La tecnología de Whetlab automatiza algunas de las partes más complicadas de la construcción de sistemas de aprendizaje de máquinas a gran escala. Fue desarrollada para asumir retos complejos del aprendizaje de máquinas, como el reconocimiento visual de objetos y el procesamiento del habla.
Foto: Ryan Adams.
Los investigadores de la Universidad de Harvard empezaron a emplear la herramienta en un amplio abanico de proyectos, desde robots biomédicos hasta problemas de química, y Netflix empleó una de las primeras versiones de fuente abierta para experimentar con el aprendizaje profundo también.
Ahora, con una excedencia de la Universidad de Harvard, Adams habló con la editora jefe de Informes Especiales de MIT Technology Review, Nanette By es, desde las oficinas de Twitter en Cambridge (EEUU) sobre el expansivo interés en el aprendizaje de máquinas.
La inteligencia artificial se ha desplazado desde el enfoque de estudios académicos hasta convertirse en una herramienta comercial. ¿Qué está impulsando este cambio? ¿Nuevos algoritmos, ordenadores rápidos, montones de datos disponibles?
Tanto como cualquier otra cosa, creo que la inversión en la inteligencia artificial (IA) ha tenido un gran impacto. Hasta ahora, se han invertido miles de millones de euros por parte de empresas tecnológicas, y eso acelera las cosas.
Como la compra de su empresa por Twitter. ¿Cómo puede el aprendizaje de máquinas mejorar Twitter? ¿Nos puede dar un ejemplo?
Existen unas enormes oportunidades para mejorar la manera en la que se organizan los contenidos de Twitter, para ayudar al usuario a encontrar lo que está sucediendo, descubrir comunidades con las que interactuar y simplemente opciones para que Twitter ofrezca una mejor experiencia de ususario. Uno de los retos que te podrás imaginar consiste en emparejar las informaciones interesantes a las que enlaza la gente e intentar entender la relación entre esos contenidos y los de Twitter.
¿Qué proporción de técnicas de IA como el aprendizaje profundo siguen siendo un misterio?
Ahora mismo el aprendizaje profundo está situado en el extremo empírico de las cosas. Sabes que claramente se están produciendo importantes avances. Estos [sistemas de aprendizaje profundo] hacen cosas increíbles. Los entendemos muy poco, pero sí funcionan.
Puede resultar difícil definir la IA, e incluso una prueba adecuada para la IA puede ser motivo de debate.
"¿Por qué no sienten estas empresas que están regalando la granja cuando regalan su código e ideas? Porque otras empresas no tienen la potencia computacional que tiene Google, no tienen la potencia computacional de Twitter y no disponen de los datos".
Parte del reto es la necesidad de "humanizar" la idea de la inteligencia. Empleamos la frase inteligencia "artificial", como si la inteligencia no fuera patrimonio del mundo. No nos referimos a los aviones como pájaros artificiales, y tampoco realizan vuelos artificiales. Realizan vuelos de verdad, ¿no?
Es un punto de vista muy antropocéntrico [la idea de] que en caso de existir otro ser inteligente sería artificial. Así que yo creo que resulta muy difícil elaborar una definición de inteligencia que no sea antropocéntrica, y yo no dispongo de ninguna.
Si volviéramos [atrás en el tiempo] y le dijéramos a un pensador de IA, hace 50 o 60 años: "Vas a llevar un dispositivo contigo en todo momento y en esencia podrá contestar cualquier pregunta que quieras sobre un amplio abanico de temas; podrá entender tu voz y proporcionarte un punto de vista sobre cualquier lugar del mundo, indicarte cómo llegar de un punto determinado a otro". Si explicáramos a grandes rasgos lo que nuestros smartphones son capaces de hacer a través de Google y varios tipos de herramientas de mapas y Siri, creo que el experto respondería: "Eso es inteligencia artificial". Pero lo que esperamos de las herramientas que utilizamos cambia muchísimo con el paso del tiempo.
Hasta ahora, las empresas han sido increíblemente abiertas a la hora de compartir sus hallazgos de IA, publicar software de fuente abierta, permitir que sus empleados publiquen sus trabajos de investigación y hablen en conferencias y así sucesivamente. ¿Cuánto cree que durará?
Abrir el código viene bien para contribuir a la comunidad, ayuda a reclutar el mejor talento de aprendizaje de máquinas y también permite a las empresas aprovecharse de las mejoras que realice la comunidad más amplia en estas herramientas.
¿Por qué no sienten estas empresas que están regalando la granja cuando regalan su código e ideas? Porque otras empresas no tienen la potencia computacional de la que dispone Google, no tienen la potencia computacional de Twitter y no disponen de los datos. Así que uno puede tener las ideas y disponer del código. Pero si uno no dispone de los datos ni de la potencia computacional, ¿qué podrá hacer con todo eso?
¿Qué forma cree que adoptará la IA?
La IA no se parece tanto a un robot que de repente se vuelve muy listo en mi opinión, no creo. Yo creo que la IA simplemente tiene el aspecto de herramientas que mejoran cada vez más y de forma constante.
Una cosa que sí me preocupa es que creo que estamos a punto de disponer de la capacidad (con aprendizaje de máquinas e IA) de sintetizar algo que resultará muy difícil de distinguir de algo auténtico. Estas serían herramientas muy peligrosas para una sociedad que se apoya cada vez más de cosas como vídeos para representar la verdad.