¿Comienza la revolución?

Según Stephen Hawkins, en100 años la inteligencia artificial podría rebelarse, pero un reciente logro acerca aún más esa fecha

Hace poco más de 100 años, el psicólogo alemán William Stern presentó la prueba de coeficiente intelectual como una forma de evaluar la inteligencia humana. Estas pruebas suelen contener tres categorías de preguntas. Unas, basadas en la lógica, como los patrones de secuencias: determinar qué figura continúa en una serie. Otras, basadas en las matemáticas, por ejemplo determinar qué número es el equivalente en una sucesión y, finalmente, las preguntas de razonamiento verbal, basadas en analogías, clasificaciones, sinónimos y antónimos. Desde entonces, los test de inteligencia se han convertido en una herramienta estándar de la vida moderna y se utilizan para determinar la idoneidad de los niños en las escuelas y para testar a futuros empleados. En los dos primeros sectores, los ordenadores son bastante rápidos y llegan a equipararse con la inteligencia humana. Pero la realidad es que nunca han destacado en el área del razonamiento verbal. Esto se puede observar en los traductores on-line, que rara vez utilizan sinónimos para una palabra y jamás se les ocurre traducir segundas intenciones. O al menos así era hasta el momento.

Huazheng Wang, de la Universidad de Ciencia y Tecnología de China y Bin Gao de Microsoft Research en Beijing, se ha interesado en esta última área, el razonamiento verbal, con el objetivo de aumentar la inteligencia de los ordenadores y ver qué eran capaces de conseguir con programas de «deep learning» (aprendizaje profundo, en inglés, una serie de algoritmos que facilitan el aprendizaje de una máquina a través del sistema de prueba y error).En los últimos años, los especialistas en «deep learning» han recurrido a la minería de datos para analizar grandes volúmenes de textos con el propósito de encontrar los vínculos entre las palabras que contienen. Esto les brinda un medio para medir las estadísticas y detectar la frecuencia de aparición de una palabra. Con esto, las palabras dejan de ser sistemas lingüísticos, se transforman en parámetros matemáticos y así las máquinas los comprenden más fácilmente. El problema de este enfoque es que asume que cada palabra tiene un significado exclusivo, es decir un valor numérico único.

Huazheng y Gao utilizaron este mismo método pero con una vuelta de tuerca; no sólo analizaron las palabras, sino también su contexto. Luego recurrieron a un algoritmo para ver cómo se agrupan estas palabras para más tarde comparar los diferentes significados para buscar la que tenga más sentido en el contexto. Esto se puede hacer automáticamente porque la definición de los diccionarios a menudo incluye frases de ejemplo en el que la palabra se utiliza en cada una de sus diferentes acepciones. Todo esto hacía que el programa desarrollado por Huazheng y Gao aprendiera cada vez más acerca de los vocablos. Pero había un último truco: utilizar las pruebas de razonamiento verbal para que la máquina aprenda de las soluciones. Una vez desarrollado por completo el sistema debía testarse. Para ello, se convocó a 200 voluntarios por intermedio de la página de «crowdsourcing» Mechanical Turk de Amazon. Todos ellos con diferentes niveles educativos: algunos eran alumnos de instituto mientras que otros tenían licenciaturas y doctorados. El campo de juego estaba preparado y comenzó el desafío. Para asombro de todos, los resultados fueron impresionantes. «Para nuestra sorpresa, el rendimiento promedio de los seres humanos es un poco menor que el de nuestro método – confirmaba Gao en una entrevista–. Nuestro modelo puede alcanzar el mismo nivel de inteligencia que el de las personas con las licenciaturas y las personas con maestrías».

Ése es el trabajo fascinante que revela el potencial de técnicas de aprendizaje profundas. Huazheng y los suyos son claramente optimistas sobre la evolución futura: «Con el uso adecuado de las tecnologías de ‘‘deep learning’’, podríamos estar un paso más cerca de la verdadera inteligencia humana». Es cierto que aún queda mucho para que un ordenador se pueda equiparar en razonamiento, conciencia y emoción con el cerebro humano. Pero éste es un paso de gigante que, en realidad, no debería sorprender. Sobre todo si viene de China. Recientemente, Baidu, el Google chino, desarrolló el sistema más preciso de reconocimiento de imágenes hasta la fecha. Se llama Deep Image y su puntaje en ImageNet (una fuente de recursos de imagen) fue de 5,98% de errores. En 2014 un equipo de Google ganó la competencia internacional de precisión visual con un porcentaje de error del 6,66%. Bastante lejos de la habilidad humana, que se encuentra en un 5,1%. El logro lo consiguieron justo seis meses después de que Baidu contratara al líder del proyecto Google Brain, un sistema de «deep learning» del buscador.

Ahora China está atravesando la misma etapa industrial y económica que Japón vivió en los años 50, cuando copiaba muchos de los diseños industriales europeos y estadounidenses. No resulta extraño que, al igual que su vecino insular, China comience ahora a crear sus propios ingenios y a asombrar al mundo con avances «inesperados». Nada de eso. En realidad, éste es un primer paso. Este mismo año, sin duda, veremos nuevos desafíos tecnológicos creados por científicos chinos. Y en la próxima década, este gigante asiático ocupará el sitio que hace 15 años tenía Estados Unidos como referencia tecnológica a nivel mundial. Ya está sentando las bases contratando a sus compatriotas que demostraron éxito en otros países.