Supongamos que sabe poco sobre vino, pero aun así le interesa comprar online algún vino de buena calidad. Al entrar en cualquier tienda de vinos en comercio electrónico, podrá buscar en su base de datos de fotografías, vídeos y textos. Pero ¿cómo buscar algo sobre lo que apenas se sabe?
Lo más probable es que termine eligiendo un vino en función del precio y la popularidad. Al fin y al cabo, si todas esas personas han apreciado ese vino «de alta valoración», algo deberían saber, ¿no es así? Contraste esta experiencia con la de contar con el lujo de recibir el consejo de un sumiller profesional. Usted le dice que quiere comprar vino, pero no sabe qué tipo de vino podría gustarle. Él o ella conversa con usted para conocerle mejor y, a continuación, le sugiere un productor poco conocido en Italia que ofrece la calidad adecuada, al precio adecuado, pero, lo que es más importante, el carácter adecuado para encajar con sus gustos personales.
¿No sería estupendo que una experiencia tan profundamente personal pudiera reproducirse en una búsqueda en línea?
Hacer que la búsqueda en línea sea más personalizada no es simplemente algo «deseable». El impacto económico de la búsqueda en un mundo con cantidades ingentes de contenido digital es enorme. Dado que la información almacenada ha crecido más allá de lo que nuestro cerebro es físicamente capaz de retener, dependemos por completo de los motores de búsqueda para encontrar y acceder a contenidos de forma oportuna y significativa.
Por desgracia, como demuestra cualquier búsqueda, lo que se obtiene son resultados basados sobre todo en la popularidad y el contexto semántico. El pequeño productor de vino poco conocido en Italia, con el vino adecuado para usted, no tiene ninguna posibilidad de llegar a usted con sus contenidos digitales si simplemente escribe «vino tinto» en el campo de búsqueda en línea – a menos que lo conozca de antemano y lo busque por su nombre. Lo que es más probable que obtenga con cualquier consulta neutra son resultados de quienes tuvieron un gran presupuesto para invertir en marketing digital. En otras palabras, el panorama mediático digital mundial de hoy es un terreno muy desigual que favorece a los ricos y poderosos, y esto es consecuencia directa de la forma en que funciona actualmente la búsqueda.
El problema de la búsqueda en línea
Existen al menos dos grandes problemas con la búsqueda. El primero, y más sencillo, es que a los buscadores les cuesta comprender el significado de las consultas humanas. Google está invirtiendo mucho dinero y talento para resolver este problema, por ejemplo, dotando a la búsqueda de capacidad de reconocimiento de patrones. Larry Page, en una rara entrevista en TED en 2014, reveló con orgullo que la búsqueda de Google podía reconocer un gato cuando se le mostraba una imagen de un gato. Google va por buen camino en este terreno, y su inversión en aprendizaje automático está dando sus frutos. La inteligencia artificial capaz de comunicarse en lenguaje natural, como IBM Watson, potenciará aún más nuestra interacción con los buscadores. Siri y Cortana ya hacen que la búsqueda sea mucho más inteligente y sencilla. La historia imaginada en la película de ciencia ficción «Her» (2013) podría convertirse en una experiencia cotidiana en cuestión de años.
Pero el segundo problema de la búsqueda, la causa principal de la desigualdad digital, será más difícil de resolver. Llamémoslo «el problema del desconocido desconocido». ¿Cómo busco algo de lo que no sé absolutamente nada? Si se logra resolver ese problema, la búsqueda pasará de ser un obstáculo a convertirse en el factor que nivela el terreno de juego de la economía digital global.
Para comprender mejor la importancia de este problema y ver cómo podría resolverse, veamos cómo funciona hoy la búsqueda. Cada vez que interactuamos con un buscador, entramos esencialmente en una consulta de dos pasos, de pregunta y respuesta. Esta breve conversación termina con el motor de búsqueda devolviendo el resultado que mejor se ajusta a nuestra consulta, sobre la base de una serie de parámetros que nutren el algoritmo del motor, entre ellos la validación social de la relevancia del contenido. Aprovechando la sabiduría de la multitud, el motor relega los contenidos menos populares a las últimas de miles, y a menudo millones, de páginas de resultados para ofrecerle lo que es «más popular».
Este enfoque puede parecer eficiente, pero se basa en una suposición implícita: que usted busca la respuesta «más popular» a su pregunta. Funciona perfectamente cuando sabe lo que busca. Pero, como en el caso del cliente que desea comprar vino sin tener ningún conocimiento ni experiencia en la materia, la búsqueda fracasa cuando no se sabe realmente qué preguntar. Al mismo tiempo, las pequeñas empresas están condenadas a quedar sepultadas para siempre bajo numerosas páginas de resultados, porque no disponen de los recursos necesarios para generar suficiente «boca a boca» en la Web 2.0 y aparecer entre los «ganadores populares» en la primera o segunda página de resultados, donde la mayoría de las personas deja de leer.
Para superar este problema necesitamos un tipo de conversación nueva y diferente entre el motor de búsqueda y el ser humano; una que se parezca más a dos mentes que aprenden una de la otra, ayudándose mutuamente a descubrir lo que quieren. Una conversación más parecida a la que mantuvo nuestro cliente ficticio con su sumiller. Pero para mantener una conversación así, la máquina debe adquirir no solo una comprensión de las preguntas del ser humano, sino también una comprensión de quién es esa persona y, en efecto, de qué manera «piensa» esa persona. La máquina debe, de algún modo, adquirir la capacidad de empatía de nuestro cerebro, o lo que los psicólogos llaman «teoría de la mente». Pero ¿cómo podemos dotar a los ordenadores de la capacidad de comprender nuestra mente?
