¿Una recomendación y una reserva en un hotel romántico en Marruecos pero adecuado para niños pequeños? Ningún problema. ¿Conseguir presupuestos de contratistas locales para diseñar el jardín? Considérelo hecho. El asistente experimental de Facebook, ofrecido dentro de la app Messenger de la empresa, demuestra el valor de disponer de un verdadero mayordomo digital en el bolsillo. En lugar de limitarse a extraer y proporcionar informaciones sencillas de bases de datos, M comprende solicitudes complejas y ejecuta tareas como comprar entradas de teatro y contactar con empresas para pedir información.
nM es tan listo porque hace trampas. Funciona de forma parecida a Siri, ya que cuando un usuario envía un mensaje a M, unos algoritmos intentan averiguar qué es lo que quiere. Y cuando no consiguen avidinarlo, M no recurre a rastrear la web ni a decir: "Lo siento, no entiendo la pregunta". En lugar de eso, un ser humano asume el control para responder a la solicitud. Y lo hace de forma invisible, como si los algoritmos siguieran al mando del asistente. (Facebook no quiso concretar con cuántos trabajadores cuenta, y tampoco nos dejó probar a M).
nEse diseño resulta demasiado caro para satisfacer las demandas de los 1.200 millones de personas que utilizan Messenger de Facebook, así que la empresa ofreció el asistente a sólo un par de miles de usuarios en 2015 como una especie de proyecto semipúblico de I+D semipública. El objetivo de entrelazar trabajadores humanos y algoritmos consistía en descubrir cómo la gente reaccionaría a un asistente virtual omnisciente. Además, los datos generados servirían para enseñar a los algoritmos a asumir el trabajo de sus "entrenadores" humanos.
n"Todos los miembros del sector sueñan con crear un asistente que por fin sea muy, muy, muy listo", señala el responsable del proyecto de Facebook, Alex Lebrun. La intención era que M abriera un camino para lograrlo de verdad.
nAhora, dos años después de emprender ese camino, el proyecto de investigación de Facebook puede considerarse un éxito. M gusta a los usuarios, y la teoría de que el software podría aprender a asumir parte del trabajo de los trabajadores humanos ha sido confirmada. Pero M aún está lejos de satisfacer al otro 99,9% de los usuarios de Messenger, y los progresos han costado más de lo esperado.
n"Sabíamos que era un enorme reto, pero es aún más grande de lo que creía", afirma Lebrun. "El ritmo del aprendizaje, el crecimiento de la automatización – hemos visto que será más lento de lo que esperábamos". La historia de M es un recordatorio de lo lejos que ha llegado la inteligencia artificial (IA) en años recientes – y de cuánto le queda aún.
nM de 'moonshot' (disparo a la luna)
nLa gente está sorprendentemente dispuesta a hablar con máquinas tontas. El primer bot de conversación fue creado en 1964 por el profesor del Instituto Tecnológico de Massachusetts (MIT, EEUU) Joseph Weizenbaum. Empleaba frases grabadas para responder a palabras claves específicas, y logró su mayor éxito al interpretar el papel de un terapeuta. Para irritación de Weizenbaum, muchas personas que lo probaron, incluida su propia secretaria, quedaron encantadas a pesar de saber que el bot, llamado Eliza, no sabía nada. El investigador afirmó: "No me había dado cuenta de que unas exposiciones extremadamente cortas frente a un programa informático relativamente sencillo pudiesen impulsar un potente pensamiento delirante en gente bastante normal".
nDesarrollar un bot de conversación que ayude al ejecutar tareas, en lugar de servir sólo como una caja de resonancia o confesor, resulta mucho más difícil. Cuando se encarga una tarea un sirviente virtual, una respuesta ambigua o esquiva no es suficiente. El software actual tiene una amplia comprensión del lenguaje y del mundo, así que los asistentes virtuales como Siri y Alexa deben ser programados explícitamente para ejecutar cualquier tarea.
nPor eso los bots disponibles en el mercado tienen repertorios limitados. Y eso probablemente explica también por qué la sugerencia del año pasado de que los bots de conversación estaban listos para revolucionar el uso que damos a los ordenadores, como dijeron Microsoft, Facebook y algunos inversores tecnológicos, parece haberse desinflado. "Ahora mismo, los bots están en el pundo más bajo de la desesperación", asegura el CEO de Bu er, Greg Cohn, cuya empresa de privacidad móvil ha empezado a ayudar a los anfitriones de Airbnb a desarrollar un sencillo bot que contesta a las preguntas más frecuentes de los huéspedes. "Para los observadores de la industria estos bots están rodeados de un bombo exagerado y aportan poco", añade.
nLebrun desarrolló M porque había dedicado más de una década a hacer bots de conversación convencionales bastante limitados, pero soñaba con ofrecer mucho más. Se unió a Facebook a principios de 2015 cuando la red social adquirió Wit.ai, una empresa que cofundó para ayudar a otros negocios a desarrollar bots de conversación para funciones como atención al cliente. Previamente, Lebrun había vendido un bot de conversación al gigante de reconocimiento del habla Nuance.
nLebrun recuerda: "Todos los bots del mercado, incluido el mío, estaban basados en reglas, por lo que algún día tocarían un techo que nunca podría ser traspasado. Nuestros hijos no trabajarán con reglas ni secuencias de comandos, y algún día ser volverán más listos que tú".
nAl principio, M sólo estuvo disponible para los empleados de Facebook, y después para algunos usuarios muy activos de Messenger en Califo ia. Y no hizo falta mucho tiempo para demostrar que los algoritmos, efectivamente, aprenden a asumir parte del trabajo de los humanos que lo alimentan.
