_
_
_
_
Entrevista Regina Barzilay, catedrática de Ciencias de la Computación del MIT

“Las máquinas harán trabajos totalmente de humanos”

Barzilay enseña a los sistemas con inteligencia artificial a reconocer y procesar nuestro lenguaje para que sean capaces de leer y escribir

Beatriz Guillén
Regina Barzilay, catedrática del MIT y experta en procesamiento del lenguaje.
Regina Barzilay, catedrática del MIT y experta en procesamiento del lenguaje. Fundación BBVA

Regina Barzilay (1970, Chisináu, Moldavia) es la mujer que enseña a las máquinas a aprender. Especializada en reconocimiento y procesado de lenguaje natural, lleva casi dos décadas educando a los ordenadores en nuestro 'idioma'. "Intento que una máquina coja un texto, extraiga su información y lo haga útil para los humanos. Pero las máquinas tienen que aprender el lenguaje, porque ellas por sí mismas no saben leer inglés", explica en Madrid, a donde ha venido como jurado de los premios Fronteras del Conocimiento en Tecnologías de la Información y la Comunicación de la Fundación BBVA. Barzilay ya se ha convertido en una referencia en su campo, la lingüística computacional. Actualmente es catedrática, investiga y enseña en uno de los centros más prestigiosos del mundo: el Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos.

Su cometido es crear modelos para que las máquinas aprendan a realizar tareas reales, relacionadas con textos. Ya les ha enseñado a descifrar y traducir lenguas antiguas (como el ugarítico, una lengua empleada en Siria en el 1200 antes de Cristo), a analizar muchos documentos distintos y generar un resumen y a buscar la información que necesitan y no saben. Les ha enseñado a usar Internet. "Es como lo haríamos nosotros: si te mandan una tarea de la que no tienes ni idea, ¿qué haces? Buscar información donde la expliquen. Ellas hacen lo mismo". Además de las aplicaciones educacionales de sus programas, actualmente está centrada en un nuevo campo. Cuando hace dos años le detectaron un cáncer de mama, además de su vida personal, hizo girar también su mundo laboral. Empezó a utilizar a todas las máquinas que ha enseñado, a su favor y al de muchas mujeres. "Hoy en día tenemos mejor tecnología para recomendarte un pintalabios que para ayudarte a prevenir el cáncer de mama. Eso había que cambiarlo".

Pregunta. ¿Por qué decide centrar su investigación en el campo médico?

Estos sistemas son capaces de trasladar miles de informes médicos, con letras de doctores diferentes, a una tabla donde se pueda buscar información

Respuesta. Porque me di cuenta de que en los hospitales hay muchísima información que se registra sobre los pacientes y que no se está utilizando. La mayoría de las decisiones clínicas están basadas en los ensayos clínicos, es decir, en el 3% de población que participan en ellos. Esto significa que toda la experiencia de lo que le pasa al 97% de pacientes no está siendo usada. ¿Cómo trabajaría Amazon si desechara el 97% de los datos? Hoy en día no se pueden hacer ni las cuestiones más simples, como buscar una lista de los pacientes que tengan unas características exactas de tumor. Eso fue verdaderamente molesto para mí porque yo desarrollo muchísimas aplicaciones para empresas y vi que todas las maravillosas técnicas que se han desarrollado en machine learning [aprendizaje automático] y en procesamiento del lenguaje no se estaban utilizando para ayudar a entender cómo se puede prevenir el cáncer o cómo encontrar el tratamiento que mejor se acople a cada paciente. Creo que estamos sentados sobre una mina de oro de datos que no estamos utilizando.

P. ¿Cómo aplica el procesamiento del lenguaje de sus máquinas a esta información?

R. De dos maneras. La primera fue crear un sistema que coge el informe patológico que ha escrito el doctor, donde está recogida toda la información del tumor, lo reconoce y lo escribe en una base de datos, una especia de tabla estructurada, que los ordenadores pueden analizar fácilmente. Así es posible buscar a la gente que tiene el mismo tipo tumor o que presenta altos condicionantes de poder padecerlo. En definitiva, trasladar miles de informes con letras de doctores diferentes a una tabla donde se puede buscar información. La segunda forma está relacionada con la interpretación de las mamografías. Hemos creado sistemas que pueden ver una mamografía y predecir si la paciente se está dirigiendo hacia el cáncer. Esto es gracias a que las máquinas son realmente buenas identificando patrones, por lo que si tú les muestras series de mamografías de cómo han ido evolucionando las pacientes que finalmente han desarrollado cáncer, pueden identificar si esos mismos rasgos se están dando en otra paciente. Algo que para los humanos es increíblemente difícil de hacer, aunque las imágenes sean grandes.

P. ¿Cuántos datos almacenan? ¿Con los que tienen ya se ha conseguido algún resultado?

R. En el primer sistema, tenemos ya 110.000 informes patológicos de tres hospitales con los que colaboramos: el Massachusetts General Hospital, el Instituto de Cáncer Dana-Farber Cancer y el Hospital Newton Wellesley. Sí, hemos conseguido ya algún resultado, especialmente en la detección de condicionantes, poder predecir cuando alguien tiene más papeletas o factores de riesgo para tener cáncer y ver cómo se desarrolla.

