Google jamás ha desvelado la receta secreta de su algoritmo PageRank, y Facebook tampoco ha dado detalles sobre el código que permite realizar la selección de contenidos automáticos para sus usuarios. Ambas mantienen un secreto total en esos casos, pero se muestran totalmente abiertas en su aproximación a la inteligencia artificial: ¿por qué?
No son las únicas: empresas como Tesla o IBM también han abierto el acceso a sus plataformas de Inteligencia Artifical, algo que demuestra que todas ellas quieren buscar un nuevo enfoque para el desarrollo de todas estas iniciativas. Muy al estilo de proyectos Open Source tradicionales, no solo buscan talento, sino también datos. Muchos datos.
La fiebre por compartir tecnologías de IA
Elon Musk, fundador de Tesla y SpaceX y Sam Altman, CEO de Y Combinator, habían expresado su preocupación con respecto al futuro de la Inteligencia Artificial, así que para tratar de minimizar riesgos han tratado de coger las riendas de estos desarrollos. Lo han hecho con OpenAI, una empresa que tiene la transparencia por bandera y que hará que todas sus patentes se puedan aprovechar sin pago de royalties, entre otras cosas.
En BackChannel comentaban ese lanzamiento con un perfil de esta empresa y sus fundadores, y destacaban que OpenAI es un laboratorio de investigación con un objetivo claro: luchar contra las grandes corporaciones en ese nuevo objetivo que tienen de ser "propietarias de sistemas súper-inteligentes dedicados a sacar beneficios", pero también a los gobiernos, "que podrían usar la IA para ganar más poder e incluso oprimir a la ciudadanía".
Los riesgos que imponen esas plataformas conntroladas por las grandes empresas podrían según Musk y Altman ser mitigados gracias a que la tecnología "podrá ser aprovechada por cualquiera en lugar de ser solamente aprovechada por, digamos, Google". Sin embargo y como comentaban en Wired, ese mensaje de Musk y Altman se puede ver desde otra perspectiva.
Y esa perspectiva es la de que al iniciar este proyecto ambos tienen acceso a dos recursos nada triviales. El primero, el talento, ya que de hecho han fichado a investigadores muy reputados en este campo para liderar esa investigación. El segundo, los datos, que es la otra gran parte de esa ecuación en la que la inteligencia artificial puede aprender, mejorar y evolucionar.
Y todo ello responde a la enorme promesa que plantea la inteligencia artificial, un campo del que su propio creador se muestra escéptico -Marvin Minsky sabe un poco de este tema- y que ha generado un enorme debate. No sabemos si será o no posible una inteligencia artificial como la que nos pintan las películas -de hecho primero es conveniente recordar la definición de inteligencia-, y nosotros ya quisimos averiguar el estado del hype de la inteligencia artificial con varios académicos españoles expertos en estudios sobre esta disciplina.
¿Quién es más generoso?
Esta iniciativa de Musk y Altman es tan solo el último de los anuncios en este sentido. Google ya ha abierto como Open Source el motor software que dirige todos sus servicios de Inteligencia Artificial, TensorFlow, una serie de tecnologías dirigidas al aprendizaje automático que son básicas para temas como el reconocimiento de voz, la traducción de idiomas o la comprensión de lo que dictamos a nuestros dispositivos.
También Facebook hizo Open Source ciertos módulos de Torch, un entorno de aprendizaje automático que como en el caso de Google están orientados a ser el pilar de buena parte de esas tareas en las que la inteligencia artificial se pone en práctica en la red social más popular en todo el mundo. No solo eso: también tuvo el detalle -por decirlo de alguna forma- de compartir el diseño de sus servidores Big Sur orientados a este tipo de tareas.
IBM no tardó demasiado en aprovechar esa oleada de generosidad abriendo SystemML (las siglas ML responden al término "Machine Learning", aprendizaje máquina) a través de la Apache Software Foundation. Con ello invitaban a desarrolladores, expertos y aficionados a este segmento a que aprovecharan esta tecnología que permite encontrar patrones en grandes cantidades de datos.
