Tres preguntas sobre la inteligencia artificial

1. ¿Qué es la inteligencia artificial?

Objeto de múltiples fantasías y esperanzas, la inteligencia artificial (IA) despierta tanta fascinación como inquietud. Una parte de las representaciones a las que la asociamos, como la imagen de un mundo dirigido por robots donde estos nos acaben sustituyendo porque impidan que los desenchufemos, está muy alejada de la realidad. Pero entonces, ¿qué es la IA?

No existe una definición simple aceptada por todo el mundo. “Es una disciplina científica nacida en la década de 1950 que tiene como objetivo simular las diferentes funciones cognitivas, con el objetivo de reproducir una forma de inteligencia”, precisa Jean-Gabriel Ganascia, profesor de informática en la facultad de ciencias de La Sorbona. “En un sentido etimológico, la inteligencia artificial es, de hecho, un artificio, es decir, un arte consumado que se engaña a sí mismo, al producir señuelos precisamente para engañarnos, al hacer creer que las máquinas son efectivamente inteligentes”, escribe este académico en su obra sobre el tema Intelligence artificielle. Vers une domination programmée?  

Conversar con un 'chatbot'

De forma esquemática, podemos decir que la obra de cualquier máquina que parezca inteligente puede entrar en el radio de alcance de la IA. No hay una clara frontera que delimite esta tecnología.

Sin embargo, se han desarrollado una serie de aplicaciones en el campo de la IA a partir de diferentes técnicas de investigación, ya sean las matemáticas o la informática. Entre ellas, podemos mencionar el reconocimiento facial, el chatbot (o un asistente que conversa con los usuarios) o los diagnósticos médicos por imagen.

Un algoritmo es una serie de órdenes que se dan a un programa para que las ejecute

Hay quien prevé una IA que llegue a desarrollar un tipo de consciencia

No se trata ni más ni menos que de reproducir, mediante un programa de software, algunas de nuestras capacidades mentales, como el razonamiento, la comprensión de textos y la percepción de formas o de imágenes. 

Más concretamente, las distintas soluciones de IA tienen en el corazón de su funcionamiento los algoritmos, que son un conjunto de órdenes, una serie de acciones que se ordena al programa para que este lo ejecute.

Aprendizaje automático

Una de las características de la IA es la capacidad de aprendizaje automático. Los informáticos entrenan al programa con datos para que  se vaya mejorando a sí mismo, de modo que consiga efectuar cada vez mejor la función que se le haya encomendado. 

La primera vez que se le presentan unos datos, su respuesta es inmediata. Esta verificación la puede realizar bien un ser humano o bien el propio programa, cuando compara el resultado de sus cálculos con la respuesta esperada por los programadores. Después, a medida que se le van proporcionando miles, y después millones, de datos suplementarios, el programa va siendo capaz de modificar sus propios parámetros y la ponderación ante cada una de sus funciones, para que la respuesta se vaya afinando y se ajuste al resultado esperado.

Por ejemplo, si queremos crear una solución de IA para diferenciar un gato de un perro, harán falta varios millones de fotografías de felinos y de canes para entrenar al algoritmo, y que este aprenda a partir de dichas imágenes cuáles son las características visuales que le permiten reconocer un minino (con bigotes, con orejas en la parte superior de la cabeza, etc.) Es lo que denominamos machine learning, o aprendizaje automático. 

Este ejemplo es una solución de inteligencia artificial relativamente simple. La existencia de bases de datos enormes, compuestas de varios miles de millones de ejemplos, es lo que se ha bautizado como big data o macrodatos, y permite ir mucho más lejos en múltiples campos. Gracias a algoritmos más complejos, se puede conseguir un aprendizaje denominado “profundo”, o deep learning. La complejidad algorítmica puede, además, desembocar en una solución de IA cuya respuesta sea correcta, pero sin que los expertos que hayan programado el software comprendan cómo  lo ha conseguido el programa. 

Ilustración: Andrea Bosch

A partir de diferentes técnicas, la industria desarrolla soluciones diversas de IA, que pueden clasificarse en diversos campos de aplicación: el que analiza y se ocupa de tratar los datos (para realizar previsiones en la gestión de redes de energía o de agua, por ejemplo), de la visión por ordenador (para desarrollar el coche autónomo o el reconocimiento facial) o, incluso, el tratamiento automático del lenguaje (con asistentes vocales tales como Google Home o Alexa, o bien de traducción).

La IA reproduce el mundo y sus sesgos sexistas o racistas como le son presentados

Todas estas tecnologías se apoyan en algoritmos, que no son más que cálculos importantes que se realizan en un tiempo muy reducido, gracias a una fórmula matemática compleja. Pero las soluciones de IA no se llaman “inteligentes”  más que cuando se aplican a una función precisa y bien delimitada. No le pidamos a una solución programada para reconocer una señal de stop en la calle que resuma la historia de un libro.
 

2. La IA… ¿para cuándo?

¡Para ayer!

Desde hace varios años, muchas personas que utilizan teléfonos inteligentes desbloquean su móvil con la huella digital y la mayor parte de mensajes electrónicos recurren a la inteligencia artificial (IA) para seleccionar el correo no deseado o spam. Estas tecnologías ya han empezado a desplegarse, mientras se les suman otras nuevas, o las reemplazan. Se espera que, en los próximos años y décadas, se difundan otras más de forma masiva.

