{"id":19237,"date":"2019-11-27T09:02:15","date_gmt":"2019-11-27T15:02:15","guid":{"rendered":"http:\/\/otech.uaeh.edu.mx\/noti\/?p=19237"},"modified":"2019-11-27T09:03:11","modified_gmt":"2019-11-27T15:03:11","slug":"de-que-seran-capaces-la-inteligencia-artificial-y-el-machine-learning-en-10-anos-los-mayores-expertos-nos-responden","status":"publish","type":"post","link":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/de-que-seran-capaces-la-inteligencia-artificial-y-el-machine-learning-en-10-anos-los-mayores-expertos-nos-responden\/","title":{"rendered":"De qu\u00e9 ser\u00e1n capaces la inteligencia artificial y el machine learning en 10 a\u00f1os: los mayores expertos nos responden"},"content":{"rendered":"

Parece que el t\u00e9rmino\u00a0<\/span>Inteligencia Artificial no se nos cae de la boca<\/strong>\u00a0<\/span>desde hace un par de a\u00f1os, pero lo cierto es que\u00a0<\/span>fue en 1956\u00a0<\/span>cuando un profesor universitario, John McCarthy, lo acu\u00f1\u00f3 en una coferenecia acad\u00e9mica. Aunque las Leyes de Turin y de Asimov son de 1950, habr\u00eda que esperar 6 a\u00f1os para acu\u00f1ar este t\u00e9rmino y referirse a ese conjunto de tecnolog\u00edas con las que se pretende que las m\u00e1quinas sean inteligentes.<\/p>\n

Desde entonces (han pasado m\u00e1s de 6 d\u00e9cadas), los avances han sido llamativos: ordenadores capaces de ganar a campeones de ajedrez, m\u00e1quinas que aprenden solas, coches que se conducen solos\u2026<\/p>\n

Pero, \u00bfqu\u00e9 ser\u00e1 realmente la\u00a0<\/span>Inteligencia Artificial\u00a0<\/span>capaz de hacer dentro de 10 a\u00f1os? \u00bfSeguiremos llamando Inteligencia Artificial a la Inteligencia Artificial? \u00bfQu\u00e9 hay de realidad y qu\u00e9 de ciencia ficci\u00f3n<\/strong>\u00a0<\/span>o esperanza en lo que se dice sobre estas tecnolog\u00edas?<\/p>\n

Hemos\u00a0<\/span>hablado con varios expertos<\/strong>\u00a0<\/span>en la materia:\u00a0<\/span>Nuria Oliver\u00a0<\/span>ingeniera en telecomunicaciones y doctora por el Media Lab del Instituto Tecnol\u00f3gico de Massachusetts,\u00a0<\/span>Richard Benjamins, Data & IA Ambassador de Telef\u00f3nica,\u00a0<\/span>Andres Torrubia, ingeniero y CEO de\u00a0<\/span>Fixr<\/a>\u00a0<\/span>y\u00a0<\/span>Pedro Larra\u00f1aga, Catedr\u00e1tico de Ciencias de la Computaci\u00f3n e Inteligencia Artificial de la Universidad Polit\u00e9cnica de Madrid. Esto es lo que nos han contado.<\/p>\n

Por qu\u00e9 es dif\u00edcil hacer estos pron\u00f3sticos<\/h5>\n
\n
\n
\n
\n

Dentro de 10 a\u00f1os, habr\u00e1 muchas herramientas que permitan acabar con el problema de los sesgos y la discriminaci\u00f3n<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Si hacer predicciones a futuro es dif\u00edcil, hacerlo sobre una tecnolog\u00eda como la Inteligencia Artificial se antoja\u00a0<\/span>complicada incluso para los propios expertos<\/strong>\u00a0<\/span>que trabajan en su desarrollo. Para entenderlo un poco mejor, Andr\u00e9s Torrubia explica que todos los avances que estamos viendo a d\u00eda de hoy provienen de la disciplina del deep learning o aprendizaje profundo. Una materia que, hace precisamente 10 a\u00f1os, \u201cno funcionaba a nivel pr\u00e1ctico. Esto nos da una visi\u00f3n de la complejidad de hacer predicciones a futuro, porque si hace 10 a\u00f1os me hubieras hecho esta misma pregunta, te hubiera contestado que estaba atascado\u201d.<\/p>\n