Incluso Apple parece estar interesada de forma notable en este campo aunque su enfoque sigue siendo el del control absoluto: hace unos días nos enterábamos de cómo la empresa se hacía con Emotient, una empresa que desarrolla un software en el que la inteligencia artificial tienen un papel fundamental: es capaz de percibir qué es lo que siente el usuario a partir de sus expresiones faciales.
La razón: la gula
Que todas estas empresas ofrezcan tanta información y recursos sobre estas plataformas tiene una motivación, por supuesto. Ninguna de ellas ha llegado a donde está regalando nada, y esa singular batalla por demostrar más generosidad que el de al lado tiene dos objetivos: recolectar talento y, sobre todo, recolectar datos.
La idea aquí es obvia: todas estas herramientas de aprendizaje automático quieren convertirse en la preferida de los usuarios y la industria, porque eso permitirá que esas plataformas se utilicen para analizar más y más datos que las harán más y más potentes. Ese círculo vicioso parece inacabable: cuantos más datos, más potencia de esos motores de inteligencia artificial, y viceversa.
Es algo evidente: si alimentas un sistema de redes neuronales con el número suficiente de imágenes de un gato, el sistema será capaz de reconocer a un gato entre un conjunto de imágenes. Si lo alimentas con suficientes conversaciones humanas, será capaz de mantener una conversación. Si lo alimentas con suficientes datos de los vehículos y elementos que rodean a un coche en particular, será capaz de hacer que ese coche se conduzca solo. Más datos, más potencia.
Tenemos un ejemplo claro en Google, una empresa que hace un tiempo apostó fuerte en este campo al adquirir DeepMind y que ha comenzado a hacer un uso masivo de esa inteligencia artificial con RankBrain, un sistema de IA que interpreta todo tipo de consultas realizadas en el motor de búsquedas no solo para mejorar las respuestas que ya daba Google, sino para "aprender" con mucha más versatilidad qué pueden significar las consultas que no se habían hecho nunca antes.
Tener el control de todos esos datos y toda esa potencia puede ser una de las claves del futuro de todas esas empresas, sobre todo que nos acercamos a un futuro hiperconectado en el que difusos términos como Big Data o Internet of Things por fin confirmarán aquello que muchos vaticinaban hace apenas unos meses. Es es uno de los retos de la Inteligencia Artificial, que mezclada con esos campos debería demostrar un potencial absolutamente asombroso, aun cuando hoy su alcance, aunque notable, parece ser tan solo una sombra de lo que podría llegar a ser.
Los campos en los que estas tecnologías están demostrando su capacidad son de todo tipo, pero hay un ámbito especialmente prometedor en los últimos meses: el de los coches autónomos. Tesla y Google parecen liderar los avances en este segmento con distintas aproximaciones, pero es evidente que otros muchos fabricantes están implicados en esos esfuerzos. Ford se alió con Lyft recientemente en este ámbito, y Toyota anunció su inversión de 1.000 millones de dólares en un laboratorio de IA para el desarrollo de tecnología en este sentido.
Los experimentos de Google y Facebook en el uso de sistemas de aprendizaje automático hicieron que pudiéramos asistir a la creación de imágenes artificiales sin ayuda externa que hacían pensar a los que las veían que eran reales, así como variaciones sorprendentes de imágenes que ya existían y que sistemas de redes neuranales como los de Google transformaban de forma notable.
Y es que como apuntan algunos, hoy en día lo de regalar tecnología va mucho más allá de la generosidad o el ser magnánimo. Todas estas empresas buscan talento para ayudarles a sacar partido de esta potente tecnología. Todas quieren compartir (aunque no todos sus secretos, claro), sí, pero sobre todo quieren una cosa.
Ganar.
En Xataka | Estos son los tipos de algoritmos clave en la búsqueda de la inteligencia artificial
Ver 8 comentarios