*

Labs

No todo es Inteligencia Artificial (qué no te vendan humo)

Funciona más fácil de lo que muchos piensan. No es como Skynet, de Terminator, ese sistema de defensa que decidía sobre la suerte de los ciudadanos apuntándoles con un misil; no se trata de esa clase de inteligencia. Por Alejandro Crosa - 22 de Junio 2017
No todo es Inteligencia Artificial (qué no te vendan humo)

Google lo hizo de nuevo. En su conferencia anual para desarrolladores (llamada I/O) presentó varios de sus nuevos productos para este año mostrando, una vez más, que ya no son un buscador sino un conglomerado de empresas que trabajan en temas tan dispares como autos que se manejan solos, teléfonos inteligentes, visores de realidad virtual o, ahora también, pasajes de avión. Este año, sin embargo, todos los anuncios tuvieron algo en común: detrás de las novedades se escondía el fenómeno fetiche del momento, el de "Inteligencia Artificial" (IA). Solo que detrás de los que mucho venden como IA hay solo una cosa: Machine Learning. Y eso es algo bastante distinto; utilizado para confundir.

El futuro de los desarrollos en Silicon Valley va por ahí y Google lo dejó muy claro: en el futuro los productos no solo serán programados manualmente (como lo hacemos ahora) sino que las computadoras van a ser entrenadas para que realicen tareas que hoy solo seres humanos pueden llegar a cabo. El asistente inteligente que presentaron va en esa dirección: al apuntar la cámara del teléfono a un negocio, el software reconoce su fachada y puede dar información del mismo.  Punto para las máquinas. Algo así sería imposible de programar manualmente porque no se podrían escribir todas las combinaciones posibles de fachadas y asignarlas a un negocio en particular. Pero Machine Learning permite simplificar el proceso, entrenando a las computadoras y ayudándolas a aprender patrones y así asignar cierta probabilidad al reconocimiento de los negocios.

Funciona más fácil de lo que muchos piensan. No es como Skynet, de Terminator, ese sistema de defensa que decidía sobre la suerte de los ciudadanos apuntándoles con un misil; no se trata de esa clase de inteligencia. Las máquinas aprenden cuando los humanos les muestran ejemplos (muchos, millones) para poder armar así un set de datos que, luego, puede usarse para compararlos y así clasificar o predecir con determinada exactitud una cosa. El método no es nuevo pero tiene muchas aplicaciones diferentes por eso hay, cada vez más, empresas utilizándolo. Incluso cuando, a veces, el producto no lo necesita.

La razón es sencilla: usar el término "Inteligencia Artificial" es una buena estrategia de marketing. Hace que los productos parezcan innovadores, como si nos visitasen del futuro. La realidad es que de inteligentes no tienen nada; son solo aplicaciones específicas de Machine Learning que permiten clasificar sin esfuerzo manual. Le debemos a los smartphones el hecho de que Machine Learning, una tecnología que nació  hace unos 60 años, esté tan de moda: en los últimos 10, estos gadgets que llevamos en el bolsillo se volvieron 120 veces más potente. Tanto que hoy puede reconocer objetos a partir de un set de datos entrenados.

 

Alejandro Crosa es emprendedor y ex ingeniero de Software en LinkedIn y Twitter.

 

Usando Machine Learning estoy desarrollando una aplicación de nombre Botanicapp que permite, al apuntar el celular, que la App reconozca el objeto para saber si se trata de una planta u otra cosa. En algunos casos, incluso, puede decir de qué tipo de planta se trata. Como este ejemplo, hay otros. La idea es jugar con una tecnología vieja pero que tiene nuevos usos.  Hace ocho años, en LinkedIn, la usábamos para saber qué gente recomendar a través de un proceso lento que tomaba una noche en procesar datos. Hoy, con herramientas de Machine Learning y avances en hardware, esas recomendaciones son infinitamente más rápidas.

La mal llamada inteligencia de las máquinas genera temores porque se la malinterpreta. No van a reemplazar a las humanos (no nos vamos a quedar sin trabajo por ellos) sino que muchos van a mejorar y volverse más eficientes. Los humanos no vamos a ser menos necesarios e imprescindibles porque Machine Learning no ofrece sentido común, intuición o conciencia: son cálculos probabilísticos con márgenes de error que varían según la calidad de los datos. Lejos de Skynet, cerca de los algoritmos de una clase de matemáticas.



¿Te gustó la nota?

Comparte tus comentarios

1 Comentario

Alejo Garcia Reportar Responder

Sí, pero... nuestra inteligencia tampoco es de orden divino.

Notas Relacionadas