Primera parte: Presentación del problema y la oportunidad
Por Jay Klein, CTO en Voyager Labs
Hace tiempo que quería escribir una serie de publicaciones sobre los aspectos prácticos de la implementación de la IA. Como esta es la primera parte y la primera impresión cuenta, me preguntaba cómo debería empezar.
Algunos de ustedes pueden considerar esta primera parte como una introducción, similar al prólogo de un libro, la misma parte que algunos lectores a menudo deciden saltarse para llegar a la parte en la que se cuenta la verdadera historia. No obstante, si al menos algunos de ustedes siguen aquí y tienen ganas de empezar, entonces debería analizar mis versos y rimas con detenimiento mientras intento responder a sus expectativas particulares en cuanto al contenido e incluso al estilo.
Hablando de primeras impresiones, y aunque se pueda interpretar como una ventaja injusta, el hecho de saber algo de ustedes de antemano, como su estilo de lectura, puede darme algunas pistas. Como primera aproximación, podría tratar de promediar el estilo más atractivo que coincida con las características del grupo de lectores principales de este tipo de blogs. No es de extrañar que las preferencias individuales de cada lector puedan degradar mi eficacia y, por lo tanto, es probable que tenga que replantear mi estrategia y actualizar mis tácticas, obligada a crear versiones adaptadas y personalizadas para todos y cada uno de ustedes.
Si sigo reflexionando sobre estas prácticas editoriales «innovadoras», surgirán algunas inspiraciones: ¿por qué debo limitarme solo a la introducción? Si se puede sentir y percibir el estilo preferido del lector y, como resultado, ajustar dinámicamente el contenido y publicar o distribuir cualquier manuscrito, entonces la siguiente idea obvia parece inevitable: posiblemente todo el contenido en sí mismo podría generarse en cierto grado de forma automática. Esto puede hacerse desde cero o usando algunos «bloques de construcción» de contenidos preescritos para un determinado tema. Cabe destacar que, si este es el caso, mis funciones y responsabilidades se verán modificadas, disminuidas y reconfiguradas en consecuencia. ¿Aumentan las tasas de desempleo de los redactores de blogs? Ese es otro tema para otro blog.
Con o sin inteligencia artificial
Vamos a hacer una pausa en este punto, ya que probablemente se preguntarán algo así como:
«Este blog trata de la IA… ¿verdad?»
Tranquilos, lo es.
El debate sobre la «Introducción Adicional» puede parecer una desviación, pero no es más que otro debate sobre el tema de la «Inteligencia Artificial» encubierto que puede encontrarse con frecuencia cuando las compañías inician los llamados «proyectos de IA». Como creo que, sin ninguna ayuda por mi parte, la mayoría de ustedes ya tienen al menos una idea, precisa o vaga, basada en la ciencia o en la ciencia-ficción, de lo que podría ser la IA, entonces en esta etapa, me gustaría centrarme en lo que parece ser olvidado por muchos: los debates que tratan sobre los aspectos de aplicabilidad de la tecnología de IA, similar al debate que acabamos de mencionar. Estas «conversaciones» son el eje de cualquier consideración de implementación práctica y, sorprendentemente (o no), parecen tener una estructura distintiva. Reconocer las características de estos debates hará que las tecnologías de IA sean accesibles de forma eficiente al aplicarse a los problemas empresariales concretos a los que se enfrentan las compañías.
La primera fase de estos debates gira en torno a los aspectos del descubrimiento del problema y trata, simplemente, de definir e identificar las dificultades que hay que gestionar. Sorprendentemente, esta tarea puede ser más complicada de lo que parece. «Científicamente» podría tratarse de un ejercicio un tanto técnico orientado al proceso, ya sea de fácil observación o como una cuestión subyacente que quedará finalmente expuesta al profundizar en los detalles de la misma. Por ejemplo, en el debate anterior sobre la «introducción» se observó que muchos lectores se saltan las partes introductorias y, paralelamente, se reconoció la dificultad de los autores para lograr una impresión impactante por cada lector.
