Inteligencia Artificial pervasiva

No es que la Inteligencia Artificial sea una disciplina nueva, de hecho tiene ya unas cuantas décadas. Sin embargo, la creciente disponibilidad del dato y la complejidad del planeta hacen ahora un fértil caldo de cultivo para la implantación masiva de la disciplina.

Inteligencia Artificial se refiere a la integración de una serie de tendencias e innovaciones en el mundo de los negocios que incluye Internet of Things, Big Data, Blockchain, Bitcoin, desintermediación, transformación digital, globalización y otras.

Vemos tres tendencias tecnológicas:

-        -  Integración del mundo real y del mundo virtual. Tecnologías del tipo de Digital Twins, IoT, Cloud, 5G están generando una capacidad de simulación, es decir, réplica del mundo real en información. Esto permite probar, aprender y tomar decisiones sin impactos reales y de forma reversible;

-        -  Digitalización y electrificación. Los vehículos híbridos, Smart factories y la conducción autónoma son ejemplos de esta tendencia, que consiste en añadir el dato y la toma de decisiones a las máquinas previamente existentes;

-        -  Inteligencia pervasiva. Consiste en añadir inteligencia al comportamiento de las máquinas. IA, Machine Learning, Analitica de negocio y los contenidos digitales están aplicando estas tecnologías y consiguiendo que los seres humanos percibamos una interrelación hombre máquina basada en la 

confianza y en el igual igual.

Empresas como Google, Facebook, Siemens, Samsung, Tesla, Netflix, Alibaba, Tableau, Nvidia … están obteniendo beneficio de estos cambios sociales, económicos y medioambientales que están ocurriendo.

La inteligencia artificial está ya teniendo repercusión activa en nuestras vidas. Por ejemplo, Connie es el primer robot conserje virtual para hoteles desarrollada por IBM Watson. Viajar es frecuentemente estresante y requiere múltiples decisiones unas sencillas y otras complejas. El viajero necesita una guía para tomar estas muchas decisiones. La industria del turismo está desarrollando aplicaciones para responder a estas necesidades.

Desde un punto de vista subjetivo y desde el cliente, estos robots funcionan. Los que lo han experimentado están sorprendidos de compartir ascensor con un robot que amablemente te guía a través de todo el aprendizaje asociado con los servicios de un hotel, recomendando y ofreciendo. Genera confianza.

Por qué podemos decir que Connie es inteligente y nos fiamos de esa inteligencia para hacer preguntas y entender las respuestas? Se habla de Inteligencia Artificial cuando los seres humanos percibimos inteligencia, cuando la máquina percibe su entorno y toma decisiones y acciones que maximizan la probabilidad de éxito en la resolución de un problema.

John Searle en 1980 realizó un experimento sobre la inteligencia o no inteligencia asociada a una máquina. Searle se imagina en una habitación con un libro que le permite responder a mensajes en caracteres chinos entrantes por una ventanilla. Aunque no sabe nada del idioma chino, a partir de un libro obtiene las instrucciones para manipular los símbolos y números para producir un mensaje con una serie de caracteres chinos, que salen por otra ventanilla, hasta el punto de hacer creer fuera de la habitación que en ella hay una persona con conocimiento del idioma chino.

La pregunta que se hace es si la habitación habla chino? Sin duda, es un ser inanimado y no es posible dotar de capacidades humanas a un ser inanimado. Además no hay nadie dentro que sepa hablar chino. Pero tampoco hay duda de que el comportameinto de la habitación es el esperado y la habitación en su conjunto puede caracterizarse de chinoparlante. Aunque no hay comprensión profunda de chino, el comportamiento percibido por la persona externa es el mismo.

El test de Turing definía inteligencia como aquel sistema con el que un ser humano pudiese chatear y pasase por humano al otro lado de la conversación virtual. Searle resuelve que no es lo mismo manipular símbolos que entender el mundo de los significados semánticamente. Es decir, que los ordenadores no funcionan como la mente humana.

Años más tarde, Searle dice que la diferencia tiene que ver con la conciencia y con la intencionalidad. Así sin más, la sintáctica no produce semántica, y los poderes específicos de la biología cerebral no se puede esperar que generen procesos cognitivos.

Esto tiene implicaciones en términos regulatorios y legales. Mientras asumamos que no hay inteligencia si no tenemos comprensión profunda (que solo es posible entendiendo los procesos biológicos), no permitiremos la legalidad dela toma de decisiones tomada por máquinas. Solamente si asumimos el comportamiento inteligente en tanto que percibido por el ser humano, podremos llegar a legalizar la conducción de vehículos autónomos o la toma de decisiones médicas asistida por ordenador.

Sobre el impacto en la sociedad, la economía y el medio ambiente se ha escrito mucho, y está muy bien expresado en el cine. Películas como Ex Machina, Trascendence, Blade Runner, Yo Robot, The Matrix, I am Mother, Terminator, entre otras, muestran escenarios futuros. Algunos son optimistas y muestran una realidad salvada por la inteligencia artificial, los utópicos, mientras que otros muestran una realidad muy pesimista, los distópicos, donde el ser humano se vuelve siervo de las máquinas.

