La inteligencia artificial se mejora a sí misma

Lo vimos decenas -o cientos- de veces en películas, novelas y series de ciencia ficción: de repente, una inteligencia artificial (IA) toma el control y las cosas se salen de cauce para los humanos. Con este antecedente para nada tranquilizante, avanzamos hacia un mundo en el que las máquinas ganan cada vez más habilidades.

Lo vimos decenas -o cientos- de veces en películas, novelas y series de ciencia ficción: de repente, una inteligencia artificial (IA) toma el control y las cosas se salen de cauce para los humanos. Con este antecedente para nada tranquilizante, avanzamos hacia un mundo en el que las máquinas ganan cada vez más habilidades.

Un pequeño recuento histórico nos lleva a aquel momento de 1997 en el que Deep Blue, una creación de IBM, derrotó nada menos que al multicampeón de ajedrez Garry Kasparov. El siguiente salto se dio en 2014, cuando Eugene, un simple chatbot, logró atravesar el Test de Turing, definido por el célebre matemático, creador de la computación como la conocemos donde un algoritmo debe mostrar un comportamiento similar al de un ser humano, sin que un humano se de cuenta que las respuestas proveen de una máquina. Y en 2017 AlphaGo de Google venció a Ke Jie, el campeón de go, batiendo un nuevo hito.

 Algunos pocos ejemplos de cómo determinados algoritmos, organizando datos a partir de una lógica algebraica y de matrices, pueden mejorar de manera continua y alcanzar objetivos cada vez más ambiciosos. Esto ocurre a partir de diversos factores. El primero de ellos es, sin duda, una capacidad de procesamiento cada vez mayor y más económica, fenómeno acelerado y democratizado gracias a la arquitectura de nube. A esto se suma una cantidad de datos -que son la fuente de entrenamiento para que estos robots se vuelvan más “inteligentes”- que alcanza límites incomprensibles para el cerebro humano.

 El Foro Económico Mundial estima que para 2025 se generarán unos 450 exabytes por día. Para tener una idea de la dimensión, equivale a casi 16.000 millones de juegos de tamaño promedio. Nuestros dispositivos móviles registrando cada movimiento que hacemos las 24 horas los siete días de la semana, los sistemas corporativos que llevan la cuenta de todas las transacciones, los contenidos que se suben a las redes sociales, los mensajes que se intercambian de manera incesante y los cada vez más nutridos sensores de internet de las cosas, por ejemplo, alimentan esa cifra.

 La conclusión es sencilla: hay más sitios donde probar esos algoritmos (a precios económicos, por cierto) y más datos para entrenarlos. Esto permite avances tecnológicos que, en un círculo virtuoso, estimulan las inversiones y potencian las mejoras. Es así como llegamos a investigaciones asombrosas.

La evolución continua

Por ejemplo, el planteo del problema de multiplicación de matrices representado como descomposición de tensores. Para eso, los investigadores pusieron a la inteligencia artificial Alpha Tensor a buscar “mejores algoritmos” usando reinforcement learning, es decir, el método de aprendizaje basado en machine learning que recompensa los comportamientos deseados y castiga aquellos que no cumplen los parámetros para motivar al agente a percibir e interpretar su entorno y aprender a través del modelo de prueba y error. ¿La conclusión? Logró mejorar el Algoritmo de Strassen, el mejor de todos los conocidos hasta ahora y que luego de cincuenta años de uso era considerado insuperable como mecanismo para multiplicar matrices.

Pero en este mundo en beta continuo, Alpha Tensor se las ingenió para encontrar la mejor manera de programar las funciones que se utilizan para la inteligencia artificial y destrabó un círculo virtuoso: procesa cada vez en menos tiempo, optimiza el uso de los datos y genera un algoritmo mejor. Los detalles pueden encontrarse en https://github.com/deepmind/alphatensor, de código libre.

 Estamos tal vez al inicio de un camino en el que los algoritmos empiezan a mejorarse a sí mismos. Lejos de aquella postura amenazante que describíamos de la ciencia ficción, la inteligencia artificial se consolida como la aliada que nos permite explotar nuestras habilidades humanas al máximo en el trabajo, predecir catástrofes climáticas o acelerar investigaciones científicas. Por eso, entusiasma de cara al futuro que cada vez más algoritmos, como Eugene en su momento, logren atravesar el Test de Turing. Eso sí, confieso que me daría un poco de miedo si algún día decidieran “reprobarlo” intencionalmente.

Por Manuel Allegue – 14 de octubre del 2022

Formá parte del mundo Cloud

Suscribite a nuestro resumen periódico de Noticias de Tecnología.