Los bots como las nuevas aplicaciones, la mensajería como la nueva plataforma

tay-microosft

He estado en la Build de Microsoft de este año, en la que en la parte de producto lo sexy se ha ido hacia el soporte de la consola Linux en Windows 10 y que en la parte estratégica ha tenido mucho recorrido.

Sobre ese lado he escrito un análisis en Xataka, “En el futuro será la línea de comandos: sobre los bots como las nuevas apps y el chat como el gran interfaz” no sólo sobre el movimiento y el discurso de Microsoft, sino sobre la expectación brutal que hay en el sector acerca de bots, procesamiento del lenguaje natural, inteligencia artificial…

La irrelevancia de Eugene, el bot del test de Turing

Muy comentado estos días, “Eugene, la primera máquina capaz de superar el test de Turing según la Universidad de Reading“.

Se hace muy bien en matizar “según…” porque alrededor de esto suceden dos cosas: una es que la ejecución de la prueba es cuestionable (jurado, pase de un 30%, entorno controlado), la otra es que se siga otorgando al test de Turing un valor directo de “inteligencia artificial”. Décadas de críticas al concepto (la de la habitación china de Searle siempre me sedujo, al igual que la crítica de Penrose a la inteligencia artificial fuerte) deberían poner a Eugene en el nivel que le corresponde: la sofisticación de los bots de chat, la gran capacidad de gestionar símbolos proporcionando una salida adecuada a patrones. Y ya

La red de máquinas que sentenció que un gato es un gato

Hoy toca una noticia que me ha llevado a evocar los tiempos en que un servidor estudiaba inteligencia artificial y redes neuronales. Aprender sobre el “estado del arte” de estas disciplinas ayuda mucho a ser escéptico sobre los resultados a corto plazo y a desechar gran parte de la palabrería tantas veces vacía sobre las “smart cosas”, cada vez más frecuente.

Con las redes neuronales artificiales – creación de artefactos matemáticos implementados mediante software inspirados por como dice la biología que funciona nuestro cerebro y su red de neuronas – uno asistía a como años de investigación culminaban en intentar conseguir un sistema que “aprendiese” (léase como “fuese mejorando”) a distinguir la figura de un elefante dibujado en una pizarra. Nada demasiado espectacular, nadie salía del curso programando a HAL9000.

Sin embargo es por este escepticismo sobre los modelos basados en redes neuronales por lo que el anuncio por parte de investigadores de Google sobre su red de 16000 ordenadores y su capacidad de distinguir imágenes de gatos me ha parecido un hito histórico.

Llámalo inteligencia artificial

Hablar de inteligencia artificial lleva aparejadas ciertas dificultades. La primera es definir qué entendemos por inteligencia, un problema filosófico que nos lleva a temas como la conciencia sobre la misma, toda vez que no es lo mismo un sistema capaz de calcular buenas respuestas a las preguntas que hagamos (que pase el test de Turing por ejemplo) a un sistema que realmente sea lo que atribuimos a la inteligencia, que es creativa y autoconsciente.

Es muy habitual el uso del epíteto “inteligente” para referirse a sistemas capaces de hacer grandes cálculos, ya sea para jugar al ajedrez o para responder consultas del lenguaje natural, pero en el fondo lo que tenemos es una gran capacidad de cálculo ¿tiene esto realmente más inteligencia real que la de una calcuradora Casio? ¿lo juzgamos sólo a partir de las salidas que como sistema puede producir o para hablar de inteligencia debemos hablar de los mecanismos que las habilitan? Uno, que se alineó en sus tiempos con algunas de las tesis de Penrose (físico teórico que sostiene la imposibilidad de una inteligencia artificial), tiende a señalar que los ordenadores que tenemos no tienen más inteligencia que un ábaco, sólo más capacidad de cómputo.

¿Qué hay entonces de llamativo e interesante en este estudio? No estoy al día de las líneas de investigación al respecto y no se si esta visibilidad en concreto es debida a lo mediática que es Google, pero hay un punto que sí que realmente imperdible en este caso: lo que ha conseguido esta red neuronal no es a partir de un patrón o imágenes de prueba determinar si en otras fotos hay objetos similares (no le han dicho, “esto es un gato, encuentra más en todos estos ficheros”) sino que la propia red ha creado su patrón de lo que es un gato, sin que en ningún caso esto formase parte de los datos de entrada.

El camino hasta el gato

Simplemente ha procesado millones de fotos y ha determinado que los que aparecen en muchas de ellas se corresponden al mismo concepto, el concepto de gato que esta red ha establecido en base a repeticiones durante su “experiencia” procesando fotos. Y esto sí que es diferencial respecto a lo que un servidor llegó a estudiar durante un año sobre redes neuronales, el camino de imitar como funciona el cerebro está llevando por fin a resultados diferentes y sorprendentes, sin que nadie le diese un ejemplo, una red de máquinas que sentenció que un gato es un gato