Entre la utopía y la distopía está el concepto de singularidad. Es el momento en el tiempo en que los avances de la inteligencia artificial pueden llevar al diseño de algún tipo de forma de vida tecnológica más inteligente que los seres humanos. Los miedos asociados al momento de la singularidad tienen que ver con el ser humano como siervo de las máquinas. Y su irreversibilidad.

Es posible que un día la máquina creada sea más inteligente que su creador, pero hay muchos teóricos de la inteligencia artificial que ven solamente una visión reduccionista del significado más amplio de mente humana. Hay capacidades que difícilmente pueden emularse, como la curiosidad, la imaginación, la intuición, las emociones, la pasión, los deseos, el placer, la estética, la alegría, el propósito, los objetivos, las metas, el telos, los valores, la moralidad, la experiencia, la sabiduría, el juicio e incluso el buen humor.

En esta visión escéptica de la singularidad, la dificultad de producir un poco de inteligencia hoy es enorme, el concepto de superinteligencia capaz de autoaprendizaje recursivo se ve realmente lejos.

Asimismo, Grady Booch, https://www.youtube.com/watch?v=z0HsPBKfhoI, nos pide no tener miedo a la superinteligencia. La inteligencia artificial está aquí para mejorar la vida humana, no para destruirla. El HAL del Dr. Chandra es una máquina sensible, y es posible construirla. Además, será buena, cuando se nos pase el miedo a lo nuevo, como cuando apareció el coche a motor y teníamos miedo a la desaparición de la familia. HAL controlaba el Discovery, como SkyNet controlaba cada aspecto de Terminator, pero no tenía intención propia. Los seres humanos programamos nuestras máquinas para preservar nuestros valores y de ahí no hay puerta de salida. Estamos en un punto de coevolución con las máquinas y esto es una tremenda aventura.

Cuál es el estado del arte en 2020? Hoy tenemos computadores cognitivos que únicamente funcionan con algoritmos. Solo pueden saber lo que se les enseña. Solo pueden controlar aquello que les damos control. Estos algoritmos solo pueden hacer trabajo procedimental y aburrido, aunque son más consistentes y más rápidos que los seres humanos.

Pero también tenemos computadores que exhiben inteligencia. Estos son desarrollados mediante un proceso muy diferente, mediante la transferencia de conceptos y relaciones humanos.

Este proceso es altamente sensible a la disponibilidad de expertos en cada materia: abogados, ingenieros, biólogos, … Habitualmente estos expertos tienen poca experiencia sobre machine learning, lo que genera grandes problemas de comunicación y de metodología. Los expertos llevan a un proceso de anotación de conocimiento que consiste no solo en recoger información sino en encontrar las causas, los efectos, los funcionamientos internos,.

Este conocimiento anotado da vida a las taxonomías y las ontologías, que es una parte de cómo los seres humanos aprenden pero solamente una parte. Una ontología es una representación visual en un campo de conocimientos de sus conceptos y las relaciones entre ellos.

Es una enorme cantidad de trabajo, y además tiene tanto valor como los datos y el tiempo invertidos. Tiene un sesgo que viene de lo que se le enseña al sistema. Crear inteligencia artificial requiere algoritmos, documentos, anotación, iteración y repetición, generalmente asistido por herramientos como IBM Watson Knowledge Studio.

La exactitud de la inteligencia artificial es mucho menor que la de un algoritmo, y esto es importante en unos sectores más que en otros. En ecommerce o en seguros es menos importante que en conducción autónoma de automóviles o en medicina.

Al final el objetivo es el éxito y la reducción de recursos. Machine learning crea especialistas altamente formados, pero no crea conocimiento genérico.

En resumen, Inteligencia Artificial puede ser definida como inteligencia percibida en una máquina. Una máquina inteligente es un agente racional flexible que percibe su entorno que arranca acciones que maximizan el éxito en un reto dado de antemano. Se habla de inteligencia artificial cuando una máquina imita las funciones cognitivas que los humanos asociamos con otra mente humana, como el aprendizaje o la resolución de problemas. Algunas capacidades habitualmente asociadas son el procesado de lenguaje natural, jugar al ajedrez o la conducción autónoma de un vehículo.

El concepto de singularidad puede definirse como el escenario en el que suficiente software inteligente pueda ser capaz de reprogramarse y mejorar él mismo, llegando a un nivel de auto-mejora recursiva. Esta nueva inteligencia podría así crecer exponencialmente y superar a la humana. No somos capaces de imaginar las capacidades de esta inteligencia. Los autores sitúan este momento entre 2030 y 2045.

El concepto de machine learning puede definirse como la capacidad de aplicar un mismo conocimiento a distintos grupos de datos. Esto ofrece la habilidad de descubrir información nueva. Va mucho más lejos que un algoritmo, que es solo un proceso o conjunto de reglas seguido secuencialmente por un ordenador como operaciones y cálculos.