Misión Imposible (Aproximadamente o Ampliamente)
Para iniciar el debate sobre algunas consideraciones de la IA, debemos prestar atención a los eventos precursores críticos que han conducido al propio debate y a las observaciones particulares que hay que tener en cuenta al iniciarse estos debates relacionados con la IA.
Para empezar, deberíamos ser cautos a la hora de adoptar la versión modernizada de la famosa proposición de René Descartes «Cogito ergo sum», que evolucionó a algo así como
– «Pienso,» (tengo información)
– «luego existo» (seguro de que la IA revelará conocimientos beneficiosos)
El peligro de esta afirmación es que, aunque puede ser cierta y todos los científicos de datos jurarán que tienen pruebas concretas que apoyan esta afirmación, también nos desconecta de los problemas reales a los que deberían enfrentarse las compañías que implementan tecnologías de IA. Este dogma adictivo de que quizás algo se esconde en los preciosos datos de la compañía provoca que se invierta ciegamente en plataformas de IA mientras se «olvida» cuáles son las preocupaciones principales del negocio que pueden beneficiarse de la adopción de la tecnología de IA. Debemos reconocer que la IA no es una solución tecnológica más que busca un problema aún no encontrado y que su principal poder se deriva de la creatividad para entrelazarla con las implementaciones tecnológicas actuales.
Permítanme explicar un poco más este punto.
Gartner habla de esta transición de viabilidad de la IA y la define como una evolución desde una situación de «Imposible Ampliamente» a un estado de «Innovación Asombrosa». Al igual que en las experiencias cotidianas, existe una ambigüedad en cuanto a la frontera entre lo que es posible y lo que no lo es, y por eso prefiero utilizar una versión más difusa: no «Imposible Ampliamente«, sino «Imposible Aproximadamente«.
Aproximadamente significa que en la mayoría de los casos el punto de partida para aplicar las tecnologías de IA no es desde cero. El supuesto problema puede existir desde hace años y, en algunos casos, ya se ha resuelto en cierta medida. Con frecuencia nos asombramos tanto de los resultados significativos de la aplicación de la IA, que tendemos a restar importancia o incluso a descartar por completo cualquier logro o contribución de soluciones anteriores a un problema conocido. Este «asombro» puede ser cegador.
Un terreno virgen no equivale a un desierto
Tomemos por ejemplo un «invento» como los vehículos autónomos, que parece un logro puramente relacionado con la IA. Lo cierto es que la IA surgió después de muchos años de diversos desarrollos en el ámbito de la industria automotriz. ¿Los vehículos se conducían de manera autónoma antes de la introducción de la IA? La respuesta simple puede ser «no» , pero si nos remontamos a los aspectos históricos, la respuesta será un poco más complicada.
Los vehículos han funcionado asistidos por computadora durante los últimos 30 años. Como propietario de un vehículo, debe saber que su vehículo realiza mediciones digitales de cientos de variables (por ejemplo, el funcionamiento del motor, el estado de la dirección, la presión del aire de los neumáticos, etc.) y, en respuesta, usa parte de la información recopilada para controlar digitalmente diversos componentes, incluidos los elementos de seguridad. El sistema de frenos antibloqueo (ABS) permite que los neumáticos de un vehículo mantengan el contacto de tracción con la carretera evitando el bloqueo de las ruedas y el derrape incontrolado. En realidad, el funcionamiento del ABS consiste en que, cuando se dan determinadas condiciones meteorológicas y de la carretera, el ABS inicia automáticamente las maniobras de frenado de umbral y cadencia, imitando el comportamiento y la acción de un conductor experimentado (como en el caso de los sistemas de frenado heredados), pero el ABS lo hace a un ritmo mucho más rápido, logrando un control mucho mejor que el que podría conseguir un conductor «normal». Puede parecer que una «máquina» reemplaza al «humano» cuando se encuentra con el peligro. Por supuesto, reconocemos el hecho de que existe una gran diferencia entre las respuestas de comportamiento de seguridad concretas y una experiencia de conducción totalmente autónoma, pero creo que se entiende la idea de que los dispositivos inteligentes se pusieron en marcha antes de la era de la IA.
