La inteligencia artificial viable, cada vez más cerca

Usando técnicas de inteligencia artificial inspiradas en las teorías sobre el modo en que el cerebro reconoce los patrones, las empresas de tecnología informan de asombrosos avances en campos tan diversos como la visión computarizada, el reconocimiento del habla y la identificación de nuevas moléculas prometedoras para el diseño de fármacos.

Los avances han provocado un entusiasmo generalizado entre los investigadores que diseñan programas informáticos para realizar actividades humanas como ver, escuchar y pensar. Ofrecen la promesa de máquinas que conversan con los humanos y llevan a cabo tareas como conducir coches y trabajar en fábricas, lo que amplía el abanico de robots automatizados que podrían sustituir a los trabajadores humanos.

La tecnología, llamada aprendizaje profundo, ya se ha puesto en marcha en servicios como Siri, la ayudante personal de Apple, que se basa en el servicio de reconocimiento del habla de Nuance Communications, y en Street View, de Google, que usa la visión automática para identificar direcciones específicas.

Pero lo novedoso es la velocidad y precisión cada vez mayores de los programas de aprendizaje profundo, a menudo llamados redes neurales artificiales o simplemente redes neurales por su parecido con las conexiones neurales del cerebro. “Ha habido muchos nuevos resultados asombrosos con los métodos de aprendizaje profundo”, dice Yann LeCun, informático de la Universidad de Nueva York que llevó a cabo una investigación pionera en el reconocimiento de la escritura manual en los laboratorios Bell.

Quienes investigan la inteligencia artificial son extremadamente conscientes de los peligros de ser demasiado optimistas. Durante mucho tiempo, su disciplina ha sufrido las consecuencias de estallidos de entusiasmo fuera de lugar.

En la década de los sesenta, algunos informáticos creían que en 10 años tendríamos un sistema de inteligencia artificial viable. En los ochenta, una oleada de nuevas empresas comerciales se estrelló, lo que condujo a lo que algunos llamaron el “invierno de la inteligencia artificial”.

Pero los últimos logros han impresionado a un gran número de expertos informáticos de toda índole. En octubre, por ejemplo, un equipo de estudiantes de posgrado que trabajaba con el informático de la Universidad de Toronto Geoffrey E. Hinton ganó el primer premio de un concurso patrocinado por Merck cuyo objetivo era diseñar programas que ayudasen a encontrar moléculas que podrían conducir a nuevos fármacos.

A partir de un conjunto de datos que describía la estructura química de miles de moléculas distintas, utilizaron los programas de aprendizaje profundo para determinar qué molécula tenía más posibilidades de convertirse en un agente farmacológico eficaz.

Los avances en el reconocimiento de patrones tienen consecuencias no solo para el desarrollo de fármacos sino también para toda una serie de usos entre los que se encuentran el marketing y la aplicación de las leyes. Por ejemplo, los comerciantes pueden analizar con una mayor precisión las grandes bases de datos sobre el comportamiento de los consumidores para obtener información más exacta sobre los hábitos de compra. Y es probable que la mejora del reconocimiento facial haga que la tecnología que se aplica a la vigilancia se vuelva más barata y habitual. Las redes neurales artificiales, una idea que se remonta a los cincuenta, intenta imitar la forma en la que el cerebro absorbe la información y aprende de ella. En las últimas décadas, Hinton, de 64 años, ha encabezado el estudio de nuevas técnicas con gran capacidad de ayudar a las redes artificiales a reconocer patrones.

Las redes neurales artificiales modernas están compuestas por un conjunto de componentes informáticos que se dividen en entradas, capas ocultas y salidas. Estos conjuntos pueden ser “entrenados” mediante la exposición repetida al reconocimiento de patrones como imágenes o sonidos. Los sistemas de aprendizaje profundo han superado a los humanos en pruebas de alcance limitado.

Una muestra especialmente audaz del aprendizaje profundo se produjo en una conferencia celebrada en octubre en Tianyín, China, cuando Richard F. Rashid-, científico de alto nivel de Microsoft, dio una conferencia en un auditorio grande y oscuro mientras un programa informático reconocía sus palabras y, simultáneamente, las mostraba en inglés en una gran pantalla situada sobre su cabeza. Luego, en una demostración que provocó un aplauso de admiración, empezó a hacer una pausa después de cada frase y las palabras se fueron traduciendo a caracteres de chino mandarín, acompañados por una simulación de su propia voz en ese idioma, que Rashid nunca ha hablado. La hazaña fue posible, en parte, por las técnicas de aprendizaje profundo que han facilitado que se avance en la precisión del reconocimiento del habla.

Rashid, que supervisa la organización de investigación mundial de Microsoft, admite que, aunque el nuevo programa de reconocimiento del habla de su empresa comete un 30% menos de errores que los modelos anteriores, “todavía dista de ser perfecto”. “En lugar de una palabra incorrecta por cada cuatro o cinco, ahora la tasa de error es de una palabra por cada siete u ocho”, escribe en la página de Microsoft. Aun así, añade que este es “el cambio más espectacular en la precisión” que ha habido desde 1979 y que, “a medida que añadamos nuevos datos al entrenamiento, conseguiremos resultados todavía mejores”.