El futuro no lo construirán únicamente los seres humanos ni las máquinas, sino ambos trabajando juntos. Las tecnologías inspiradas en el funcionamiento del cerebro humano ya están ampliando las capacidades de las personas y adquirirán aún más influencia a medida que la sociedad se acostumbre a estas máquinas cada vez más capaces.
Los optimistas tecnológicos han imaginado un mundo con una creciente productividad humana y calidad de vida a medida que los sistemas de inteligencia artificial se ocupan de las tareas tediosas y administrativas de la vida, en beneficio de todos. Los pesimistas, por otro lado, han advertido que estos avances podrían tener un alto costo en forma de pérdida de empleos y vidas alteradas. Y quienes siembran el miedo temen que, con el tiempo, la IA pueda volver obsoletos a los seres humanos.
Sin embargo, a las personas no se nos da muy bien imaginar el futuro. Es poco probable que se materialice una utopía o un apocalipsis. En mi nuevo libro, «La revolución del aprendizaje profundo», me propuse explicar el pasado, el presente y el futuro de esta área de la ciencia y la tecnología, en rápido crecimiento. Mi conclusión es que la IA te hará más inteligente, pero de maneras que te sorprenderán.
Reconocer patrones
El aprendizaje profundo es la rama de la IA que más ha avanzado en la resolución de problemas complejos como identificar objetos en imágenes, reconocer el habla de varios interlocutores y procesar textos tal como las personas los dicen o escriben. El aprendizaje profundo también ha demostrado ser útil para identificar patrones en los conjuntos de datos cada vez más grandes que generan los sensores, los dispositivos médicos y los instrumentos científicos.
El objetivo de este enfoque es encontrar maneras de que una computadora represente la complejidad del mundo y generalice a partir de experiencias previas, incluso si lo que sucede a continuación no es exactamente igual a lo que ocurrió antes. Así como una persona puede reconocer que un animal específico que nunca había visto es, de hecho, un gato, los algoritmos de aprendizaje profundo pueden identificar aspectos de lo que podría llamarse «la esencia gatuna» y extraer esos atributos de nuevas imágenes de gatos.
Los métodos de aprendizaje profundo se basan en los mismos principios que rigen el cerebro humano. Por ejemplo, el cerebro procesa al mismo tiempo muchos datos de distintos tipos en numerosas unidades de procesamiento. Las neuronas tienen muchas conexiones entre sí, y esos vínculos se fortalecen o debilitan según la frecuencia con que se usan, estableciendo asociaciones entre los estímulos sensoriales y los resultados conceptuales.
La red de aprendizaje profundo más exitosa se basa en investigaciones de la década de 1960 sobre la arquitectura de la corteza visual, una parte del cerebro que usamos para ver, y en algoritmos de aprendizaje inventados en la década de 1980. En aquel entonces, las computadoras aún no eran lo bastante rápidas para resolver problemas del mundo real. Ahora sí lo son.
Además, las redes de aprendizaje se han apilado unas sobre otras, creando entramados de conexiones que se parecen más a la jerarquía de capas de la corteza visual. Esto forma parte de una convergencia que se está produciendo entre la inteligencia artificial y la biológica.
El aprendizaje profundo en la vida real
El aprendizaje profundo ya está ampliando las capacidades humanas. Si usas los servicios de Google para buscar en la web o sus aplicaciones para traducir de un idioma a otro o convertir el habla en texto, la tecnología te ha hecho más inteligente o más eficaz. Hace poco, durante un viaje a China, un amigo habló en inglés a su teléfono Android, que tradujo sus palabras al chino hablado para un taxista, como el traductor universal de «Star Trek».
Una prueba de un dispositivo de traducción en tiempo real.
Estos y muchos otros sistemas ya están en funcionamiento y te ayudan en tu vida cotidiana, aunque no te des cuenta. Por ejemplo, el aprendizaje profundo empieza a hacerse cargo de la lectura de radiografías e imágenes de lesiones cutáneas para detectar el cáncer. Pronto, tu médico de cabecera podrá detectar problemas que hoy solo reconocen los mejores especialistas.
Aunque sepas que hay una máquina involucrada, quizá no entiendas la complejidad de lo que realmente hace: detrás de Alexa, de Amazon, hay un conjunto de redes de aprendizaje profundo que reconocen tus solicitudes, analizan datos para responder a tus preguntas y actúan en tu nombre.
Avances en el aprendizaje
El aprendizaje profundo ha sido muy eficaz para resolver problemas de reconocimiento de patrones, pero para ir más allá se necesitan otros sistemas cerebrales. Cuando se recompensa a un animal por una acción, es más probable que realice acciones similares en el futuro. Las neuronas dopaminérgicas de los ganglios basales del cerebro registran la diferencia entre las recompensas esperadas y las recibidas, denominada error de predicción de recompensa, que se utiliza para modificar la fuerza de las conexiones cerebrales que predicen recompensas futuras.
Combinar este enfoque, llamado aprendizaje por refuerzo, con el aprendizaje profundo puede dotar a las computadoras de la capacidad de identificar posibilidades inesperadas. Al reconocer un patrón y responder de una manera que genera recompensas, las máquinas podrían aproximarse a comportamientos que cabría llamar creatividad humana. DeepMind desarrolló mediante este enfoque combinado un programa llamado AlphaGo, que en 2016 derrotó al gran maestro Lee Sedol y, al año siguiente, venció al campeón mundial de go, Ke Jie.
Los juegos no son tan impredecibles como el mundo real, lleno de incertidumbres cambiantes. Massimo Vergassola de la Universidad de California en San Diego y yo usamos recientemente el aprendizaje por refuerzo para enseñar a un planeador, en el campo, a planear como un pájaro en térmicas turbulentas. Se pueden colocar sensores en aves reales para comprobar si usan las mismas señales y responden de la misma manera.
A pesar de estos éxitos, los investigadores todavía no entienden del todo cómo el aprendizaje profundo resuelve estos problemas. Por supuesto, tampoco sabemos cómo los resuelve el cerebro.
Aunque el funcionamiento interno del cerebro siga siendo un misterio, es solo cuestión de tiempo que los investigadores desarrollen una teoría del aprendizaje profundo. La diferencia es que, al estudiar computadoras, los investigadores tienen acceso a todas las conexiones y los patrones de actividad de la red. El progreso es rápido: cada día aparecen artículos de investigación en arXiv. En diciembre, se esperan con entusiasmo avances sorprendentes en la conferencia Neural Information Processing Systems en Montreal, que agotó sus 8.000 entradas en 11 minutos y dejó a 9.000 aspirantes a inscribirse en la lista de espera.
Aún falta mucho para que las computadoras alcancen una inteligencia humana general. La mayor red de aprendizaje profundo actual apenas tiene la capacidad de un fragmento de corteza neural humana del tamaño de un grano de arroz. Y todavía no sabemos cómo el cerebro organiza dinámicamente las interacciones entre áreas cerebrales más grandes.
La naturaleza ya alcanza ese nivel de integración y crea sistemas cerebrales a gran escala capaces de controlar todos los aspectos del cuerpo humano mientras reflexionan sobre preguntas profundas y realizan tareas complejas. En última instancia, los sistemas autónomos podrían alcanzar una complejidad similar e incorporarse a la multitud de seres vivos de nuestro planeta.