Algunos acontecimientos que han marcado a la opinión pública muestran el alcance de los progresos realizados. Así, en 1997, un programa de IA llamado Deep Blue, desarrollado por IBM, batió al campeón mundial de ajedrez Gari Kasparov. El programa era capaz de calcular la oportunidad de 200 millones de movimientos por segundo, lo que permitía identificar cuáles eran los mejores, e ir reajustando así la partida. 

En 2016, un programa de IA desarrollado por la filial de Google DeepMind venció al coreano Lee Sedol, uno de los mejores jugadores de Go del mundo. En 20 años, los avances han sido espectaculares, pues las posibilidades de prever en este juego son infinitamente mayores que las que existen en el ajedrez. El número de combinaciones posibles en el Go se escriben con más de un centenar de ceros (se estiman en 10.170). El programa de Google fue desarrollado gracias a la técnica del deep learning o aprendizaje profundo, tras haber sido entrenado con ayuda de datos que reanudaban una considerable cantidad de partidas.

Internet de las cosas

Existen, pues, diversas edades de la inteligencia artificial. Actualmente nos encontramos en la que permite el desarrollo rápido de los macrodatos, con masas gigantescas de datos que generan nuestras interacciones digitales. 

El desarrollo del Internet de las cosas (conexión entre sí de vehículos, relojes, frigoríficos, gafas, etc.) y la cantidad ingente de datos que esta generará podrían llevar la IA al siguiente estadio. Hay quien incluso prevé la llegada de una IA fuerte, en la que las máquinas desarrollarían alguna forma de consciencia, por oposición a una IA débil, la que existe hoy, y que se contenta con resolver problemas en un marco delimitado.

Este panorama despierta muchas pasiones, pero, por el momento, continúa siendo solo objeto de investigación entre algunos sectores científicos, o una promesa para algunos de ellos. “La idea de que una máquina vaya a ganar autonomía sobre sí misma es absurda con las tecnologías como las que existen hoy”, considera Jean-Gabriel Ganascia.
 

3. ¿Hay que protegerse de la IA?

Para ser justos, no habría que hablar de inteligencia artificial, sino de inteligencias artificiales, ya que las técnicas en el campo de la IA pueden tener aplicaciones muy diversas: desde el diagnóstico médico por ordenador hasta el reconocimiento facial, que entraña usos potencialmente liberticidas. Cada solución de IA debe ser analizada por separado.

“En la actualidad, se trata sobre todo de tecnologías de clasificación y de vigilancia. Como es lógico, uno de los primeros mercados está siendo el de la vigilancia policial, estatal y militar”, señala Irénée Régnauld, investigador asociado de la Universidad de Tecnología de Compiègne.

“La IA puede resultar útil en muchas circunstancias, pero hay que tener presente que, tras cada tecnología hay una ideología, y que no es neutral", prosigue el autor de Technologies partout, démocratie nulle part, [que viene a significar que las tecnologías están por todas partes y la democracia, en ninguna].

Sesgos que corregir

China utiliza, por ejemplo, una solución de reconocimiento facial para identificar a la población de la minoría uigur entre una multitud en las imágenes de videovigilancia. Más allá de este ejemplo de uso racista de la IA, se la acusa de forma recurrente de discriminación: bien sea un algoritmo de gestión de candidaturas para trabajar en Amazon que privilegie a los hombres y discrimine a las mujeres o la aplicación FaceApp que, mientras envejece el rostro, al mismo tiempo lo blanquea. 

Este tipo de discriminaciones, prueba de sexismo o de racismo, son frecuentes en las soluciones de inteligencia artificial. Y su principal explicación radica en la calidad, la categorización y la representatividad de los datos que se usan para entrenar a los programas. 

La IA reproduce el mundo como le es presentado al programa. Si un software de gestión de candidaturas es entrenado con datos que reflejan una distribución del trabajo sexista, reproducirá dichas desigualdades. Y, del mismo modo, la razón por la que los softwares de reconocimiento facial cometen más errores con mujeres y con personas de raza negra es el hecho de que son entrenados de forma mayoritaria con imágenes de hombres blancos.

Ilustración: Andrea Bosch

El desafío de corregir tal sesgo en las bases de datos es mayor. Pero en general, el big data incurre en este tipo de sesgo, porque lo que capta no se corresponde con la realidad integral ni con el conjunto de posibilidades existentes”, resume Ganascia. “La esencia de los macrodatos es tomar todos los datos disponibles y tratarlos sin preguntarse sobre su naturaleza ni sobre el modo en que han sido recabados”, reflexiona Patrick Waelbroeck, economista en Telecom ParisTech. 

El conjunto de nuestras interacciones digitales es fuente de una gran cantidad de datos (geolocalización, historial de búsquedas, compras, visionado de vídeos, conversaciones, etc.), pero nos dice poco sobre las condiciones en que esos datos han sido obtenidos y sobre las posibles y numerosas variables que están ausentes del análisis. 

La cuestión de los próximos años (y décadas) será, pues, saber qué tipo de servicios delegamos (o no) a soluciones de inteligencia artificial, considerando el modo en que han sido concebidas, entrenadas y con qué objetivos.