Revolución IA

La Inteligencia Artificial está llamada a protagonizar la próxima Revolución tecnológica

Inicio

Sobre Revolucionia

Temas

Para saber más

Contacto

El muro de la Inteligencia Artificial

Fernando P.    14/02/2018

Temas:  Actualidad    Divulgación    Inteligencia Artificial y Sociedad

Constantemente leemos predicciones de todo tipo sobre la Inteligencia Artificial, unas veces son predicciones optimistas y otras veces no tanto, pero son eso, predicciones, a menudo muy arriesgadas. Casi todas las técnicas que componen lo que denominamos Inteligencia Artificial no son nuevas y han tenido un desarrollo desigual y accidentado, condicionado en gran medida por el acierto en desarrollar aplicaciones reales que pudieran comercializarse.

Un reciente artículo en la revista electrónica Wired es bastante crítico con el estado actual de las cosas, sobre todo por el sesgo masivo que ha tomado todo el campo de la Inteligencia Artificial hacia técnicas de Deep Learning, motivado por varias aplicaciones comerciales exitosas.

El estado actual de las cosas
Duarante décadas, la mayor parte de las técnicas que componen la Inteligencia Artificial no encontraron salida más allá de los ámbitos científicos, se trataba de meras curiosidades de la Ciencia. Algunas técnicas sí que encontraron posibilidad de ser usadas como parte de grandes sistemas muy caros, como pueden ser sistemas de armas y computadores muy avanzados, pero no se trataba de cosas que terminaran llegando a buena parte de la sociedad.

Un problema importante que comparten muchas técnicas de Inteligencia Artificial consiste en que su ámbito natural de funcionamiento son conjuntos de datos enormes. Esto tiene sentido en cuanto que ya hemos visto que no consideramos Inteligencia Artificial aquello que puede localizar soluciones óptimas siempre, lo que hemos denominado problemas fáciles. No suele ocurrir que los problemas que dependen de conjuntos de datos enormes sean fáciles, por eso acaban cayendo en el ámbito de la Inteligencia Artificial.

La diponibilidad de conjuntos de datos grandes no es algo trivial, y la capacidad de ćomputo necesaria para triturar estos conjuntos de datos tampoco es algo que ha estado siempre disponible. En realidad, ha sido en los últimos años cuando el aumento de potencia de cómputo y la interconexión masiva de computadores ha creado las condiciones adecuadas para que obtener y manejar conjuntos de datos enormes haya dejado de ser un obstáculo.

De alguna forma, el auge reciente de la Inteligencia Artificial está muy conectado con el despliegue de Internet y con el aumento de la potencia de cómputo que se ha experimentado en los últimos años.

El problema es que todo este desarrollo se ha producido exclusivamente en un campo de la Inteligencia Artificial, que es el campo de la clasificación y se ha puesto en práctica casi de forma exclusiva usando técnicas de Deep Learning, que son una forma muy elaborada de implementar redes neuronales artificiales (RNA en lo sucesivo) entrenadas habitualmente usando el algoritmo Back-Propagation.

El auge del conexionismo
Dentro de la Inteligencia Artificial, denominamos por conexionismo a todo lo que tenga que ver con RNA. Buena parte de los problemas actuales de la Inteligencia Artificial vienen del hecho de que hoy en día todo se quiere solucionar usando conexionismo.

Evidentemente, las RNA son mecanismos que pueden ayudar a solucionar muchos problemas que no sabríamos cómo atacar de otra manera. La clasificación es un concepto clave dentro de la Inteligencia Artificial, posiblemente más importante de lo que sospechamos, pero de ahí a poder atacar todos los problemas usando la misma herramienta hay mucha distancia.

Lo cierto es que se están usando RNA en la resolución de bastantes problemas que por complejidad y tamaño no parecían nada fáciles hace unas pocas décadas. Pero esos problemas que se resuelven son bastante recurrentes, las aplicaciones más exitosas tienen que ver con el reconocimiento de imágenes y de voz, también hay buenas aplicaciones en traducción e integración de múltiples sensores, pero no mucho más.