Lo observado y el observador, bailando
Una forma de concebir esta tecnología de «búsqueda de nueva generación» sería retomar algunas ideas interesantes de la cibernética temprana. Uno de los problemas que intentaron resolver los primeros cibernéticos fue el aprendizaje: ¿cómo aumentan los sistemas su conocimiento sobre el entorno, incluidos otros sistemas con los que interactúan, para adaptar su comportamiento?
La retroalimentación proporcionó un concepto excelente para descifrar los mecanismos de aprendizaje de la naturaleza. Los sistemas biológicos, por ejemplo, perciben y procesan información sobre el mundo y luego emprenden acciones; esas acciones se realimentan como entradas para un nuevo procesamiento, y así sucesivamente. Los ingenieros de control utilizaron el concepto de retroalimentación para automatizar procesos industriales complejos. En los primeros experimentos, era una persona quien observaba y supervisaba el proceso y ajustaba los controles del sistema para lograr los resultados deseados. Pero, poco a poco, el ser humano fue reemplazado por algoritmos informáticos que desempeñaban la labor de supervisión de forma más eficaz, rápida y segura. El observador humano se fue alejando cada vez más del sistema. La búsqueda también es un sistema cibernético: introducimos una entrada (nuestra consulta) y observamos la salida (la lista de resultados) que devuelve el sistema. Pero ¿qué pasaría si formáramos parte de la búsqueda? ¿Y si nos integráramos en el bucle de retroalimentación, y el conjunto formado por la búsqueda y nosotros evolucionara hacia un sistema denominado «cibernética de segundo orden»?
Uno de los pioneros que exploró la cibernética de segundo orden en el aprendizaje fue el científico británico Gordon Pask. Pask no suscribía la hipótesis de la inteligencia artificial según la cual el conocimiento es una «cosa» o una «mercancía» que se almacena, procesa y analiza. En cambio, consideraba el conocimiento como el resultado de múltiples interacciones de retroalimentación entre dos entidades inteligentes que mantienen una conversación. Por tanto, la «comprensión» y el «aprendizaje» no surgían mediante el reconocimiento de patrones ni el análisis de datos, sino mediante la construcción de un sistema cibernético resonante, similar a dos personas que bailan juntas, cada una siguiendo los pasos de la otra, aprendiendo mutuamente los movimientos mientras intentan bailar en armonía.
Las ideas de Pask recibieron mucha atención en su época, pero desde entonces se han desvanecido de la memoria colectiva, como tantas ideas originales de la cibernética temprana. Los enfoques matemáticamente más rigurosos de la inteligencia artificial han triunfado. Mediante el uso de una enorme potencia de cálculo, el aprendizaje automático se aplica hoy con eficacia para dar sentido al gigantesco torrente de datos que nuestra economía digitalizada produce cada milisegundo.
No obstante, las capacidades analíticas y predictivas del aprendizaje automático, por impresionantes que sean, seguirán estando siempre limitadas por los confines del procesamiento lógico. Como demostraron Gödel y Turing, reducir la mente humana a conjuntos de símbolos tiene un límite absoluto. Más allá de ese límite, los seres humanos se vuelven intuitivos, creativos y maravillosamente impredecibles. Las máquinas nunca podrán comprender del todo quiénes somos, cómo pensamos o qué queremos o necesitamos realmente, a menos que de algún modo desarrollen una «teoría de la mente» sobre nosotros.
La cibernética de segundo orden ofrece un paradigma de cómo podría lograrse esto. Combinada con la computación cognitiva, se podría concebir que la búsqueda de nueva generación se parezca más a un descubrimiento. Las personas comenzarían una búsqueda sin saber realmente qué quieren o necesitan y, mediante una conversación con la máquina, llegarían al contenido más relevante para ellas. Una búsqueda verdaderamente personalizada abriría el acceso a medios e información que actualmente quedan borrados por la tiranía algorítmica de la ciber-mayoría. La búsqueda de nueva generación podría nivelar el terreno de juego de la economía digital al hacer que los medios digitales sean inteligentes y capaces de encontrarle a usted, en la misma medida en que usted sea capaz de encontrarlos.
¿Ha leído?
¿Cómo están transformando los medios digitales la forma en que trabajamos?
¿Determina su personalidad la forma en que usa las redes sociales?
Nadie debería quedarse atrás con la revolución digital
Autor: Dr George Zarkadakis es Digital Lead de la práctica de Comunicación y Gestión del Cambio en Towers Watson, y autor del libro «In our own image – will artificial intelligence save us or destroy us?»
Esta entrada se publica como parte de una serie de blogs del proyecto Human Implications of Digital Media.
Imagen: Un empleado de la Agencia Nacional Francesa de Empleo (Pole Emploi) trabaja simultáneamente en los sitios web de las agencias de empleo francesa y alemana, en la oficina conjunta de centro de empleo franco-alemán en Kehl, Alemania, en la frontera franco-alemana cerca de Estrasburgo, el 13 de noviembre de 2014. REUTERS/Vincent Kessler
