/
/
/
El Deep Learning o como hacer las máquinas más inteligentes

Antonio Carbonell Baranda - 14/03/2017

El Deep Learning o como hacer las máquinas más inteligentes

Cuando se trata de entender términos científicos o matemáticos me entran los estértores, porque no me creo justo de desconocer esa fase de la evolución que se nos escapa. “Deep Learnig”, aprendizaje profundo. A ver cómo entiendo esto. Enseguida me vino a la cabeza mi hermano Iván Erill, amigo de la infancia y genio, que se tuvo que ir a hacer las Américas porque aquí no le bastaban las aulas ni los laboratorios.

 

Doctor CUM LAUDE en Ingeniería Informática por la Universidad Autónoma de Barcelona. Ha trabajado, entre otros, en el CESIC (Consejo Superior de Investigaciones Científicas) en desarrollo de microsistemas de laboratorio sobre chips implantables para análisis de ADN, estimulación neural y monitoreo de trasplantes de órganos y ahora mismo imparte clases como profesor asociado en la Universidad de Maryland, en Baltimore (USA).

 

Así en crudo y para dummies, ¿qué es Deep Learning?

 

Deep Learning es una variante de Machine Learning (entrenar a ordenadores para que resuelvan problemas) basada en redes neuronales artificiales (Neural Nets en inglés). Sin entrar en detalle, la idea en Deep Learning es dejar que la red neural “vea” muchos ejemplos (por ejemplo de imágenes en las que hay caras de personas) y aprenda, sin supervisión, a desgranar los elementos más importantes de las mismas (esto se hace añadiendo capas de neuronas progresivamente a la red, de ahí el “Deep” Learning). Una vez la red está pre-entrenada, se la entrena a identificar lo que se desea (por ejemplo caras de terroristas) usando ejemplos positivos (terroristas) y negativos (otra gente). Esta fase se denomina aprendizaje supervisado.

 

 

En la Wikipedia dice que “un algoritmo es una secuencia de pasos lógicos que permiten solucionar un problema” ¿Tiene solución el mundo político actual?  ¿Qué algoritmo utilizarías?

 

¡Revolución!. No, en serio, la política, como cualquier construcción social, es un sistema inherentemente complejo, así que hoy en día no hay algoritmos adecuados para analizarla o predecirla. Hay algunos modelos, de economistas y matemáticos como Turchin, que intentan pronosticar que pasará, pero es difícil evaluar cómo de buenos son. Y en un sentido literal, la revolución es uno de los algoritmos más sencillos, conocido por todo usuario de ordenador: apaga y vuelve a encender.

 

¿Hasta dónde va a llegar la robótica, veremos seres metálicos conviviendo con nosotros en este siglo?

 

La robótica no lo sé. Ciertamente avanzará bastante y tendremos seguro robotillos por casa, haciendo cosillas, por no hablar de los coches que andarán solos. Pero la revolución llegará probablemente vía inteligencia artificial, no necesariamente en un robot, sino en sistemas de computación distribuidos. ¿Veremos la singularidad (cuando la inteligencia artificial tome consciencia) en el siglo XXI?. Difícil de predecir, pero mirando atrás parece una predicción razonable. Y la teoría memética indica que, si eso sucede, pasaremos necesariamente a un segundo plano. Te lo puedes tomar a mal, viendo en ello nuestro final, o a bien, entendiendo que hemos dado el salto y la inteligencia artificial no es más que un descendiente nuestro, un paso más en la evolución a no se sabe dónde.

 

 

Cuando me pongo a leer todas las definiciones y procesos informáticos, me acuerdo en el cole cuando decía, ¿para qué sirven las matemáticas?, ahora me muerdo la lengua.

 

Sí, está claro que hoy en día, con la llegada del Big Data, las matemáticas y la estadística juegan un papel clave. Pero también son más que nunca necesarias las humanidades, para contextualizar e interpretar todos los avances que ofrece el Big Data.

 

 ¿La fuga de cerebros es una ficción dramatizada?  ¿Llegan muchos compatriotas a U.S.A. con esas credenciales?

 

No, de ficción nada. Es una realidad patente. No solo a USA, sino a todos lados. Y es una desgracia de grandes proporciones. Esos cerebros fugados han sido educados en un sistema público financiado por todos los españoles. Y sin vías claras de retorno, con estos talentos rindiendo en otros países, eso supone que le hemos ahorrado a EEUU y demás países una millonada en educación. Vamos, que hemos tirado el dinero. Pero esto viene de antes de la crisis. De la falta de voluntad política para reconvertir la industria española, enfocándola a la construcción y el turismo. Sin una industria dinámica es imposible generar empleo para repatriar cerebros.

 

La nube. Suena muy poético. ¿Pero es segura?  ¿Confiamos demasiado en esa caja fuerte invisible?

