inteligencia artificial

Por Geraldine Garcia – Esta columna fue publicada originalmente en el blog Abierto al público del BID.

La denominada inteligencia artificial es una ciencia y un conjunto de tecnologías computacionales que se inspiran en las formas en que las personas usan sus sistemas nerviosos para sentir, aprender, razonar y actuar. Si bien los avances en inteligencia artificial han sido irregulares e impredecibles, ha habido avances significativos desde el inicio del campo hace sesenta años.

En este sentido, empresas como Google, Amazon, IBM, Facebook, Microsoft y Twitter han hecho grandes desarrollos en esta área. Por ejemplo, la tecnología denominada “aprendizaje profundo” (Deep Learning) ya está ayudando a los servicios de Internet a identificar caras en las fotos, reconocer los comandos que se hablan en los teléfonos inteligentes y responder a las consultas de búsqueda en Internet.

En América Latina y el Caribe, ya también se están generando distintos desarrollos en inteligencia artificial para resolver desafíos puntuales. Por ejemplo, la Universidad Nacional de Ingeniería de Perú ha desarrollado un robot autónomo que detecta fugas de gas. Por su parte, la chilena Codelco, la mayor productora de cobre del mundo, fue pionera mundial en la adopción de camiones autónomos.

Sin embargo, hasta el momento solo algunos de estos desarrollos cuentan con código abierto para su reutilización y aportes de la comunidad. Al abrir estas tecnologías se potencian las posibilidades de acelerar su evolución. Así, a través de código abierto, terceros pueden aportar a mejoras en la tecnología.

A continuación, las claves para entender el contexto de apertura de la inteligencia artificial:

1. Actores importantes en la apertura de inteligencia artificial
El pionero Elon Musk, fundador de los autos eléctricos Tesla, lanzó en 2015 “OpenAI”, una compañía de investigación sin fines de lucro que tiene como misión promover y desarrollar inteligencia artificial de una manera abierta, segura y equitativa.

Por su parte, la empresa DeepMind, subsidiaria de Google, y parte del grupo “Alphabet”, busca resolver grandes retos a nivel mundial, al abrir sus investigaciones y algoritmos de aprendizaje automático. Por ejemplo, desarrolló una tecnología que permitió avances en la eficiencia energética de los centros de datos de Google, reduciendo la electricidad necesaria para su enfriamiento en un 40%. Si resulta posible escalar este tipo de técnicas hasta otros sistemas industriales a gran escala, existe un potencial real de beneficios ambientales y de costos globales significativos.

2. Herramientas de código abierto

Como parte de los desarrollos de “OpenAI” se destacan “Universe” y “Gym”. El primero es una plataforma de software que permite entrenar a un agente de inteligencia artificial en cualquier tarea que un humano pueda completar con una computadora. El segundo, es un conjunto de herramientas para construir sistemas artificialmente inteligentes a través de una tecnología llamada “aprendizaje de refuerzo”. Por ejemplo, ello permite el control de los motores de un robot para que pueda correr y saltar, tomar decisiones de negocios como la gestión de precios y de inventario, o jugar juegos de video y de mesa.

Por su parte, DeepMind cuenta con un repositorio en GitHub que permite al público general entrenar sus propios sistemas de inteligencia artificial. Por ejemplo, el denominado “DeepMind Lab” es la base de código de entrenamiento de una plataforma de juego en 3D para la investigación basada en agentes de inteligencia artificial.

De manera similar, Google también abrió su motor de aprendizaje profundo denominado “TensorFlow” lo cual generó un gran impacto en la industria ya que se trata de uno de sus principales ejes. TensorFlow, no sólo es adecuado para el aprendizaje profundo, sino para otras formas de inteligencia artificial, incluyendo el aprendizaje de refuerzo y de regresión logística. Al abrir el código se busca, por ejemplo, que la herramienta pueda desarrollarse en otros lenguajes de programación, incluyendo Google Go, Java, y hasta incluso Javascript, para que los programadores tengan más formas de crear aplicaciones.

3. Herramientas de investigación

Aquí puedes acceder a distintas publicaciones desarrolladas por “OpenAI” que se centran en el aprendizaje, robótica y modelos generativos.

A su vez, a través de “OpenAI” también se puede hacer solicitudes de investigación para saber en qué problemas vale la pena trabajar y perfeccionar habilidades. Una vez resuelto, también se aceptan soluciones alternativas para entender otros enfoques a un mismo desafío.

Por su parte, “DeepMind” también ha puesto a disposición una serie de investigaciones que no solo empujan los límites de lo que los sistemas de inteligencia artificial pueden hacer, sino también revelan el tiempo dedicado a tratar de mejorar cómo estos aprenden. Por ejemplo, el artículo titulado “Aprendizaje de refuerzo con tareas auxiliares no supervisadas” describe métodos para mejorar la velocidad de aprendizaje para ciertas tareas por orden de magnitud.

La apertura de este conocimiento permite a la comunidad de informáticos y desarrolladores implementar este tipo de prácticas, y a la vez construir sobre el trabajo en estas investigaciones.

4. Los principales dilemas asociados a tener en cuenta

Los dilemas van desde la investigación básica en inteligencia artificial hasta métodos para evaluar su seguridad, privacidad, equidad y otros impactos asociados. Al ser una tecnología transformadora, aún faltan conocimientos técnicos para evaluar la seguridad y otras métricas junto con el vacío legal que conlleva esta nueva práctica. Por ejemplo, uno de los casos emblemáticos sobre seguridad se relaciona con los autos sin conductor.

Estas nuevas tecnologías también presentan dilemas éticos sobre su integración en la vida cotidiana de las personas y la sensibilidad sobre el uso de sus datos. En este sentido, recientemente las principales empresas tecnológicas, incluyendo Amazon, Facebook, Google, Apple, Microsoft e IBM, formaron la Alianza en Inteligencia Artificial. La misma tiene como objetivo reunir a empresas, la academia y organizaciones de la sociedad civil para compartir mejores prácticas y garantizar un desarrollo ético, seguro y confiable de este tipo de tecnología.

Otro de los principales dilemas tiene que ver con los modelos de negocio apropiados para su desarrollo y sostenibilidad. Dada la novedad de este tipo de tecnologías, el modelo de negocio abierto si bien controversial, permite maximizar el uso, corregir errores y mejorar los algoritmos a un costo marginal bajo. Así, algunos argumentan que siendo los datos la base de esta tecnología, los gobiernos deben promover la apertura y calidad de los datos de dominio público como recursos. La adquisición de DeepMind por Google revela otra de las estrategias, donde el costo de adquisición de la investigación y desarrollo de actores más pequeños puede ser menor que el desarrollo interno.

A su vez, otro de los debates se centra en el rol de la inteligencia artificial y la automatización en el mercado laboral. Según un informe de McKinsey, las tecnologías automatizadas podrían reemplazar cerca de 250 millones de trabajadores en todo el mundo para el año 2025. (Para conocer más sobre este tema mira el Facebook Live del BID sobre cuáles serán los trabajos del futuro).

En conclusión, dado el componente transformador y nuevo de la inteligencia artificial, su apertura permite mejorar los procesos, y entender los principales problemas a enfrentar para acelerar su desarrollo. Varios de los actores más influyentes en la industria tecnológica ya han dado pasos en la dirección de la apertura de su conocimiento en inteligencia artificial, lo que revela una tendencia en alza. Al mismo tiempo, este tipo de tecnologías se presentan como una oportunidad para ayudar a resolver los desafíos de desarrollo de América Latina y el Caribe.

Dejar una respuesta

Please enter your comment!
Please enter your name here