Por eso, los expertos que hemos consultado prefieren, como punto de partida, hacer un repaso de lo que se ha conseguido en esta d\u00e9cada para intentar vislumbrar de qu\u00e9 ser\u00e1 capaz en unos a\u00f1os.<\/p>\n

Durante este tiempo,\u00a0<\/span>la tecnolog\u00eda ha aprendido a reconocer objetos y caras<\/strong>, a realizar an\u00e1lisis predictivos (que se aplican en anuncios o en medicina) o a generar juegos (tipo\u00a0<\/span>Pokemon go<\/a>). Todos estos son modelos predictivos, pero tambi\u00e9n hay modelos generativos, los que son capaces de crear algo: escribir, pintar\u2026 O inventar caras de personas, por ejemplo.<\/p>\n

\n
\n
\"Andres\"Andr\u00e9s Torrubia<\/span><\/div>\n<\/div>\n<\/div>\n
La conducci\u00f3n aut\u00f3noma ser\u00e1 t\u00e9cnicamente viable<\/h5>\n

Por eso, y subrayando que es muy dif\u00edcil de saber qu\u00e9 ser\u00e1 capaz de hacer la tecnolog\u00eda en el futuro porque, Nuria Oliver desgrana que si seguimos avanzando en las mismas \u00e1reas de los \u00faltimos 5 a\u00f1os (reconocimiento de patrones en video, texto, im\u00e1genes y audio, es decir, en datos no estructurados), la conducci\u00f3n aut\u00f3noma ser\u00e1 realidad desde el punto de vista t\u00e9cnico. \u201cTendremos las habilidades t\u00e9cnicas para tener una\u00a0<\/span>conducci\u00f3n aut\u00f3noma\u00a0<\/span>segura, aunque\u00a0<\/span>hay otros factores no tecnol\u00f3gicos que determinar\u00e1n si es realidad o no en el mercado<\/strong>\u201d, avanza.<\/p>\n

\n
\n
\n
\n

La personalizaci\u00f3n de la educaci\u00f3n o los tratamientos m\u00e9dicos tambi\u00e9n ser\u00e1n una realidad de aqu\u00ed a unos a\u00f1os<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Richard Benjamins ahonda en el hecho de que, en estos momentos, los coches ya son capaces de reaccionar sobre lo que ven los sensores y lo que han aprendido. \u201cPero\u00a0<\/span>en el futuro podr\u00e1n predecir los comportamientos de otros coches<\/strong>, conducidos por coches y personas\u201d. Un componente que no est\u00e1 presente hoy, pero s\u00ed en el futuro, \u201cimitando lo que hacemos los humanos\u201d-<\/p>\n

Cuando se habla de conducci\u00f3n aut\u00f3noma, \u00e9sta se dividen en 5 niveles. Andr\u00e9s Torrubia explica que si el nivel 5 es el de m\u00e1xima autonom\u00eda,\u00a0<\/span>en 10 a\u00f1os muchas ciudades ya estar\u00e1n en el nivel 4<\/strong>\u00a0<\/span>(que a\u00fan sigue exigiendo que un humano lleve las manos en el volante). \u201cA nivel 5 no se llegar\u00e1 por cuestiones puramente t\u00e9cnicas\u201d, avanza, salvo en entornos muy cerrados y controlados.<\/p>\n

Diagn\u00f3sticos, medicina personalizada y mol\u00e9culas bajo el prisma de la IA<\/h5>\n

Medicina ser\u00e1, seg\u00fan estos expertos, otra de las \u00e1reas en las que m\u00e1s avances veremos. Aunque hoy en d\u00eda sigue es una de las tem\u00e1ticas de las que m\u00e1s se habla, seg\u00fan Andr\u00e9s Torrubia a\u00fan no est\u00e1 desplegada con todo su potencial, por lo que cuando este se produzca veremos importantes adelantes. \u201cHoy ya est\u00e1 ayudando en el dise\u00f1o de f\u00e1rmacos, pero las mol\u00e9culas tienen que pasar por ensayos cl\u00ednicos.\u00a0<\/span>La IA dise\u00f1ar\u00e1 mol\u00e9culas, pese a que, con raz\u00f3n, sigue siendo un sector muy regulado<\/strong>\u201d.<\/p>\n

