México | Consideraciones Sobre La Revolución Cognitiva En Que Vivimos
La tesis y el proyecto final de mi licenciatura en Ingeniería Industrial trataron de un sistema de reconocimiento de voz (que realmente sólo comprendía números) que programé en C++ usando redes neuronales y modelos ocultos de Márkov.
Por sorprendente que parezca, la verdad es que su alcance era limitado. Lo entrené con un conjunto de datos obtenidos de la población total de mi dormitorio universitario, que consistía en aproximadamente 150 estudiantes, quienes pacientemente pasaron por mi habitación en su tiempo libre para decirle unos pocos números a mi sistema. El tiempo de procesamiento era algo desesperante, me tomó toda la noche entrenar al sistema, ejecutando Linux en mi Compaq 486. Al final, el sistema pasó a reconocer números con mucha exactitud, con independencia de quien los pronunciara. Más o menos al mismo tiempo, Deep Blue derrotó a Kaspárov, el campeón mundial de ajedrez, ¡por primera vez! Garry ganó los tres partidos siguientes, el sistema no era realmente “inteligente”, de la misma que una calculadora no es inteligente, sólo seguía reglas.
Ni en mis mejores sueños me podría haber imaginado que, cerca de 20 años después, los mismos principios de aprendizaje automático que utilicé en mi sistema de reconocimiento de números serían el epicentro de la increíble revolución cognitiva en que estamos inmersos actualmente.
El ritmo del cambio tecnológico no tiene precedentes. Tras echarle un vistazo al sitio web de TensorFlow el pasado fin de semana y navegar por todos los recursos con disponibilidad inmediata que la comunidad ha creado y compartido hasta el momento, me parece que lo que solía demorarse varios meses para desarrollar podría hacerse en menos de una semana actualmente y podría implementarse con un desempeño mucho mejor aún en dispositivos móviles, porque ¿dónde más querríamos utilizarlo hoy día? Parece que nuestra civilización ha adoptado completamente el proverbio africano que dice “si quieres ir rápido, camina solo. Si quieres llegar lejos, ve acompañado” — y esta es una muy buena noticia para este esfuerzo.
Para quienes demuestran una inclinación al optimismo, el crecimiento de la productividad con base en la Inteligencia Artificial es una promesa de desarrollo para la economía global una vez que las empresas podrán innovar y llegar a mercados mal atendidos de forma más eficaz con productos que ya existen, y permitiendo la creación de nuevos productos y servicios a largo plazo.
Para comprender lo que actualmente denominamos Inteligencia Artificial y sus capacidades, así como diferenciar lo falso de lo real, es imprescindible saber que el tipo de Machine Learning conocido como Deep Learning todavía está basado en redes neuronales artificiales, fundamentadas en el modo de funcionamiento del cerebro humano. Investigadores entrenan redes neuronales con ajustes en las funciones de activación y sus respectivos pesos para obtener los resultados deseados. Con una sola capa de red (al igual que mi reconocedor de números) solamente se pueden identificar patrones, pero con múltiples capas se pueden encontrar patrones en los patrones. Los sistemas de redes neuronales actuales normalmente están compuestos de 20 a 30 capas. Tal elevado nivel de abstracción es el principal motivo de las mejoras considerables en Machine Learning e IA. Hay muchísimos tipos de variaciones de IA (con supervisión, sin supervisión, por refuerzo, por transferencia, etc.), pero no entraré en eso aquí.
