2016-10-20

Inteligencia artificial y machine learning como nueva frontera. 7 ideas.

Inteligencia artificial y machine learning como nueva frontera. 

Por Enrique Dans. 

Enrique Dans. 


microsoft_machine_learning.jpg
Inteligencia artificial y machine learning como nueva frontera. 7 ideas

Marimar Jiménez, de Cinco Días, me envió algunas preguntas para documentar su artículo publicado ayer y tituladoLas tecnológicas pelean por la inteligencia artificial(pdf). El tema me tiene prácticamente obsesionado desde hace ya algún tiempo, lo sigo todo lo que puedo y estoy planteándome un curso electivo sobre ello con el fin de ponerme aún más presión para mantenerme actualizado.


Por el momento, me planteo como primer reto conseguir transmitir la idea de que la inteligencia artificial y el machine learning no tienen nada que ver con cuestiones como la automatización, la elección de elementos de un menú o el “hacer lo que hace un humano pero más rápido”.

La idea parece simple, pero compruebo constantemente en mis cursos como el directivo medio, tras muchos años acostumbrado a que “un ordenador sirve para hacer tareas repetitivas de forma más rápida y productiva”, tiende a no asimilar la idea de que hay muchas cosas que ahora, una máquina puede hacer mucho mejor que un hombre, y que sus capacidades no se limitan a hacer lo que le hemos especificado que haga, sino a que vaya mucho allá y progrese mucho más rápido.

Porque precisamente una de las cosas que un ordenador ya puede hacer mejor que una persona es aprender: es más sistemático en la captura de datos, tiene más posibilidades de jugar con esos datos e iterarlos hasta encontrar respuestas, es mejor a la hora de entender el efecto de las restricciones, y puede ser incluso más imaginativo a la hora de buscar soluciones no convencionales.

Ejemplos como el juego del Go o la conducción autónoma sirven a medias: cuando un directivo entiende que el Alpha Go de Google es capaz de concebir jugadas nunca hechas anteriormente por un humano, y que llega a ellas no siguiendo ningún ejemplo, sino iterando y jugando partidas contra sí mismo, tienes algo avanzado.

Cuando es capaz de aceptar que, por mucho que “le guste conducir“, es un auténtico torpe peligroso comparado con los procesos de toma de decisiones, la captura de información del entorno, los reflejos y la precisión de un vehículo autónomo, e incluso que la propia marca del anuncio ya ha abjurado de su eslogan, ganas otra base.

A partir de ahí, adentrarse en los mecanismos que permiten que una máquina aprenda y cómo eso se traduce por ahora en cosas como Siri – que está generando un auténtico perjuicio de imagen a la AI por culpa de lo tonta y limitada que es – o en un panorama competitivo radicalmente redibujado en el que lo que importa es ser capaz de desarrollar los mejores algoritmos de machine learning, resulta ya bastante más complicado.

Entender el rosario de adquisiciones en el ámbito del machine learning es ya de por sí un reto: la escalada en la secuencia y en los precios, unida al hecho de que las compañías adquiridas resultan en todos los casos completas desconocidas para el gran público y a que la relevancia del caso está fundamentalmente en quién compra y qué cabe pensar que hará con ella, lo convierte en un panorama complejo y volátil.

Si añadiésemos fichajes y acuerdos de colaboración, resultaría muy difícil identificar algo en esta especie de juego de sillas musicales, pero sí se marcan algunas tendencias interesantes.

Por el momento, y tomando las operaciones de adquisición en este ámbito desde 2011, el panorama es digno de estudio y genera no pocas inquietudes, así como la necesidad de estudiarlo detenidamente para tratar de entender con qué tipo de cuestiones nos vamos a encontrar en cada una de las industrias. Si te parecen muchas adquisiciones, no te preocupes: vendrán más, más caras y más ambiciosas. Esta carrera no se detiene.

