¿El «machine learning» es Inteligencia Artificial?

En nuestros artículos más recientes hemos estado pensando en voz alta sobre varios asuntos relacionados entre sí. Todo ello a propósito de los grandísimos avances recientes en lo que se ha venido en llamar «Machine Learning» o aprendizaje automático. Se trata de una estrategia de trabajo que está dando magníficos resultados en los últimos años, y que se está acelerando.

Arrancamos esta serie de artículos con ¿De qué hablamos cuando hablamos de Big Data?, para introducir la temática. En esa columna hicimos un análisis epistemológico del tipo de conocimiento que podemos alcanzar analizando datos. Continuamos después respondiendo a la pregunta de ¿Por qué la «nueva» Inteligencia Artificial suele ser ciencia de datos aplicada?, donde expusimos más directamente nuestra visión del Machine Learning y las «redes neuronales», y cómo trabajan. Incluso dimos un tercer paso con Visión artificial, el mejor ejemplo para comprender qué es la «nueva» IA. La lectura conjunta de estos tres textos podrá dar una buena idea de lo que es la «nueva» Inteligencia Artificial desde nuestra perspectiva.

Al final, las redes neuronales, el deep learning, el machine learning, la ciencia de datos, Big Data, etc. son la base de lo que hemos venido en llamar «la nueva Inteligencia Artificial». Desde nuestro punto de vista, todos estos conceptos están muy relacionados entre sí, dentro de esta línea de investigación y desarrollo.

Lo que resulta curioso es que para una gran parte de nuestros interlocutores, la Inteligencia Artificial queda reducida a esta forma de trabajar con los datos. Muy probablemente, esto se debe sobre todo a que esta «nueva Inteligencia Artificial» ha avanzado muchísimo en los últimos años, y sus logros están siendo formidables.

Pero los que piensan así no tienen en cuenta que hay otros acercamientos para trabajar la Inteligencia Artificial. Quizá no estén teniendo tanto brillo como la «nueva» Inteligencia Artificial, pero siguen estando ahí. Los veremos en próximos artículos.

¿Inteligencia Artificial?

Volvamos a los orígenes, y establezcamos una primera definición provisional. Recordemos que la Inteligencia Artificial es la disciplina que se dedica a conseguir que las máquinas puedan operar de una manera similar a como lo hacemos los humanos. En una formulación clásica, por ejemplo, una máquina hipotéticamente podría ser capaz de sustituir a un humano hasta en una conversación sin que su interlocutor se diera cuenta de que no está hablando con una persona sino con un ordenador (el «test de Turing»).

Recordemos una vez más que el que una máquina pueda hasta «engañar» a un humano, eso no significa que esa máquina tenga inteligencia, sino que realiza una serie de cómputos que son útiles ante determinadas tareas. Como explicó Searle un su conocido experimento mental de la «habitación china», el que una máquina pueda pasar el test de Turing frente a un hablante del idioma chino, no significa que la máquina comprenda el idioma chino, o que «piense» en chino. Solamente significa que recibe inputs de un cierto tipo y devuelve outputs que son considerados adecuados.

Pues eso es exactamente lo que sucede con el Machine Learning. Como vimos en el ejemplo de la visión artificial, los ordenadores son capaces de distinguir razas de perros en fotografías o vídeos, pero eso no significa que «sepan» sobre perros. Lo que hacen los ordenadores es procesar los datos de las imágenes (ceros y unos), obtener patrones y modelos, y comparar esos patrones y modelos con los que obtuvieron en otras fotografías o vídeos anteriores. De esta manera, podrán establecer relaciones (corelaciones en realidad) entre la nueva imagen que se les presenta y las anteriores, y así producir un output en forma de identificación de raza de perros, que nos resulta válido y útil.

Estas técnicas de Machine Learning se están utilizando con muchísimo éxito para que las máquinas sean capaces de suplir a humanos (e incluso superarlos) en distintas tareas muy específicas: distinguir cáncer en imágenes de radiodiagnóstico clínico, conducir vehículos autómatas (que no autónomos), escribir textos, hacer llamadas telefónicas, dominar determinados juegos como el ajedrez, el go o algunos títulos de videojuegos, etc.

La inteligencia está en los humanos

A todo esto lo estamos llamando «Inteligencia Artificial», y eso está llevando a muchas personas al error de creer que las máquinas efectivamente tienen inteligencia, y que son ellas las que resuelven los problemas planteados. Es muy habitual leer titulares en prensa según los cuales «una inteligencia artificial ha resuelto tal o cual cosa». Casi cada semana podemos ver alguno.

En realidad, quienes resuelven los problemas planteados son los programadores de esas máquinas, y no las máquinas en sí. Las máquinas, y su «inteligencia artificial» son simplemente las herramientas que se utilizan para resolver el problema.

El equívoco se acentúa más aún por el hecho de que estas técnicas de «machine learning» (aprendizaje de la máquina) han venido a llamarse «redes neuronales». En realidad no hay neuronas artificiales por ningún sitio. Es simplemente una manera metafórica de hablar que ha calado. Si esta nomenclatura no hubiera tenido éxito y no se hubiera impuesto, probablemente nos habríamos ahorrado un montón de literatura pseudocientífica. Y el público tendría los conceptos más claros.

Con esta serie de artículos lo que buscamos es que nuestros lectores no caigan en este tipo de errores, y sean conscientes de las limitaciones de la llamada Inteligencia Artificial. Esperamos conseguirlo.

En este año 2021 seguiremos hablando sobre tecnología, y sobre su aplicación a la educación. ¡Feliz año nuevo a todos!

Julián Alberto Martín

La tecnología, ¿mejora la educación?

Sobre el autor

Todas las columnas del autor

Dejar respuesta

Please enter your comment!
Please enter your name here