médico con una experiencia de unos cuantos años y varios cientos de pacientes a sus espaldas lo va a hacer mejor que una red neuronal entrenada con millones de pruebas, pacientes y diagnósticos? Me apuesto contigo lo que quieras a que dentro de unos años el médico te dirá: “Cortana, recomienda esto o aquello y Siri está de acuerdo”.
Y, si hablamos de otras profesiones, a los abogados, registradores de la propiedad, periodistas y personal administrativo en general les queda aún menos tiempo para justificar su motivo de ser…
Siento ser pesimista con tu puesto de trabajo, pero esto va muy rápido y te recomiendo que te reorientes: hace tres años las máquinas no daban una reconociendo gatitos. Hoy lo hacen muy bien y además ganan al campeón del mundo de Go.
Pd- Motivos para el optimismo de muchos:
En realidad, no veo tan cercano que desaparezcan médicos y pilotos. Nos gusta que nos justifiquen las cosas y los mecanismos basados en redes neuronales (y muchos otros métodos de machine learning) son opacos: nos dan una solución, pero no tenemos ni idea de que ha llevado a la máquina a tomar esa decisión. Muchos preferirán que un ser humano se equivoque dando una justificación a que una máquina acierte sin que pueda explicar por qué.
Otro motivo: aprendizaje adversario, un término fascinante. Se están desarrollando algoritmos para engañar a las máquinas. Te pongo un link a un paper muy interesante, y si buscas en google “sticker tricked” encontrarás cosas muy divertidas: por ejemplo, si colocas al lado de un plátano (algo que la red neuronal reconoce fácilmente) cierta pegatina la máquina pasa a decirte que es una tostadora. Si todavía no ves coches autónomos por las calles es debido a los problemas que puede dar el aprendizaje adversario…
Apreciado Raúl
Yo no se mucho de esas cosas de la IA, expertos sobrados hay, lo que me preocupa es la necesidad imperiosa que hay en todos los ámbitos de reducir el conocimiento a algo parametrizable para que luego pueda venir una IA a hacerlo mejor.
Y si no es parametrizable ese conocimiento no existe.
Porque estoy seguro de que el 95% de los factores por los que un médico decide algo son parametrizables, pero también que en un buen médico eso se puede reducir al 80% y en una mal médico crecer al 98%. Me estoy inventando los números, obviamente, pero me parece que se puede seguir mi razonamiento.
También que hace 20 años los factores parametrizables igual eran el 80% en vez del 95% de media.
Lo que nos dice que en muchas profesiones los elementos de «ayuda» han ido desplazando a «intuiciones» o a saberes que no se sabía de donde venía pero que funcionaban, por que a esos médicos no se les morían los pacientes o encontraban curas donde otros no, sin saber exactamente por que. Tenían un «don». Obviamente se arriesgaban mas, pero cómo no estaban en un sistema tan protocolizado cómo el actual, se podían permitirlo.
Y de esa capacidad de observación, sobre cosas no protocolizadas hubo uno que descubrió por ejemplo la penicilina, etc…
La necesidad de aplicar IA a numerosos procesos no me parece que devenga de la necesidad de encontrar un apoyo externo que ayude en una toma de decisiones o decisión, si no de cribar toda una serie de conocimeintos que nos lleven a una verdad predefinida, donde los mas idotas o menos capaces, puedan hacer menos daño, pero donde los mas geniales no puedan avanzar.
Y si eso es con la medicina ni le cuento lo que puede pasar cuando pasamos a la «seguridad», vease la cosa policial o militar.
La realidad no sólo es muy compleja, es infinita, o cuasi infinita. Y reducir a 1 y 0 la realidad que ve a través de una pantalla de la información que por ejemplo, viene de un Dron, sea en el caso de un soldado que está en una silla de ruedas pero con un joystick, porque las perdió en combate despues de estar 10 de servicio, es completamente diferente de la de una persona que no se ha movido mas 100 km de donde vive (en el cinturón de a Biblia USA) y que necesita también de una silla de ruedas para moverse por el supermercado por que pesa mas de 200kg.
Amen de que tenemos 5 sentidos, las IA solo pueden manejar 2, vista y oido, tacto muy regularmente, y olfato y gusto .. para estos tenemos los horribes programas de Master Chef, diseñados sin duda por una IA que mide audiencias muy bien pero que no sabe nada de cocina.
Lo que me preocupa de la IA es que es muy cara, y la necesidad de estandarizar procesos para amortizarla nos va a llevar a errores fatales por el camino. Errores que ni siquiera nos daremos cuenta de que se están cometiendo porque sólo un observador fuera de esa IA, y con los arrestos y capacidad (que se irá perdiendo porque la enseñanza se delegará e IA) suficientes para decirlos.
La falta de creatividad creciente que se puede observar en las sociedades mas «adelantadas» cada vez mas dependientes de decisones que toman nuestras IA de 2ªB, es preocupante. Y la incapacidad de esas sociedades en reconocer ese problema porque dependen de que una IA se lo diga, lo empeora.
Un muy cordial y recuerdos a sus gatos, gatas
PS A mi cada vez que mi esposa me preguntaba algo le decía, y Siri que dice al respecto, pero por el riesgo de divorcio que me suponía, acompañado posiblemente del cargo de maltrato psicológico (no se si a mi esposa o Siri, y no se que caso sería peor), lo dejé.