La urgencia de la inteligencia artificial


Ricardo M. Salas

@segunricardo

 

“Así como la electricidad transformó casi todo hace 100 años, hoy de hecho, me cuesta trabajo pensar en una industria que no vaya a ser transformada por la inteligencia artificial en los próximos años.” 

Andrew NG. — Cofundador de Coursera

 

A la mayoría de la gente se le viene a la mente una especie de robot pensante y con un cierto potencial maligno cuando se mencionan las palabras “inteligencia artificial”. Referencias como Terminator (James Cameron), A.I (Steven Spielberg), 2001: Odisea en el Espacio (Stanley Kubrick) o Blade Runner (James Cameron) nos han vendido la idea de que este tipo de inteligencia tiene el potencial de crear seres tan astutos que pongan en riesgo la hegemonía de los seres humanos sobre la faz de la tierra. Teóricos como Sam Harris y Nick Bostrom aseguran que la inteligencia artificial puede ser el último invento de nuestra especie. 

No sé si algún día lleguemos a eso, pero desde hace unos meses estoy muy sorprendido por haber aprendido que este tipo de tecnología está en todas partes y que la usamos, prácticamente todos los días (piensa tan solo en Siri, la asistente virtual de Apple,  Alexa, de Amazon, o Cortana de Microsoft, por mencionar unos cuantos ejemplos). Hay que considerar, sin embargo, que estos simpáticos robots han sido deliberadamente creados con voces y nombres humanos para que el usuario se sienta más cómodo al interactuar con ellos. 

Pero la verdad es que, en la mayoría de los casos, este tipo de tecnología pasa frente a nuestros ojos totalmente desapercibida: los chatbots, los filtros de spam en tu bandeja de correo, el algoritmo que te sugiere a qué amigos agregar en Facebook o Instagram, muchos sistemas de inversión bursátil y los sistemas de reconocimiento facial de tu teléfono inteligente son simples ejemplos de inteligencia artificial pura y dura. Sorprendente, ¿no? De hecho, no tanto. En realidad, se trata de sistemas que usan las leyes de la estadística (entre otras disciplinas) para reconocer, interpretar y predecir patrones de acuerdo a los datos que son alimentados a una máquina. 

Hoy en día la inteligencia artificial está revolucionando la forma en la que se trata y diagnostica a pacientes con cáncer y también permite conocer mejor nuestro código genético. No obstante, en nuestro país aún son muy pocas las industrias y organizaciones que reconocen el potencial de la inteligencia artificial para hacer más eficientes procesos y para aumentar su productividad. Un reciente artículo asegura que sólo un 15% de las compañías que operan en México saben cómo aprovechar este tipo de tecnologías y cómo procesar la creciente cantidad de datos que millones de sensores en la industria producen, al igual que los que son generados por los millones de usuarios que consumimos y evaluamos productos y servicios a través de una computadora o teléfono inteligente. 

La inteligencia artificial tiene la capacidad de ahorrar millones de horas hombre en áreas tan variadas como el servicio al cliente, logística y cadenas de suministro, así como en ciberseguridad y sistemas de transporte. Mi ejemplo favorito es el de los asistentes virtuales que se utilizan hoy en día para detectar tumores cancerígenos. El aprendizaje automático o Machine Learning es una rama de la inteligencia artificial que consiste en enseñar a una computadora a partir de cientos o millones de ejemplos previos. 

Los cirujanos más respetados generalmente lo son debido a las horas de experiencia y al número de casos médicos a los que han sido sometidos. Sin embargo, mientras un doctor humano puede haber aprendido de unos buenos miles de casos a lo largo de su vida, una máquina puede examinar los datos de millones de tomografías y rayos-x en cuestión de minutos, por lo que dicha máquina será capaz de predecir con mucho mayor precisión si un determinado paciente tiene un tumor cancerígeno, o si está a punto de desarrollar uno, aumentando sus posibilidades de tratamiento y supervivencia drásticamente. 

Algunos de los términos más confusos cuando se habla de inteligencia artificial. Fuente: David Robinson

¡Hola Sheldon!