P. Otro de sus proyectos ha estado relacionado con la creación de resúmenes. ¿Cómo es de difícil para una máquina generar por sí misma un nuevo texto?

R. En el campo médico es más fácil, porque ellos utilizan un lenguaje muy estándar. Pero en general es muy difícil generar textos largos, lo que la máquina puede hacer bien por el momento es crear frases individuales. Pero por ejemplo un texto creativo y una historia, es imposible. Creo firmemente que el nivel de creatividad de los humanos no puede ser alcanzado por las máquinas ahora mismo. Aunque gracias al desarrollo de las redes neuronales de la inteligencia artificial se están produciendo avances muy excitantes.

Un resto es que las máquinas aprendan a hacer razonamientos

P. ¿Cuáles son los mayores retos a los que se enfrenta en el campo de la inteligencia artificial?

R. Ahora mismo para que un sistema funcione necesita una increíble cantidad de datos, muchísimos ejemplos. Además, puede pasar que le enseñes documentos de un hospital y luego de otro, y ya no pueda utilizarlos ni generalizar porque las estructuras son ligeramente diferentes. Así que creo que uno de los mayores retos es tratar de desarrollar técnicas con las que las máquinas pudieran extraer información de un texto con solo darles un par de reglas y ejemplos. Que ellas solas a partir de ahí se buscaran sus propias fuentes de información. Y otro, también muy importante, es intentar lograr que las máquinas puedan razonar. Es decir, estos sistemas cometen errores, entonces yo puedo solo corregir el error o intentar que la máquina me explique por qué cree que eso es un error. Me gustaría que fuera como a un niño, a un niño tú no solo le corriges el ejemplo, sino que tratas de explicarle porque está equivocado. Pues hacer lo mismo con las máquinas, para que fueran más inteligentes en ese sentido. 

P. Si tuviera que definir cómo de inteligentes son ahora sus máquinas, ¿qué puntuación les daría?

No creo que las máquinas puedan sustituir a los humanos. Serán herramientas de apoyo

R. Eso realmente depende de la tarea que les mandes a hacer. Hay tareas en las que las máquinas ya son más inteligentes que los humanos. Como por ejemplo, en la predicción de factores de riesgos en enfermedades. Además, a diferencia de nosotros, las máquinas realmente pueden volverse mejores cuanto más datos les das. Sin embargo, hay otras tareas para las que no tenemos suficientes datos y, por consiguiente, las máquinas las hacen peor. Lo que nos hace inteligentes a los humanos es que nosotros podemos fácilmente aprender algo y aplicarlo en muchos contextos diferentes. Las máquinas ahora necesitan ser entrenadas en contextos específicos. Pero soy muy optimista de que esto pueda cambiar. Al menos intentaremos cambiarlo desde el MIT.

P. ¿Qué relación entre humanos y máquinas imagina en el futuro?

R. Creo que habrá ciertas áreas donde las máquinas estarán totalmente haciendo trabajos de humanos. Especialmente en tareas mecánicas, ellas serán mejores que nosotros. También en el campo médico, podrán utilizar todos los datos para hacer mejores predicciones. Pero, sin embargo, no creo que las máquinas nos sustituyan. Las veo más que dispositivos de ayuda, que lograrán que los humanos pasen menos tiempo en tareas mecánicas. Será parecido a lo que ocurrió en la revolución industrial.

Tu suscripción se está usando en otro dispositivo

¿Quieres añadir otro usuario a tu suscripción?

Si continúas leyendo en este dispositivo, no se podrá leer en el otro.

¿Por qué estás viendo esto?

Flecha

Tu suscripción se está usando en otro dispositivo y solo puedes acceder a EL PAÍS desde un dispositivo a la vez.

Si quieres compartir tu cuenta, cambia tu suscripción a la modalidad Premium, así podrás añadir otro usuario. Cada uno accederá con su propia cuenta de email, lo que os permitirá personalizar vuestra experiencia en EL PAÍS.

En el caso de no saber quién está usando tu cuenta, te recomendamos cambiar tu contraseña aquí.

Si decides continuar compartiendo tu cuenta, este mensaje se mostrará en tu dispositivo y en el de la otra persona que está usando tu cuenta de forma indefinida, afectando a tu experiencia de lectura. Puedes consultar aquí los términos y condiciones de la suscripción digital.

Sobre la firma

Beatriz Guillén
Reportera de EL PAÍS en México. Cubre temas sociales, con especial atención en derechos humanos, justicia, migración y violencia contra las mujeres. Graduada en Periodismo por la Universidad de Valencia y Máster de Periodismo en EL PAÍS.

Más información

Archivado En

Recomendaciones EL PAÍS
Recomendaciones EL PAÍS
Recomendaciones EL PAÍS
_
_