n
El grupo de investigación de IA de Facebook utilizó M para probar un nuevo tipo de software de aprendizaje llamado red de memoria, que había mostrado ciertas capacidades para contestar preguntas sobre historias simples. Este tipo de software emplea una especie de memoria funcional para almacenar datos para su uso posterior, un diseño que Google también está probando para mejorar las capacidades de razonamiento de su software.
nWeizenbaum ya había sugerido, allá por 1964, que algo así podría conseguir que Eliza fuera más intelitente, y en cuestión de semanas lo consiguió con M. Lebrun recuerda que se sorprendió cuando al darle las gracias a M por conmnprarle unas entradas de cine, el asistente respondió: "De nada. Disfrute de la película". Esta respuesta se había generado automáticamente. M había aprendido a recordar y emplear el contexto de la tarea en la que ayudaba. El responsable cuenta: "Nos quedamos realmente alucinados. Nadie había escrito un comando para hacer eso".
nLas redes de memoria de M siguieron prograsando. Ahora se activan si alguien le encarga enviar flores, por ejemplo, empleando automáticamente la información clave de la solicitud, como el presupuesto o la dirección, para generar sugerencias de floristas en línea. El entrenador humano entonces escoge cuál ofrecer al usuario.
nOtros descubrimientos han sido menos alentadores. Uno es el enorme gusto que M genera en los usuarios. Con los asistentes totalmente automatizados y por tanto limitados, como Siri o Alexa, la gente tiende a acostumbrarse a utilizar pocas funciones que encuentran que funcionan bien. Con M, no.
n"Primero, la gente intenta preguntar por la previsión meteorológica. Luego pregunta: '¿Hay algún restaurante italiano disponible?' Después plantea cuestiones sobre inmigración y al cabo de un tiempo le pide a M que organice su boda", cuenta Lebrun, y añade: "Sabíamos que habría riesgos, pero están superando nuestras expectativas".
nLos entrenadores humanos lo hacen lo mejor que pueden cuando se enfrentan a solicitudes difíciles como "Contrate la visita de un loro a mi amigo", pero a veces simplemente se niegan a ayudar. Pero aunque M rechazara automáticamente las tareas más complejoas, la simple variedad de las peticiones hace que el objetivo de que los algoritmos sustituyan totalmente a sus entrenadores humanos resulte más difícil de alcanzar. La técnica del aprendizaje profundo ha aumentado la potencia del aprendizaje automático (las redes de memoria son un ejemplo). Pero aprender a abordar una amplia variedad de escenarios complejos, con pocos datos sobre cada uno porque no surgen a menudo, no es el tipo de situación en la que la técnica resulta eficaz. Para Lebrun, el aprendizaje produndo resulta "mucho más inteligente, y capaz de aprender tareas muy complejas, pero necesita muchos datos".
nLargo camino
nEl hecho de que los avances de Facebook no hayan ido tan rápido como esperaba han obligado a la empresa a rediseñar el proyecto. Este mes apareció en Messenger una prestación llamada M Suggestions. El programa cumple las mismas funciones que los bots limitados a los que M pretende desbancar. Estudia los chats con amigos en busca de pistas de que pueda querer hacer cosas como encargar un viaje de Uber o enviarle dinero a alguien, y ofrece un botón para hacer esas tareas con un sólo clic.
nEl investigador de Facebook Laurent Landowski, que cofundó Witt.ai junto a Lebrun y ahora también supervisa M, recuerda: "Decidimos encontrar un tipo de uso con el que pudiéramos acelerar la entrega de valor a los usuarios". Por su parte, Lebrun volvió en enero a su país natal, Francia, donde se unió al laboratorio de investigaciones de IA de Facebook en París.
nEl M original que depende de humanos aún existe, y proporciona un valor mucho mayor a sus pocos y afortunados usuarios. Facebook afirma estar comprometida con el proyecto, y dado el estado actual de la inteligencia artificial, no es mal momento para hacer apuestas a largo plazo. Durante los últimos años, el aprendizaje profundo ha revolucionado las técnicas establecidas y las expectativas de que el software procese el lenguaje, según la profesora de la Universidad de Ca egie Mellon (EEUU) Justine Cassell. La experta afirma: "Vivimos días de gloria de nuevos algoritmos de aprendizaje automático". De hecho, la precisión de traducción de Google dio un salto recientemente para alcanzar un nivel casi humano.
nEso no significa que un software vaya a aprender a hacer de mayordomo mediante la observación de los humanos. Cassell detalla: "No creo que lo sepamos aún". Sin embargo, los investigadores de Facebook aseguran que tienen muchas ideas para explorar.
nUna consiste en lograr que el lado automatizado de M aprenda del contenido positivo o negativo en los mensajes que envían los usuarios mediante una técnica inspirada en entrenamientos mediante recompensas como los que siguen los animales (ver TR10: Aprendizaje reforzado). M podría avanzar más deprisa si no dependiera de imitar lo que hacen sus colegas humanos. Para generar nuevas ideas dentro de la comunidad de investigación, el equipo de Facebook ha lanzado herramientas para ayudar a otros a probar y comparar bots asistentse no programados. Y también se pueden probar prometedoras técnicas nuevas a mayor escala en M Suggestions.
nLebrun y Landowski creen que algún día serán capaces de ofrecer el verdadero M a las masas. Landowski afirma: "A veces decimos que serán tres años, o cinco años, pero tal vez sean 10 años o más". Por su parte, Lebrun añade: "Es muy difícil y los progresos llegan muy despacio, pero creo que tenemos todo lo que necesitamos". Podría tener razón, pero alguien que conociera a Eliza en 1964 podría haber dicho más o menos lo mismo.
n
