Desmitificando a las IAs y vanagloriando nuestros éxitos biológicos

cerebro digital

La semana pasada se supo que AlphaGo, una de las IAs de DeepMind (Google) especializada en el juego de mesa Go, había ganado 60 de los 61 juegos disputados (EN) contra los hoy en día considerados mejores jugadores del mundo.

Mediante una aplicación digital, y bajo el nombre en clave “Master”, esta inteligencia artificial ha demostrado ser sencilla y llanamente mejor que el ser humano… en Go.

Y esta última matización es crítica, ya que me da la impresión de que estamos asociando las características de lo que históricamente conocemos como inteligencia a las inteligencias artificiales que van poco a poco poblando el sector tecnológico, cuando realmente son solo un mero acercamiento a su más básico principio.

AlphaGo es, se mire por donde se mire, un éxito en cuanto a la evolución de redes neuronales y aprendizaje profundo. Hablamos de una máquina capaz de analizar millones de partidas de un juego considerado de los más difíciles de dominar (más que el ajedrez, por cierto, habida cuenta de todas las fichas tienen los mismos movimientos, y esto acaba por ofrecer miles de combinaciones de jugadas más), aprender de los éxitos y fracasos de cada una de ellas, y luego aplicarlo en un entorno controlado contra un humano, siendo capaz de adelantarse a sus jugadas a un nivel que ningún experto ha conseguido superar.

El nivel de especialización de AlphaGo es tal que hoy en día sus únicos competidores reales serían otras máquinas. Y esto es así por el simple hecho de que cada jugada tiene un bagaje de conocimiento de ese universo de millones y millones de jugadas que ha analizado, categorizado y sintetizado con anterioridad. Cada error cometido, cada jugada brillante, cada cálculo, almacenado en “un cerebro digital” capaz de aplicarlo en cada nuevo movimiento.

Una inteligencia que no duerme, no descansa ni necesita parar. El tiempo no es su enemigo, sino justo lo contrario. Conforme más pase, será cada vez mejor (tanto por hardware como por software y por conocimiento), y por tanto, cada vez más difícil de ganar. Justo al contrario que en nuestro caso.

Y aquí acaban sus ventajas

AlphaGo es imbatible jugando a Go, pero (y aquí viene la parte importante del artículo) es lo único que sabe hacer.

AlphaGo no sabe hacer un huevo frito, ni tampoco jugar al ajedrez. No sabe diferenciar a una persona de un árbol en una imagen, ni mucho menos decir “Hola”. En DeepMind están trabajando también en otros desarrollos (como el de optimizar el gasto energético de sus instalaciones y mejorar el hardware de sus cerebros), pero la realidad es justo esa: Que AlphaGo solo sirve para jugar a Go. Y que aunque sea muy buena en ello, no sirve para nada más. Es, en un ámbito general, profundamente ineficiente.

Y no es la única. No existe en la actualidad ninguna IA que sea eficiente en un entorno real.

Las inteligencias artificiales que hemos sido capaces de crear hasta ahora nos superan con el tiempo y con recursos en labores muy limitadas y específicas, pero nuestra biología gana por goleada en un entorno físico, caótico y profundamente complejo como es el mundo real.

Para colmo, y si nos atenemos puramente al ámbito de actuación de estas IAs, nos encontraremos con que nuestro cerebro es, pese a su inferioridad, muchísimo más eficiente.

Para jugar como juega hoy en día AlphaGo, la máquina ha tenido que estudiar millones de jugadas anteriores, y acudir a ese aprendizaje en cada una de las jugadas que realiza. Ha tenido que jugar miles y miles de partidas para llegar al nivel en el que está actualmente, con el gasto energético que todo esto supone. Por contra, un experto en AlphaGo (o en lo que sea), dentro de las limitaciones biológicas y vitales que tiene, es capaz con infinitamente menos información obtener un resultado verdaderamente bueno. Insuficiente para ganar a AlphaGo, sí, pero muchísimo más eficiente. Y mientras tanto, por cierto, ha sido capaz de dominar muchísimas otras acciones complejas necesarias para la vida (respirar, procesamiento del lenguaje y los sentidos, andar, comer…).

El resultado final es que dentro de nuestras limitaciones, el cuerpo humano y la inteligencia de cualquiera de nosotros nos ofrece un sistema muchísimo más avanzado que el de cualquier inteligencia artificial que hayamos creado. Lo cual es hasta cierto punto normal, habida cuenta de que el desarrollo biológico ha llevado milenios, y el informático apenas unas décadas. Que nuestro cerebro ha evolucionado después de millones de oportunidades de aprendizaje (mutaciones que funcionan vs mutaciones que no), y que las inteligencias artificiales no dejan de ser una creación básica de lo que creemos entender de nuestro propio funcionamiento.

¿Cuál es el camino a seguir entonces?

Quien escribe lo tiene muy claro.

Hemos creado un ecosistema muy rico en información que ha demostrado, en ámbitos muy limitados, ser más exitoso que el nuestro. Ahora toca la parte difícil, que pasa por sacar más valor gastanto menos recursos.

  • Ser más eficientes, a fin de cuentas, a la hora de hacer aprender a una máquina X tarea, encontrando la manera de que con menos ensayos de prueba-error y con menos estudio de ensayos anteriores, llegue al mismo nivel de efectividad que las actuales.
  • Ser más eficientes a la hora de que con sistemas más limitados en recursos (miniaturización del hardware, consumo energético inferior…), lleguemos a los mismos niveles actuales, o ya puestos, los superemos.
  • Y sobre todo, ser más eficientes en un entorno real, lejos de los laboratorios controlados donde operan la mayoría de estas IAs.

Solo así conseguiremos desarrollar asistentes del hogar que de verdad sean capaces de anteponerse a las necesidades de los usuarios. Coches autónomos que no solo sean capaces de conducir a la perfección en un circuito cerrado y/o en carreteras únicamente utilizadas por sus homólogos, sino también frente a los eventuales acontecimientos de una vía compartida con la irracionalidad humana.

Hacia allí debería remar la verdadera inteligencia artificial, y allí acabará por llegar. Pero hasta entonces deberíamos aceptar que estos hitos no son tan sorprendentes como lo es el que cualquiera de nosotros sea capaz de hacer tantísimas cosas complejas a la vez sin apenas gastar energía. Sin tener que acudir a una biblioteca segmentada con millones de situaciones anteriores para realizarlas. Sin necesidad de ojear a cada rato las forma de miles de objetos que hemos visto con anterioridad para saber que eso es un gato, una farola o un camión que se dirige a gran velocidad hacia nosotros.

Es increíble todo lo que hemos conseguido con los sistemas binarios. Pero más increíble es darse cuenta de lo complejo, y sobre todo, eficiente, que es nuestro organismo. A un nivel que ya nos gustaría poder emular electrónica e informáticamente.