Cuando escuchamos Inteligencia Artificial (así, con mayúsculas) o grandes palabras como Machine Learning o Big Data, nuestro pensamiento se evade, asciende sobre el mapa, cruza el _charco_ y se planta en Silicon Valley. En la puerta de las grandes empresas tecnológicas.
Pero no hay que irse tan lejos para encontrar compañías punteras como Knowdle con la capacidad de desarrollar una inteligencia artificial (tal es el caso de la app Buaala) que no sólo genere ruido mediático sino que, además, proponga soluciones alternativas a cuestiones de ocio.
En este artículo hablaremos del presente de la inteligencia artificial, de las últimas noticias en IA (como DeepMind, la máquina que _aprende_), y de cómo se usan estos avances para ahorrarnos tiempo en la elección del ocio audiovisual. Porque la inteligencia artificial sólo es útil si resuelve problemas humanos.
Así está a día de hoy la inteligencia artificial
Hay muchos modos de contestar a la pregunta: ¿Cómo de inteligente es una inteligencia artificial? Un modo relativamente sencillo es contestar a qué juegos humanos ya nos gana un ordenador, un terreno en el que los humanos nos estamos acostumbrando a dejar espacio a las máquinas.
Por empezar por algún año, en 1990 la IA Chinook quedó segunda al juego de las damas frente a Marion Tinsley, y en 1995 pasó a campeona del mundo tras el fallecimiento del jugador humano. Estas damas, lejos de ser un juego complejo (_sólo_ tienen 500 millones de millones de millones de posibilidades) son un juego de mesa de los facilitos.
A varios órdenes de magnitud se encontraba el imbatible ajedrez, que en 1997 pasó al territorio IA después de que Deep Blue ganase a Kasparov. Aunque menos sonado, ese mismo año la inteligencia artificial Logistello derrotaba 6 a 0 a Murakami al reversi, un juego con muchas más combinaciones que el ajedrez.
La inteligencia artificial recortaba posiciones, pero la verdadera revolución empezó en 2016, cuando la IA AlphaGo ganó a Lee Sedol al go, un juego con tantas combinaciones que la pericia y la intuición se han considerado pilares básicos para ganar.
Marzo de 2017 abría con Libratus ganando al póker pero, sin acabar el mes, Google DeepMind nos dio a todos una sorpresa. Por primera vez en la historia, una misma IA era capaz no sólo de superar un juego con éxito, sino de usar lo aprendido para el siguiente juego usando un mecanismo llamado consolidación de peso elástico (EWC).
Lo que ahora marca la diferencia es que esta nueva IA es capaz, sigamos con el ejemplo de los juegos de mesa, de _comprender_ que los movimientos del peón del ajedrez y el de las damas son similares. Si la IA ya sabía jugar a las damas, contará con una ventaja importante a la hora de aprender a jugar al ajedrez. Es decir, no empezará de cero, sino que pensará en cierto sentido como lo haría un ser humano, construyendo conocimiento sobre experiencias previas.
Los retos de la inteligencia artificial
Uno de los mayores retos de la inteligencia artificial —además del abrumador hecho de que nos estamos quedando sin juegos en los que ganar— es emular una inteligencia humana por completo a un coste energético aceptable.
Algo realmente complicado si tenemos presente que lo más cerca que hemos estado de reconstruir una mente humana es cuando en 2009 el supercomputador Dawn emuló el 1% de las capacidades humanas consumiendo —ojo al dato— un millón de vatios de energía y bombeando 76.500 metros cúbicos de aire helado por minuto para que sus 6.675 toneladas no se pusieran a arder (Kaku, 2011).
Nosotros, los seres humanos lo hacemos al 100% con 1,4 kg de materia gris y unos 20 vatios de consumo.
IBM Sequoia, versión consolidada del Blue Gene y del Dawn. Fuente: Public Domain.
Otro problema es que la IA tiende a ir por detrás del ser humano en algunos puntos. Klaus Schwab, en su libro _La cuarta revolución industrial_ (2016) habla sobre cómo el aprendizaje de una máquina a la que se le ha dado permiso puede usar el rastro de «migas de pan» que nuestros datos dejan en el mundo digital. No es la primera vez que la tecnología usa la metáfora de Hansel y Gretel para hablar sobre cómo puede uno aproximarse (vía máquina) a lo que está pensando un humano.
El límite que plantean los expertos es el de encender nuestro reproductor de música y que empiece a sonar la canción que deseamos oír incluso antes de ser conscientes de que deseamos oír esa canción. Este mismo principio se aplica al contenido en vídeo, tanto lineal (televisión clásica con horarios de emisión) como vídeo bajo demanda (Netflix, HBO…).
