Google explica por qué no hay que temer a "la rebelión de las máquinas"

"El futuro está en internet" fue una frase que se escuchó repetidamente a lo largo de muchos años. Luego de todos esos cantos, avances tecnológicos y propagación de la web -y entre varias otras compañías que quedaron en el camino- nació una empresa llamada Google. Así como dejó de ser solo un buscador -sin que nos diéramos cuenta-, ya no es más tampoco la compañía de móviles que prometía ser al comienzo de esta década. Tampoco se transformó en una marca poderosa en el mercado de las redes sociales -y bien lo saben tras Buzz y Plus, sus dos últimos grandes intentos. Hoy Google quiere ser una empresa de inteligencia artificial.

¿Quién más? Facebook se ha volcado principalmente a la "comunicación grupal", o más bien a generar grupos dentro de su base de usuarios, que incluye a millones y millones de personas, pero tiene también entre sus principales preocupaciones a la inteligencia artificial. Ni hablar de las recurrentes defensas públicas de Mark Zuckerberg a la manera en que trabajan la investigación al respecto: ha entrado en polémicas con Elon Musk -CEO de Tesla- por su real "conocimiento en torno al tema", pero se sigue declarando optimista: "En cinco o diez años veremos las dramáticas mejoras que conseguirá para nuestras vidas". Al debate en torno al uso de estas tecnologías de vez en cuando entra Stephen Hawking, para revolver un poco las aguas con alguna sentencia apocalíptica que nadie puede dejar pasar, pues se trata de una de las mentes más brillantes de nuestro tiempo.

Pero, ¿en qué está Google respecto de la IA? Ya te contamos que la mayoría de sus productos ha dado un giro hacia ella. Ya sabemos también que incluso el traductor de la empresa de los doodles logró una mejora ostensible en sus resultados cuando se dejó seducir por lo que llaman "redes neuronales" pero, ¿cómo y para qué?

Ok. Google ya no es una compañía de móviles, sino una de inteligencia artificial. Además, enfocada plenamente al machine learning en sus productos y servicios. ¿Por qué las máquinas están aprendiendo?

"No es algo nuevo. Nació casi con ellas. En vez de darle instrucciones una por una, las computadoras aprenden y pueden reemplazar secuencias de instrucciones por algunas funciones matemáticas, donde se ajusten algunos valores y nos entreguen el mismo resultado", comenta desde Palo Alto Javier Snaider, ingeniero de Google dedicado plenamente a la materia.

Un computador recibe un ejemplo y en vez de tener que usar reglas escritas por un humano -programación clásica-, desarrolla cierto "criterio" en función de las diferencias que poseen los elementos que comienza a disociar. Una manzana tiene una composición en lenguaje matemático ante el artefacto, que permite que se diferencie de las naranjas. Se incorporan criterios de cantidades y es el propio sistema el que logra comprender con el tiempo la diferencia entre una cosa y la otra, almacenar esa información en "su cerebro" o discernir a través de "redes neuronales" y luego poder actuar de forma autónoma ante una situación en la que debe dirimir o diferenciar.

Cualquiera se imagina de inmediato siendo cazado por Terminator, viviendo en el futuro de Matrix o enamorándose de la voz de Scarlett Johansson en "Her" y el cuerpo de Ex Machina. ¿Por qué esto es solo una fantasía y no hay que alarmarse?

"Se llaman redes neuronales, pero la realidad es que la rama de la ciencia que es Machine Learning no es la que estudia cómo funciona el cerebro o la inteligencia natural. Tuvo alguna inspiración en eso, hoy por hoy es una ciencia mucho más ligada a la matemática que a la neurociencia. Hay otra rama de la ciencia que se llama 'Ciencia Cognitiva' en donde es más directo el estudio de la inteligencia humana y sus procesos", apunta Snaider.

"Google está mucho más enfocado en estos problemas matemáticos y concretos. Lo otro es muy interesante -ciencias cognitivas-, hay una cierta área de interrelación, pero no es lo mismo", dice Snaider, quien no descarta que Google esté trabajando en el factor cognitivo, pero apunta que no es la prioridad al menos a día de hoy.

Hace un tiempo el traductor de Google hizo noticia porque tuvo un avance de diez años en muy corto tiempo y se debió precisamente al aporte de las redes neuronales. Snaider comenta que "utilizó modelos de redes neuronales para hacer las traducciones. Previo a eso utilizaba reglas y análisis de textos para proponer traducciones. Era mucho más tradicional. Lo que se hizo fue ver qué pasaba si se hacía una red neuronal en que entraba el texto original completo y se proponía una traducción de aquello. Es bastante complejo, pero ahora es capaz de dar un texto, minimizar los parámetros anteriores para obtener una respuesta correcta y funcionó mucho mejor que usando todos esos pasos que se usaban antes. Lo siguiente fue hacerlo multilingual, o sea, en vez de hacer un modelo para cada lenguaje pareado -español/inglés, español/francés y cosas así, dijeron qué pasa si aprendemos diez lenguajes a la vez. Le puedo poner diez lenguajes de entrada y diez de salida. ¿El sistema puede aprender todos estos idiomas y cambiar de unoa otro? La respuesta fue si. El resultado ha sido muy interesante y el sistema no sólo pudo hacerlo, sino los lenguajes que tenían poca información se vieron mejorados por los otros lenguajes", dice.

Snaider trabajó directamente en el proyecto de "smart reply" de Google, que busca a través del machine learning, ayudarnos a contestar de forma más rápida e inteligente un correo que nos llega. Gmail en este caso, sugiere tres alternativas de respuesta corta y a ella se puede sumar texto complementario.

O sea, Google está mejorando sus productos en función de los servicios que están asociados a la plataforma madre: Android y fundamentalmente, a los que la gente está usando más en su vida diaria. Para conseguir esas mejoras, se está valiendo de que sus máquinas aprendan y no de tener a miles de programadores escribiendo reglas de forma manual.

Las mejoras de la compañía en torno al tema se han hecho públicas a través del protocolo de código abierto y esa es una duda de la que quisimos salir. Google desarrolla su inteligencia artificial. Luego, avanza en machine learning y mejora sus productos como el traductor o procesos manuales que se vuelven autónomos. ¿Qué pasa si esa información, esos avances, caen en las manos equivocadas? ¿Qué seguimiento hacen de lo que se hace con el código que ponen a disposición de todos?

"Lo que es código abierto es abierto. Las reglas es que cada uno puede hacer lo que quiera con él. Que sea abierto es una garantía de transparencia. Los principales algoritmos de encriptación de datos son todos de código abierto. No hay nada oculto porque es abierto. Es mucho más transparente y fácil de controlar que si una organización controla aquel conocimiento", dice Snaider.

"Abrir código a mucha gente en machine learning potencia el desarrollo en esta área, pero también promueve la apertura a que no sea una sola entidad la que controla el conocimiento sobre la materia, eso es algo muy importante en todo ese desarrollo", remata Snaider desde Palo Alto.

Y tú, ¿le sigues temiendo a la rebelión de las máquinas?