As\u00ed pues, ser\u00e1 un avance que ir\u00e1 lento \u201cporque se tiene que validar muy bien\u201d. Pero en el dise\u00f1o de tratamientos, en\u00a0<\/span>el diagn\u00f3stico ser\u00e1 cada vez m\u00e1s com\u00fan\u00a0<\/span>que la Inteligencia Artificial se aplique a temas de im\u00e1genes y radiograf\u00edas. Algo en lo que coincide Benjamins. \u201cSeguro ser\u00e1n\u00a0<\/span>diagn\u00f3sticos m\u00e9dicos muy buenos, incluso mejores que los realizados por los propios m\u00e9dicos expertos<\/strong>. Y es algo que ya se hace\u201d. Pero, seg\u00fan su visi\u00f3n, la verdadera aportaci\u00f3n a diez a\u00f1os vista ser\u00e1 que tambi\u00e9n se podr\u00e1 explicar c\u00f3mo se ha llegado a este diagn\u00f3stico. Aunque ahora el Machine Learning y la IA pueden hacer estos diagn\u00f3sticos, es muy dif\u00edcil explicar este diagn\u00f3stico, tanto al profesional como al particular. \u201cEn 10 a\u00f1os s\u00ed que se podr\u00e1 explicar. Tanto a nivel general como en casos concretos\u201d, augura este experto.<\/p>\n

\n
\n
\"Benjamins\"Richard Benjamins<\/span><\/div>\n<\/div>\n<\/div>\n

La Inteligencia Artificial tambi\u00e9n ayudar\u00e1 a sugerir tratamientos. Seg\u00fan este experto, en 10 a\u00f1os lo veremos muy desplegado y esto ayudar\u00e1 a la eficacia del m\u00e9dico. \u201cSer\u00e1 una herramienta, no sustituye a este profesional<\/strong>\u201d, subraya.<\/p>\n

Eso s\u00ed, seg\u00fan Torrubia, no deber\u00edamos dejar a la IA dejar actuar en muchas facetas sin supervisi\u00f3n humana \u201cporque la tecnolog\u00eda tiene limitaciones\u201d.<\/p>\n

Nuria Oliver, en este punto, considera que, como en el tema de la conducci\u00f3n, ser\u00e1n otros factores los que determinen si realmente llegaremos a usar tanto la IA en el campo de la salud. \u201cGeneremos muchos datos de nuestra salud, y cada vez m\u00e1s. Todas las pruebas m\u00e9dicas son digitales, secuenciamiento de ADN, informes m\u00e9dicos y radiograf\u00edas. Es una gran fuente de datos no estructurados que son los que la IA puede interpretar y\u00a0<\/span>encontrar patrones<\/a>. En radiolog\u00eda est\u00e1 ya en los primeros resultados. Los algoritmos ya pueden detectar tumores de diferentes tipos con una precisi\u00f3n superior a la de un radi\u00f3logo”, expone.<\/p>\n

Sin embargo, eso no quiere decir que toda la medicina del futuro se base en lo que diga la Inteligencia Artificial. “No es algo sencillo porque\u00a0<\/span>una \u00fanica prueba m\u00e9dica no tiene la respuesta<\/strong>\u00a0<\/span>y tener un diagn\u00f3stico sino que se necesitan varias pruebas, pero los algoritmos nos ayudar\u00e1n a avanzar en este campo\u201d.<\/p>\n

Lenguaje, escritura y otras comunicaciones<\/h5>\n

La IA se desarrollar\u00e1 tanto en los pr\u00f3ximos a\u00f1os que seguramente nos cueste distinguir cu\u00e1ndo nos estamos comunicando con un humano y cu\u00e1ndo con una m\u00e1quina.<\/p>\n

\n
\n
\n
\n

Podremos hablar con las m\u00e1quinas como con los humanos, con una fiabilidad del 98%<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Oliver asegura que una de las grandes promesas que se ve son las capacidades de\u00a0<\/span>interactuar con naturalidad a la tecnolog\u00eda<\/strong>. Es decir, hablarle a la tecnolog\u00eda y que nos entienda. \u201cAhora lo empezamos a poder hacer con asistentes y tel\u00e9fonos. Cada vez ir\u00e1 mejorando m\u00e1s, porque hay muchas cosas que no entienden. El progreso en procesamiento del lenguaje natural ser\u00e1 grande\u201d, asegura esta experta.<\/p>\n

