Inteligencia artificial hasta en la sopa

Ahora todos escuchamos las palabras “Inteligencia Artificial” al menos una vez por día, pero realmente sabemos, ¿qué es y para dónde va?

Lo primero que quisiera hacer es tratar de definir ¿qué es inteligencia artificial? Y cuál es la diferencia con los términos “machine learning”, “data science” y “Deep learning”. Obviamente para los puristas las definiciones que propongo parecerán incompletas, pero para tratar de darnos a todos una idea “macro” del tema, creo que estarán bien.

Según Jeff Leek, la ciencia de datos o “data science” es un campo multidisciplinario que utiliza métodos, procesos, algoritmos y sistemas científicos para extraer conocimientos a partir de los datos.

En cambio, la Inteligencia Artificial (IA) en palabras de Haydé Martínez es “el intento de hacer que un dispositivo o aplicación sean tan o más inteligentes que un humano” y entonces el “machine learning” (o aprendizaje automático) es la columna vertebral de la IA y se define como “una serie de algoritmos que hacen que [ese] dispositivo o aplicación sean artificialmente inteligentes”.

Es como pensar en que la IA es el carro y el aprendizaje automático es el motor de ese carro. Por último, el aprendizaje profundo (Deep learning) es el aprendizaje de conocimientos jerárquicos inspirados en los sistemas nerviosos (p.ej. el cerebro humano) por la manera en que la información se procesa a través de neuronas interconectadas tal y como lo hacemos nosotros para, por ejemplo, hablar.

Ahora que ya sabemos las diferencias, podemos hablar de la importancia de esta tecnología, de cómo afecta nuestra vida diaria y de hasta qué punto podría ayudarnos (¿o reemplazarnos?).

La mayoría de nosotros ha oído hablar de inteligencia artificial desde hace muchos años. En algunos casos, nuestro primer acercamiento al término fue la famosa película de principios de los 2000, protagonizada por Haley Joel Osment y Jude Law. Sin embargo, el término viene de mucho más atrás. A los pocos años de terminada la segunda guerra mundial, en 1950, Alan Turing, uno de los padres de la ciencia de la computación y precursor de la informática moderna decía: “propongo considerar la siguiente pregunta, ¿pueden las máquinas pensar?” y, luego en 1956, el profesor John McCarthy, acuñaba por primera vez el término “Inteligencia Artificial” cuando tratando de proponer cómo los computadores deberían aprender como los niños. Desde entonces nos hemos imaginado el “futuro” como carros voladores, pero en el futuro ya escuchamos “inteligencia artificial” hasta en la sopa. Pero lo cierto es que el futuro sí llego y lo podemos tocar todos los días: cada selección de películas en Netflix, cada vez que hablamos con Alexa o cada vez que traducimos el letrero en chino con Google Translate, estamos haciendo uso de la IA. Y a futuro cercano, aún más. Vehículos autónomos, detección de enfermedades genéticas o, por qué no, detección de minería ilegal en Colombia mediante algoritmos de aprendizaje automático, como el desarrollado por el colombiano Santiago Saavedra y su equipo.

Y es que hay dos factores importantes que han hecho que ahora nos suene más IA que hace tan solo un par de años.

El primero es la gran cantidad de dinero que han invertido fondos y capitales de riesgo en esta tecnología. El segundo, que tan solo en 2 años hemos producido el 90% de todos los datos existentes en el mundo.

¡Increíble!

Recordemos de otro episodio de #Reproductivity (RP 008: La Cuarta Revolución Industrial: ¿qué nos trae la tecnología?) que, dentro los grandes agentes de cambio, una de las tres megatendencias principales es la digital. Y dentro de la transformación digital están el Internet de las cosas, el monitoreo remoto, las mejoras en almacenamiento y muchas más, que, a la larga, dentro de su desarrollo se estrellan con la IA.

Hoy los bots (viene de “robot”) como Siri, que son procesadores de lenguaje naturales, que traducen aquello que les decimos a texto, lo corren en un buscador, y nos vuelven a dar una respuesta en lenguaje hablado, son de todos los días. Pero también son de todos los días (así no sean tan famosos), súperprogramas de IA como Watson de IBM.

Pero esto sirve para llamarnos también la atención y ver todo en perspectiva. En 2013 el Centro del Cáncer MD Anderson, lanzó un proyecto estilo “moon shot” que pretendía diagnosticar y sugerir posibles tratamientos para diversas formas de cáncer utilizando también a Watson. Sin embargo, en 2017, habiendo invertido 62 millones de dólares, el proyecto se puso en pausa. Thomas H. Davenport y Rajeev Ronanki publicaron un interesante artículo y una investigación en el Harvard Business Review, aterrizando un poco la idea de la IA al mundo real. En el artículo sugieren una serie de pasos para implementar la IA de una forma mesurada y menos ambiciosa, y demostraron como esto puede hacer que un proyecto de excelencia cognitiva surta efecto en una empresa y no tenga que cerrarse la empresa por banca rota, luego de haber invertido 62 millones de dólares.