Veamos otro ejemplo. Procesamiento de imágenes digitales.
Al principio, se consideraba que este campo de investigación se limitaba a extender las técnicas de procesamiento de señales digitales unidimensionales (por ejemplo, voz, sonido), al ámbito bidimensional: se investigó y desarrolló el filtrado 2D, las transformaciones de dominio 2D y la estimación 2D. Sin embargo, cuando el objetivo era una tarea clara, como el reconocimiento de rostros o, lo que puede parecer más sencillo, como «¿Puede ver una pistola en esta fotografía?», las soluciones propuestas presentaban algunos problemas de nivel de confianza.
Al principio, la industria tendía a culpar a la falta de potencia informática. Ya se sabía, incluso en el ámbito más sencillo de los vocoders unos años antes, que las técnicas de compresión de voz de alta calidad se habían evitado durante mucho tiempo, ya que la potencia de cálculo en general era limitada. Solo después de que los procesadores de señal se hicieran lo suficientemente potentes (y lo suficientemente económicos y con batería para los móviles), se aprovechó el procesamiento y la compresión de voz y sonido de mayor calidad. Sin embargo, en el ámbito del procesamiento de imágenes, especialmente con los problemas de reconocimiento e identificación, incluso cuando se disponía de una potencia de cálculo adicional (máquinas más rápidas, coprocesadores dedicados) e incluso cuando se combinaba con los importantes avances algorítmicos que se realizaban al mismo tiempo (aunque seguían utilizando prácticamente los mismos conjuntos de herramientas del mismo ámbito de investigación), solo podían producir algunas mejoras generales limitadas. Con el tiempo, se alcanzó un cierto límite superior de rendimiento. Recién cuando se introdujo la IA con su capacidad de aprendizaje profundo y, luego, se incorporó a los componentes de la solución principal de estos problemas relacionados con la «visión», el «techo de cristal» finalmente se rompió y, en la actualidad, algunas soluciones de identificación basadas en la IA superan la capacidad de los seres humanos.
Al igual que en el caso anterior de los vehículos autónomos, existe un amplio trabajo previo sobre este tema. El «problema» ha estado presente durante bastante tiempo, ya sea con la construcción paulatina de las «piezas» y «capas» de la solución final o, incluso, con los intentos de resolver el problema en su totalidad. En ambos casos, la IA aportó los avances necesarios, pero en los dos ejemplos, aunque desde una perspectiva de «IA» pura se trataba de un «terreno virgen», en la realidad ya existía «algo» que definía claramente el ámbito del problema.
¿Esto descarta la contribución de la tecnología de IA?
Claramente la respuesta es no.
Solo nos da una pista de en dónde radican algunos problemas.
Para resumir
René Descartes presentó más de una proposición. También dijo: «No basta con tener una buena mente; lo principal es usarla bien«. La fase de descubrimiento del problema es una oportunidad para hacer exactamente eso.
Es el momento de retomar los problemas que ya se abordaron cuando se aplicaron metodologías no relacionadas con la Inteligencia Artificial y que dieron algunos resultados limitados, y que ahora pueden volver a abordarse al haberse tratado algunos de los «ingredientes» de apoyo. Esta es la naturaleza de los problemas que rodean a las empresas. Si se reconoce esto, se puede liberar del juego del «escondite» en busca de los problemas ocultos que esperan a la IA y centrarse en examinar cómo la IA proporcionará los avances necesarios para los problemas existentes.
¿Cuáles son las otras características y fases de estos debates relacionados con la IA?
Los espero en la próxima parte.