Si algo tengo claro es que la combinación de inteligencia artificial y machine learning va a suponer, en poco tiempo, un cambio dimensional más grande que el que significó la llegada de internet.

A continuación, las preguntas y respuestas que intercambié con Marimar:

Google presentó hace unos días sus móviles Pixel y toda una batería de dispositivos, donde la compañía dejó claro que la inteligencia artificial tendrá un papel relevante. También Samsung acaba de anunciar que compra Viv, un asistente inteligente desarrollado por los creadores de Siri de Apple. ¿Qué está pasando? ¿Por qué este énfasis de los fabricantes de dispositivos (también está Apple, Microsoft y Amazon) por la inteligencia artificial?

La inteligencia artificial y, sobre todo, el machine learning son la nueva frontera, el ser o no ser del momento competitivo, la redefinición de lo que los productos o servicios son capaces de hacer.
Para entenderlo es fundamental mirar la inteligencia artificial con la perspectiva de los años, de una disciplina que se ha visto sujeta a períodos de inactividad (AI winters) y que, en los últimos años, ha experimentado una auténtica revolución, no solo con el replanteamiento de lo que puede ser capaz de hacer, sino también de los recursos que son necesarios para hacerlo.
Pasar de la supercomputación a la posibilidad de asistentes sencillos, construidos fácilmente y al alcance de cualquiera es como plantearse lo que las hojas de cálculo hicieron por el cálculo matricial: una auténtica revolución, una caída de las barreras de entrada brutal.
Mientras muchos directivos siguen sin ser capaces ni de imaginarse lo que es la inteligencia artificial y siguen pensando que “un ordenador solo puede hacer lo que hace una persona pero más rápido”, la gran verdad es que las compañías que no sean capaces de reenfocar su actividad para generar datos y desarrollar algoritmos de machine learning que les permitan plantear mejores productos y servicios, desaparecerán.

Siri, Google Assistant, Cortana, Alexa… ¿Qué asistente es el más potente en la actualidad y por qué?

El reto en este momento es ser capaz de atraer talento y desarrollar equipos de investigación, y en los últimos tiempos, Apple parece estar quedándose atrás. Hay una enorme competencia por el talento, vemos muchísimas compras de startups en machine learning y movimientos de todo tipo, redefiniciones corporativas drásticas:
Google ha replanteado completamente su estructura organizativa y su roadmap de productos para ponerlo en función de los desarrollos en machine learning, ha formado a todo su personal en el tema, y define el machine learning como su futura ventaja competitiva, ser capaz de que sus algoritmos aprendan más rápido que los demás.
Facebook, Amazon o Microsoft trabajan en el mismo sentido, y Apple, aunque lo intenta desesperadamente, tiene que luchar con una visión más restrictiva de la privacidad que le impide generar y explotar datos de manera ambiciosa, y con una vocación por el secretismo que actúa como un repelente ante el talento, porque lo que un investigador de AI quiere no es trabajar en una compañía y que nadie se entere de lo que hace, sino poder publicarlo, compartirlo con la comunidad y progresar más rápido.
Es el momento de las startups en este ámbito: las compañías que tengan herramientas potentes que supongan una caída de las barreras de entrada, que permitan plantearse modelos de machine learning sin tener un ejército de data scientist en plantilla, son las que tienen ahora mejor futuro.

Facebook con sus chatbots e IBM con Watson también se suman a esta batalla por dominar la inteligencia artificial. ¿Cuáles son las limitaciones actuales y qué promesas ofrece?

Las limitaciones son escasas. Un algoritmo puede recoger datos del entorno mucho mejor y de manera más rigurosa que una persona, puede analizarlos con un portfolio de herramientas mucho más potente, y puede aprender de las variaciones mucho más rápido, para generar resultados mejores.
Algunos todavía se autolimitan creyendo que la máquina solo puede escoger opciones de un menú predeterminado, cuando la realidad es que las máquinas ya pueden tomar muchas decisiones de muchos tipos de manera más fiable y rigurosa que una persona.
La limitación, en este momento, ya no está en la potencia de computación, sino en los datos con los que contamos. Con los datos adecuados se pueden hacer cosas increíbles, pero muchas compañías aún ni siquiera entienden la necesidad de planteárselo.

