Construir inteligencia artificial que construya inteligencia artificial

Son un sueño para los investigadores pero también son la pesadilla de los programadores altamente calificados: se trata de las máquinas con inteligencia artificial que pueden construir otras máquinas que usen inteligencia artificial.

Después de los recientes discursos en Silicon Valley y China, Jeff Dean, uno de los principales ingenieros de Google, destacó un proyecto llamado AutoML. ML es la sigla de machine learning (aprendizaje automático), el cual se refiere a los algoritmos computacionales que pueden aprender a realizar labores específicas por sí solos analizando datos. El AutoML, a su vez, es un algoritmo de aprendizaje automático que aprende a construir otros algoritmos de aprendizaje automático.

Con esta tecnología, Google podría encontrar una manera de crear tecnología de inteligencia artificial que pueda sacar parcialmente a los humanos de la construcción de los sistemas de inteligencia artificial, los cuales muchos creen que son el futuro de la industria tecnológica.

El proyecto es parte de una iniciativa mucho más grande que busca llevar las mejores y más actuales técnicas de inteligencia artificial a un grupo más amplio de empresas y desarrolladores de software.

La industria de la tecnología está prometiendo de todo: desde aplicaciones para teléfonos inteligentes que pueden reconocer los rostros hasta autos que se pueden conducir solos. Sin embargo, según algunos cálculos, solo 10.000 personas en el mundo tienen la educación, la experiencia y el talento necesarios para construir los complejos y algunas veces misteriosos algoritmos matemáticos que impulsarán esta nueva estirpe de inteligencia artificial.

Los negocios tecnológicos más grandes del mundo, entre ellos Google, Facebook y Microsoft, en ocasiones pagan millones de dólares al año a expertos en inteligencia artificial para monopolizar de forma eficaz el mercado de este talento poco común. La escasez no se acabará pronto, por la sencilla razón de que dominar estas habilidades requiere de años de trabajo.

La industria no está dispuesta a esperar. Las empresas están desarrollando todo tipo de herramientas que facilitarán que cualquier operación pueda construir su propio software de inteligencia artificial, incluidas características como los servicios de reconocimiento de imágenes y voz, y los bots conversacionales.

“Estamos siguiendo el mismo camino que la ciencia de la computación ha seguido con cada nueva tecnología”, señaló Joseph Sirosh, uno de los vicepresidentes de Microsoft, empresa que hace poco tiempo desveló una herramienta que sirve para que los programadores puedan construir redes neuronales profundas, un tipo de algoritmo computacional que está a cargo de una buena parte del progreso reciente en el campo de la inteligencia artificial. “Estamos eliminando una gran parte del trabajo pesado”.

No se trata de ser altruista: los investigadores como Dean creen que si más gente y más empresas están trabajando en la inteligencia artificial, habrá más impulso para su propia investigación. Al mismo tiempo, empresas como Google, Amazon y Microsoft tienen en la mira obtener una gran cantidad de dinero a partir de la tendencia que describió Sirosh. Todas ellas están vendiendo servicios de computación en la nube que pueden ayudar a que otros negocios y desarrolladores construyan inteligencia artificial.

“Hay mucha demanda”, afirmó Matt Scott, uno de los fundadores y el director técnico de Malong, una nueva empresa china que ofrece servicios similares. “Pero las herramientas todavía no satisfacen toda la demanda”.

Lo más probable es que Google considere que este será el propósito de AutoML, pues la empresa sigue alabando el progreso del proyecto. El mes pasado, el director ejecutivo de Google, Sundar Pichai, alardeó sobre el AutoML, mientras lanzaba un nuevo teléfono inteligente Android.

Con el tiempo, el proyecto de Google servirá para que las empresas construyan sistemas con inteligencia artificial aunque no tengan una gran cantidad de conocimientos, aseguró Dean. En la actualidad, Dean calcula que unas pocas miles de empresas tienen el talento requerido para construir inteligencia artificial pero muchas más tienen los datos necesarios.

“Queremos pasar de miles a millones de organizaciones que resuelvan problemas de aprendizaje automático”, mencionó.

Google está invirtiendo seriamente en servicios de computación en la nube -los cuales ayudan a que otros negocios construyan y operen el software-, pues se espera que sea uno de los principales motores económicos en los años venideros. Además, después de haber adquirido los servicios de los mejores investigadores de inteligencia artificial del mundo, la empresa tiene los medios para arrancar ese motor.

Las redes neuronales rápidamente están acelerando el desarrollo de la inteligencia artificial. En vez de construir a mano un servicio de reconocimiento de imágenes o una aplicación que traduzca, con una línea de código a la vez, los ingenieros pueden construir un algoritmo que aprenda tareas de manera mucho más veloz.

Al analizar los sonidos de una gran colección de viejas llamadas de soporte técnico, por ejemplo, un algoritmo de aprendizaje automático puede aprender a reconocer las palabras habladas.

Sin embargo, construir una red neuronal no es como construir un sitio web o una aplicación común y corriente para teléfonos inteligentes. Se requiere de una capacidad matemática significativa, ensayos y errores extremos, y una buena cantidad de intuición. Jean-François Gagné, director ejecutivo de un laboratorio de aprendizaje automático llamado Element AI, dijo que el proceso era “un nuevo tipo de programación para computadora”.

Para construir una red neuronal, los investigadores realizan decenas o incluso centenares de experimentos por una vasta red de máquinas, con el objetivo de probar el rendimiento de un algoritmo al momento de aprender una tarea como reconocer una imagen o traducir de un idioma a otro. Luego ajustan partes específicas del algoritmo una y otra vez, hasta que se quedan con algo que funciona. Algunos lo llaman un “arte oscuro” solo porque los investigadores no saben explicar por qué hacen algunos ajustes en particular.

No obstante, con el AutoML, Google intenta automatizar este proceso. El gigante está construyendo algoritmos que analizan el desarrollo de otros algoritmos, con lo cual aprenden cuáles métodos son exitosos y cuáles no. Finalmente, aprenden a construir aprendizaje automático más eficaz. La empresa señaló que en la actualidad AutoML podría crear un algoritmo que, en algunos casos, identificara objetos en fotos de forma más precisa que los servicios construidos únicamente por humanos.

Barret Zoph, uno de los investigadores de Google, cree que con el tiempo el mismo método funcionará bien para otras tareas, como el reconocimiento de voz o la traducción automática.