Para eso, Andr\u00e9s Torrubia explica que la tasa de acierto debe ser superior al 98%. \u201cUn 90% supone que en una de cada 10 palabras falla. Y a la m\u00ednima los asistentes no nos entienden. Pero en 10 a\u00f1os no, la interacci\u00f3n va a ser mucho m\u00e1s natural\u201d, avanza este experto. Tanto que, en lugar de tener que adaptarnos nosotros a ellos ser\u00e1n ellos los que est\u00e9n adaptados a nosotros.<\/p>\n

As\u00ed que, como dice Richards,\u00a0<\/span>Google Duplex<\/a>\u00a0<\/span>estar\u00e1 mucho m\u00e1s extendido sobre m\u00e1s dominios y podr\u00e1n tener un lenguaje natural, tener una conversaci\u00f3n con una m\u00e1quina.<\/p>\n

Pero esta interpretaci\u00f3n del lenguaje natural no ser\u00e1 solo oral, sino tambi\u00e9n escrito. Seg\u00fan Torrubia, las m\u00e1quinas del futuro ser\u00e1n capaces de escribir y hacerlo bastante bien. \u201cYa escriben un comentario de texto, pero me atrever\u00eda a decir, siendo muy aventurado, que\u00a0<\/span>escribir\u00e1n historias coherentes y largas<\/strong>\u201d, asegura.<\/p>\n

La personalizaci\u00f3n de la educaci\u00f3n<\/h5>\n

Para Nuria Oliver otra \u00e1rea en la que la IA avanzar\u00e1 mucho en los pr\u00f3ximos 10 a\u00f1os es todo lo que tiene que ver con educaci\u00f3n. \u201cEn China ya est\u00e1n realizando experimentos, utilizando IA para tener educaci\u00f3n personalizada y adaptar los curriculus a cada ni\u00f1o\u201d, explica.<\/p>\n

Aunque habr\u00e1 que ver los resultados que estos experimentos ofrecen, Oliver no duda de que\u00a0<\/span>es un \u00e1rea de oportunidad<\/strong>. \u201cNos permite personalizar la educaci\u00f3n y eso ahora mismo no es viable. Sabemos que los ni\u00f1os aprenden con diferentes estilos, ritmos y t\u00e9cnicas y hay un profesor cada 30 alumnos. Es muy dif\u00edcil ofrecer esa personalizaci\u00f3n. Pero con IA s\u00ed se puede, adem\u00e1s para la para\u00a0<\/span>detecci\u00f3n temprana para dificultades como dislexia<\/strong>\u00a0<\/span>o discapacidad para que desaparezca este concepto porque se compense con la IA\u201d.<\/p>\n

\n
\n
\"Nuria\"Nuria Oliver<\/span><\/div>\n<\/div>\n<\/div>\n
\u00bfSesgos? \u00bfQu\u00e9 sesgos?<\/h5>\n

Tanto Torrubia como Richards explican que los sistemas de Inteligencia Artificial se basan en correlaciones, en b\u00fasqueda de patrones. Y \u00e9sa es, precisamente, una de las grandes diferencias con la Inteligencia Humana y lo que acaba provocando algunos problemas, como los\u00a0<\/span>conocidos sesgos. \u201cLas personas diferenciamos correlaciones de causa-efecto, pero las m\u00e1quinas no\u201d, ahonda Torrubia. Por eso los sistemas fallan y tienen sesgos y est\u00e1n mal configurados y refuerzan sesgos negativos. “Es lo que han visto y no entienden las relaciones causa efecto a d\u00eda de hoy\u201d.<\/p>\n

\n
\n
\n
\n

La inteligencia humana sigue siendo m\u00e1s compleja y completa que la artificial, por lo que los expertos no temen un dominio de las m\u00e1quinas<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Por eso, un \u00e1rea activa de investigaci\u00f3n en los avances de IA en datos son las\u00a0<\/span>abordar las limitaciones de los sistemas existentes<\/strong>, como la discriminaci\u00f3n y sesgos. \u201cLa aspiraci\u00f3n es que al usar datos estos algoritmos no sufran los sesgos que tenemos los humanos\u201d, detalla Oliver. \u201cNos damos cuenta de que los datos no son un reflejo objetivo de la realidad, sino que est\u00e1n sesgados. Y\u00a0<\/span>si le ense\u00f1as a un algoritmo esos sesgos, los puede maximizar<\/strong>\u201d, avisa.<\/p>\n

\n
\n