En una encuesta a 250 altos ejecutivos de empresas con experiencia en IA, evidenciaron que el 75% de los encuestados creían que IA cambiaria definitivamente a su empresa en el plazo de 3 años. Y de estos encuestados, los proyectos con IA que han sobrevivido son los 152 proyectos “menos ambiciosos”.

En la práctica, hay 3 tipos de inteligencia artificial:

1.El primero, es la automatización de procesos (la modalidad más utilizada). Este tipo incluye, por ejemplo, transferir datos de e-mail y centros de llamadas a base de datos, para actualización de datos de usuarios o, por ejemplo, el reemplazo de tarjetas de crédito o débito perdidas por los clientes; la corrección en errores de cobro por parte de bancos o, la lectura de documentos legales y contractuales. Estas son todas estrategias relativamente económicas, fáciles de implementar, pero “no tan inteligentes” ya que no tienen la capacidad de autoaprendizaje.

2.El segundo tipo de IA es el análisis de datos. Este tipo, a través de aprendizaje automatizado, tiene aplicaciones prácticas como predicción de qué comprará un cliente; fraude crediticio; detección de problemas de seguridad o calidad en productos como carros; publicidad digital; modelos actuariales más precisos e incluso, como se publicó este mes en una importante revista médica, la predicción de embarazo mediante videos de desarrollo embrionario. Todas estas aplicaciones ya existían de cierta forma en nuestro mundo, pero las que utilizan IA se diferencias de las anteriores en uso de una cantidad mucho mayor de datos, el hecho de que se pueda entrenar a los sistemas y, que estos puedan aprender de ellos mismos. General Electrics ahorró 80 millones de dólares tan solo en el primer año de implementación de un “sencillo” programa que evitaba redundancias en pagos y contratos.

3.Y el tercer tipo de IA es la interacción con clientes y con empleados. Esta categoría incluye los chatbots o bots, de los que ya comentamos, los agentes inteligentes y el machine learning. Sin embargo, estas tecnologías en algunos casos están aún en fase de desarrollo. Por ejemplo, el chatbot de Facebook, logró resolver las dudas de clientes en un 70%, lo que hizo que ahora se esté utilizando solo en casos particulares.

Por último, uno de los temas más controversiales es la probabilidad de que la IA nos reemplace como humanos y empiece a cobrar empleos. Pero acá hay que acarar algunas cosas:

el Oxford Martin Programme on Technology and Employment, de Estados Unidos, calcula que tan solo 0.5% de los empleos de hoy no existían a finales del siglo pasado. En cambio, en 1980 se reportaron un 8% de empleos nuevos y en la década de los 90, un 4.5%.

Esto quiere decir que la cantidad de empleos nuevos hoy, que estén reemplazando los empleos tradicionales no es la que uno pensaría. Sin embargo, en su libro “La Cuarta Revolución Industrial”, Klaus Schwab nos cuenta que, a veinte años, 47% de los empleos sí estarán en riesgo. Se ha calculado que hay algunos empleos que son mucho más probable que desaparezcan que otros. Los que con mayor probabilidad desaparecerán son el vendedor de telemercadeo, los preparadores de impuestos, los árbitros deportivos y los aseguradores. Por el contrario, entre los que es menos probable que desaparezcan se encuentran los psiquiatras, coreógrafos, médicos y cirujanos, psicólogos y profesionales de recursos humanos. No obstante, debemos entender que no se trata de hombre versus máquina, sino de hombre y máquina versus problema. Así que, como dice Masayoshi Son, CEO de Softbank, probablemente no desaparecerán empleos, así como no desaparecieron después de la Tercera Revolución Industrial: tendrán que adaptarse y crearse unos nuevos.

La IA, nunca reemplazará a la creatividad.

En conclusión, es importante que tengamos hoy proyectos pequeños, no muy ambiciosos que utilicen la IA para resolver problemas concretos. Sin embargo, también deberíamos ir pensando en proyectos más robustos a futuro. Es clave que entendamos y hagamos entender a nuestra gente que la IA resuelve tareas y no trabajos, luego en cambio de reemplazar empleados, aumentará y mejorará la actividad humana; realizará tareas específicas de un trabajo mucho más grande (coordinado y ejecutado por humanos) y, hará tareas que igual los humanos no hacíamos antes.