Cuando terminé mi posgrado en Alemania no entendía por qué muchos de mis compañeros se habían roto la cabeza haciendo una especialidad en manejo de datos que ofrecía la universidad. Pronto aprendí que los analistas de datos están entre los profesionistas mejor pagados (aunque la creciente popularidad de estos programas de estudio parece ya estar saturando al mercado y provocando una sobreoferta significativa de este tipo de talentos). Aún así, fue bastante sorprendente ver cómo la mayoría de quienes habían escogido esta especialidad encontraron trabajo mucho más rápido que muchos de sus contemporáneos. 

Cuando desperté a la necesidad de entender el potencial de los datos me enrolé en algunos cursos de programación, y ultimadamente, en uno de análisis de datos que me abrió los ojos a cómo este tipo de tecnología no solamente es el futuro, sino el presente de muchas industrias, incluso en México. 

Por esto mismo quisiera concluir esta columna compartiendo un pequeño proyecto en el que pude participar junto con un grupo de gente increíblemente talentosa durante este último curso. Mis compañeros Erick García, Ingrid Armas, Ariadna Vargas y León Zlotnik, desarrollaron un proyecto muy interesante en el cual analizaron una serie de tuits emitidos en la Ciudad de México y que contenían alguna mención al sistema de metro de la ciudad. Una vez obtenidos los tuits, entrenaron a un algoritmo para reconocer cuáles de estos mensajes tenían una connotación positiva o negativa, para determinar cuál era la opinión general de los usuarios del metro en cada línea (este nivel de precisión me pareció impresionante). 

Después de entrenar a este robotito (un algoritmo, pues), lo más curioso es que la mayoría de los tuits emitidos por los usuarios resultó ser… ¡positiva! Esto se debió a que el algoritmo aún no era capaz de reconocer mensajes con una carga de sarcasmo como mensajes negativos, por lo que contabilizó muchos de estos tuits como algo positivo (algo que todavía es un problema muy común con este tipo de inteligencia artificial). Es por esta razón que decidimos nombrar al algoritmo “Sheldon”, en honor al genio de la serie The Big Bang Theory, quien es incapaz de reconocer el sarcasmo de sus compañeros. 

Este tipo de estudios serviría, por ejemplo, para informar a las autoridades de metro sobre las opiniones de sus usuarios en tiempo real (incluso a nivel de cada línea) y si hay algún problema en particular al interior de alguna estación. Lo que es aún más sorprendente, es que estos algoritmos de Machine Learning podrían ser empleados para predecir, incluso, si hay una mayor probabilidad de suicidios en alguna época o lugar, y mandar policías a dicha estación a patrullar con anticipación, ¡muy impresionante!

Entrenando al modelo: El algoritmo que mi equipo desarrolló para que la máquina pudiera interpretar qué tuits eran positivos o negativos cuando la gente escribía sobre el metro de la Ciudad de México. Fuente: Ingrid Armas

Otro proyecto digno de mencionar es el que acaba de publicar mi amigo Imanol Belausteguigoitia, quien usó una base de datos pública para analizar los rankings de jugadores incluidos en el videojuego de soccer Fifa 2019, y desarrolló un algoritmo que le ayudara a un equipo como el Manchester United a contratar a los jugadores más prometedores (por habilidad y precio de compra) para la siguiente temporada.  

Genios de los números: Mis compañeros y yo durante la presentación de nuestro proyecto para analizar los comentarios del metro de la Ciudad de México. Fuente: Ricardo M. Salas
Los números del fútbol: Imanol Belausteguigoitia explicando el uso de la inteligencia artificial para industrias como la del fútbol. Fuente: Imanol Belausteguigioitia

Sobre el autor:

Ricardo M. Salas es comunicador especializado en política pública. Conduce un programa sobre emprendimiento en México y América Latina, y escribe sobre diversos temas de interés colectivo: salud pública, desarrollo sostenible, ciencia y tecnología, política y cultura popular. Fungió como analista político desde Alemania y ha entrevistado a algunos de los actores más influyentes de la agenda internacional. Es audiófilo por accidente y melómano de tiempo completo. Está a favor de: el estado de derecho. En contra de: la prepotencia, el nacionalismo y los extremos de la política de identidad. Puedes saber más sobre él en www.segunricardo.com




Login

Welcome! Login in to your account

Remember me Lost your password?

Lost Password