En palabras de Andrew Ng, "La Inteligencia Artificial es buena actualmente haciendo cosas que a un cerebro humano le llevan menos de un segundo". Lo que quiere decir esto es que la Inteligencia Artificial es buena en el reconocimiento de patrones (usando RNA) y eso es algo que el cerebro humano hace bien y deprisa.

En realidad, sabemos que hay problemas de clasificación muy enrevesados, como el Ajedrez, que llevan mucho más de un segundo de tiempo a un humano y un computador puede resolverlos mejor y más deprisa. Pero la cuestión de base sigue siendo la misma, usando conexionismo sólo vamos a poder resolver bien problemas de clasificación. Y en esas estamos, con el monocultivo del conexionismo en la Inteligencia Artificial actual.

Un inconveniente serio de las RNA consiste en que no son fáciles de auditar, pueden producir buenos resultados pero nadie, empezando por ellas mismas, sabe cómo se ha llegado a ese resultado. Esto choca frontalmente con la idea de poder construir sistemas que sean capaces de efectuar razonamientos inteligentes. Pero la clasificación tiene sus límites y, en su forma actual, las RNA no van a convertirse en una de esas entidades inteligentes.

El muro de la Inteligencia Artificial
El artículo de Wired trata todos estas cuestiones que hemos mencionado y habla del muro de la Inteligencia Artificial en referencia a la aparente falta de avance real que se está empezando a percibir en la Inteligencia Artificial.

Falta de avance en el sentido de que las aplicaciones que se dan a la Inteligencia Artificial son las mismas una y otra vez. No se vislumbra por ningún sitio la posibilidad de que se puedan construir sistemas artificiales verdaderamente inteligentes.

Pero el origen de estos problemas viene de la obsesión con el conexionismo. De alguna, forma los éxitos cosechados en las aplicaciones de clasificación han extendido la idea de que creando RNA lo suficientemente grandes se podría solucionar cualquier problema. Pero por este camino sólo se pueden solucionar problemas de clasificación.

El artículo de Wired se refiere a las RNA como codiciosas, frágiles, opacas y superficiales. Ya sabemos que, ciertamente, las RNA tienen algunos inconvenientes pero también tienen enormes ventajas. Las dificultades aparecen cuando uno piensa que con RNA se puede solucionar cualquier cosa y termina descubriendo que no hay tanta perfección como se pensaba.

La cuestión fundamental es que no hay evidencia de que el razonamiento inteligente pueda reducirse a problemas de clasificación y por eso puede que las RNA no sean la solución para cualquier problema imaginable. El hecho de que el cerebro humano está organizado en forma de circuitos neuronales no dice mucho en favor de las RNA puesto que estas son una simplificación muy tosca de las redes biológicas y tampoco sabemos bien cómo operan estas últimas a la hora de manejar conceptos de alto nivel.

Así que el supuesto muro de la Inteligencia Artificial no es más que una expresión de las limitaciones intrínsecas de las RNA. Se ha avanzado mucho en los últimos años y se ha demostrado que la clasificación usando RNA es una herramienta muy potente. Pero la Inteligencia Artificial del futuro va a necesitar bastante más que algunas RNA, pormuy grandes que sean.

Hay mucho por hacer y en eso estamos, pero no tiene por qué existir ningún muro. Otra cosa es que algunos se hayan empeñado en hacerlo todo de la misma forma y hayan llevado tan lejos el asunto que ya no les queda mucho recorrido, aunque siguen sin poder resolver la mayor parte de los problemas que tenían al comienzo.

Las RNA han cosechado buenos éxitos en el campo de la Inteligencia Artificial, pero el futuro de la misma precisa de desarrollos más sólidos que sean capaces de justificar y entender lo que hacen. Seguramente las RNA serán una parte importante de este futuro.

Para saber más:

• Wired: The Limits of Artificial Intelligence and Deep Learning

Artículo original en la revista electrónica Wired que se comenta aquí. Es un artículo un poco largo pero está pensado para una audiencia muy amplia, no entra en cuestiones técnicas pero pone de relieve con claridad cuales son las cuestiones básicas en el estado de las cosas respecto a la Inteligencia Artificial.