 

Sí, y no. No es súper segura, pero ha mejorado. La mayoría de nubes usan encriptación más o menos decentes. Y nuestra información está distribuida en múltiples servidores redundantes, así que el riesgo de perderla es bajo. Evidentemente, la NSA y demás pueden fisgonear, pero también lo hacen rutinariamente con nuestro correo, que es mucho más vulnerable que la nube, así que no hay por qué preocuparse demasiado. Aun así, yo mantengo copia en disco local de todo. Con lo baratos que están los discos hoy en día, no vale la pena correr el riesgo.

 

 

¿Cómo ha evolucionado la inteligencia artificial desde que John McCarthy la acuñó? ¿En qué punto se encuentra ahora mismo?

 

Pues poco y mucho. Más allá del Deep Learning y la entrada del Big Data (que permite entrenar sistemas artificiales de nuevas maneras) no ha habido muchos cambios dramáticos de paradigma en los últimos años. La IA es un campo muy amplio, con muchas variantes en metodología y objetivos. Pero el progreso es claro, la necesidad de sistemas de IA cada vez más patente, así que nos encaminamos, lenta pero inexorablemente, hacia la singularidad.

 

¿Los algoritmos genéticos pueden evolucionar hacia el ADN humano?

 

No, esa no es la idea. Los algoritmos genéticos imitan el concepto de ADN (genotipo) humano para codificar y encontrar soluciones a un problema (el fenotipo), basándose en la idea de selección natural (soluciones peores tienen menos “hijos” y, de generación en generación, el sistema mejora). Lo que sí parece claro es que, muy probablemente, la inteligencia artificial no la vamos a crear nosotros. Se va a crear ella misma mediante algún proceso de auto-replicación. O sea que, de alguna manera, algo conceptualmente parecido al ADN humano acabará evolucionado.

 

Gracias a la robótica, muchos humanos han podido sustituir por ejemplo sus extremidades, ¿cómo afecta la relación científico-paciente cuando algo sale mal?

 

Pues básicamente como en cualquier otra disciplina médica. Las prótesis y otros dispositivos implantables (léase bomba de insulina, por ejemplo) artificiales tienen muchos problemas técnicos (reacción inmune que lleva a fibrosis y necrosis, por ejemplo, o como incorporar una batería que no se tenga que cambiar/recargar frecuentemente). La nanotecnología y los nuevos materiales están ayudando a solventar algunos, pero no está claro si se va a evolucionar primariamente en esa dirección o si los avances van a venir del lado de la biología (por ejemplo mediante terapia génica para desarrollar de nuevo un órgano).

 

La palabra Androide nos suena demasiado extraterrestre, pero ya se han fabricado varias unidades de prueba con éxito en diferentes países, ¿cómo compartís experiencias entre los diferentes investigadores?

 

Yo no trabajo directamente en robótica. Ahora mismo el gran dilema en el campo está en cómo orientar el futuro desarrollo. ¿Vamos hacia robots humanoides, o hacia robots? El dilema es si se puede superar el
“Yuk Factor”: cuando la imitación de humanidad nos provoca repulsión, en lugar de atraernos.

 

¿Eres fan de la ciencia ficción? Sugiere algunos títulos.

 

Pues sí. Difícil pregunta. Muchos. Para nombrar unos cuantos: “Rendezvous with Rama”, de Arthur C. Clark, “Minority Report” y otras historias cortas de Philip K. Dick, “Hyperion” de Dan Simmons y, claro, las distopias clásicas: “1984” de Orwell, “Farenheit 451” de Bradbury, “Brave New World” de Huxley y, en estos tiempos que corren, “The Handmaid's Tale” de Atwood.

 


IVAN ERILL

 

¿Cómo es tu vida de docente? ¿Existen grandes diferencias entre la educación de USA y la de España?

 

Ajetreada. Siempre es difícil combinar docencia e investigación. Hay muchas diferencias. El sistema de USA es mucho más abierto y dinámico, por un lado. Y por otro, la universidad es carísima, así que los estudiantes están en general mucho más motivados. También son muy (y probablemente demasiado) competitivos.

 

¿Qué protagonismo y repercusión tiene un científico en USA?

 

Pues aproximadamente el mismo que en España. Depende mucho del campo de trabajo.

 

¿Qué es lo que más echas de menos de España?

 

La gente. El andar por la calle. El ir al bar. El charlar sin más. EEUU es un país muy solitario, seas inmigrante o no.

Publicaciones Similares
15/09/2019
Entrevista a Johan Mila (Deep House XIV)
04/01/2016
H1000VM (Jordi Martínez Suau)
06/03/2018
Entrevista a César del Río (Deep House IX)
19/04/2018
Entrevista a Carlota Suárez, el camino de una escritora