La oferta en este ámbito ha crecido a un ritmo casi exponencial. La imagen de arriba viene de un estudio comparativo de la oferta de televisión a lo largo de seis años. La trajo a colación Berni Melero, de Knowdle, en la presentación de Buaala en el XII Foro de Innovación Audiovisual acompañada de la frase «¿Cómo vamos a ser capaces de conocer [todo] esto? Si es que es imposible [...] ¿Qué elijo?».
Melero se ponía en lugar del consumidor para darse cuenta de que había un problema evidente de imposibilidad de estar al tanto de todo. Sumado, además, al hecho de que cada vez tenemos menos tiempo.
Como dice Yuval Noah Harari con respecto a las IA, es necesario que empecemos a relegar algunas decisiones a las inteligencias artificiales allí donde a nosotros nos son imposibles. Aunque sólo si nos son útiles (resuelven el problema) o si no generan otros (como problemas éticos).
Schwab se une a Noah para focalizar en el mundo del consumo, resaltando que hacía unos años uno de los retos de la inteligencia artificial había sido el de ayudarnos a elegir en una amplia oferta cultural en función de nuestros gustos.
La oferta es ingente, depende de muchos factores, y el espectador se vuelve loco buscando lo que puede o no gustarle. Hoy portales como YouTube o Amazon nos facilitan encontrar videoclips o productos afines a nosotros en función de nuestro historial y búsquedas previas. Mecanismos similares de ahorro de tiempo pueden aplicarse al contenido en televisión, y de hecho se aplican.
¿Cuántos de nosotros llegamos a casa de trabajar o encendemos la televisión tras la cena solo para hacer _zapping_ por los canales en busca de algo que ver?
Cuando en España pasamos de dos a cinco canales ganamos en oferta, pero todavía podíamos —con el teletexto o usando un periódico— visualizar de una sola pasada toda la oferta. Pero, superado un número de emisoras, el que haya cada vez más contenidos no ayuda especialmente al consumidor, que se vuelve loco al tratar no ya de verlo todo, sino simplemente de elegir lo que quiere ver.
Y al número de canales o emisoras se suma la complejidad con la que éstas están llegando al mercado. Algunas, las clásicas, siguen emitiendo en directo, aunque sus contenidos pueden verse después en páginas web de la marca (Atresmedia). Otras, con cierto bagaje en el mundo bajo demanda VOD, permiten la reproducción del directo en un rango de tiempo (timeshift) como las emisiones en directo de YouTube, que el espectador puede detener. Por último se encuentran los VOD como Netflix o HBO, vídeos a los que podemos acceder 24x7.
La oferta y los modos de acceder a ella se multiplican, lo cual está bien. Ya no queremos adaptarnos a los contenidos, sino que los contenidos se adapten a nosotros. Sin embargo, necesitamos herramientas para filtrar en base a nuestros gustos personales, ya que a televisión emite para todo el mundo —literalmente—.
Una solución a la falta de tiempo del espectador
El principal problema de una oferta expansionista en televisión es el tiempo que quita al espectador el simple hecho de localizar contenido que le gustan. Tanto a él como a sus amigos, familiares o compañeros de trabajo. Estas personas cercanas siguen siendo las que más nos influyen a la hora de elegir la siguiente película o serie, y serán con las que más hablemos de ellas o incluso con quienes las veamos.
Es aquí donde entra en marcha la inteligencia artificial para una aplicación práctica. En el caso de la elección de los contenidos de la televisión, de la mano de Buaala.
Esta app, aunque basado en software (SaaS) ofrece al telespectador conocimiento como servicio (WaaS). El conocimiento sobre sí mismo (muchas veces esquivo) y adaptado a la oferta audiovisual mediante un motor basado en la colaboración con muchas otras personas como nosotros. Es un motor de inteligencia artificial que se sustenta sobre uno de inteligencia colectiva.
Los seres humanos no podemos concebir el ocio sin amigos con quienes compartirlo, aunque en una web 2.0 estos amigos se encuentren a miles de kilómetros de distancia. Buaala, teniendo en cuenta las interacciones tanto tuyas como de las personas con las que mantienes contacto —y aquellos perfiles que se comportan de un modo similar al tuyo— es capaz de recomendarte series o películas en las que ni siquiera habías pensado.
Como debería hacer todo servicio que accede a contenido personal (podríamos decir confidencial o privado) integra un motor de ética bioinspirado. En otras palabras, un sistema de inteligencia artificial basado en emular en cierta medida nuestra manera de pensar. Por lo que no son necesarios ni _botones rojos_ ni desconexión de emergencia: el propio sistema está autorregulado para aportar la seguridad que demanda el consumidor.
Que las inteligencias artificiales ganen a los maestros de distintos juegos de mesa es una curiosidad interesante. Que puedas coger el mando y evitar hacer zapping durante una hora es una ventaja útil para tu día a día. Como decíamos al principio, la IA solo es útil si resuelve problemas humanos.
Imágenes | iStock/Rasulovs, Lou Levit, Google DeepMind, iStock/dcdp, iStock/ktsimage
Ver 3 comentarios