P. ¿Crees que la inteligencia artificial cambiará todas las industrias? Ponme algunos ejemplos de cómo cambiará la de los dispositivos de electrónica de consumo (móviles, altavoces, ordenadores…)

La inteligencia artificial cambiará todas las industrias capaces de generar datos para analizarlos, y eso, seguramente, incluye a todas las industrias.
La diferencia entre plantearse un asistente que responde a tus preguntas de manera torpe (y que la mitad de las veces, en lugar de responderte, te busca en Google lo que tú has dicho) y otro capaz de entenderte perfectamente – ya no lo que dijiste, sino lo que quisiste decir – en función de su experiencia contigo, con tu lenguaje, con tu acento y con tu personalidad es sencillamente brutal.
A partir de ahí plantéate máquinas que genuinamente podemos decir que piensan: que escogen la mejor herramienta para cada problema, que toman decisiones, que proporcionan respuestas adecuadas, que se adelantan a lo que queremos hacer de manera eficiente… estamos en un momento en que ya casi tenemos más herramientas que ideas maduras y desarrolladas para utilizarlas

¿Qué avances tecnológicos están permitiendo que todo esto sea posible? Porque supongo que la tarea de enseñar a los ordenadores y móviles a actuar de forma más natural e inteligente ha supuesto enfrentarse a algunos problemas informáticos complejos.

El artífice de la verdadera caída de las barreras de entrada, además de la disponibilidad de tecnologías mejores y mucho más baratas, ha sido el desarrollo del machine learning.
Mediante las herramientas y procesos adecuados, una máquina ya puede aprender mejor, más rápido y de manera más fiable que una persona partiendo de los mismos datos, y ni siquiera es necesario que parta de los mismos datos, porque con los sensores y la tecnología adecuados, puede en realidad partir de muchos más y procesarlos de maneras que un humano jamás podría imaginar.
Mentalmente, tenemos que sobrepasar la absurda frontera que durante muchos años nos llevó a pensar que los ordenadores eran máquinas que hacían cosas más rápido, y pasar a otra que nos lleve a intentar imaginar qué podría hacer una máquina con los datos que nuestra actividad es capaz de generar.

P. ¿Está esta tecnología ya lista para el mercado de masas?

Tenemos cada vez más productos basados en este tipo de tecnologías, porque pueden desarrollarse ya de manera relativamente sencilla, y porque existe toda una generación nueva de usuarios que no ven preocupante ni negativo interaccionar con máquinas.
Mientras muchos adultos todavía reaccionan mal ante una máquina que les ofrece un servicio y tratan de presionar el cero desesperadamente para ver si aparece una persona, hay miles de adolescentes enviando una fotografía de su cara a un bot en Kik para que les diga si están bien maquilladas o si se han pasado con el colorete.

¿Qué riesgos ves a todo este avance? ¿Puede ser la pérdida de privacidad el más importante?

La privacidad no es algo que pueda reclamarse de manera absoluta, no podríamos vivir en un mundo en el que defendemos nuestros datos a toda costa y por encima de todo. La privacidad hay que entenderla como un balance: qué datos proporciono a quién y a cambio de qué.
Durante muchos años se ha dicho que Google o Facebook saben más de nosotros que nosotros mismos, y sin embargo, no ha habido cancelaciones ni cierres de cuentas masivos. ¿Por qué? Sencillamente, porque lo que nos ofrecen no nos resulta molesto, sino que nos parece útil, una propuesta de valor adecuada.
Mediante la inteligencia artificial y el machine learning se incide en ese lado de la ecuación, en la propuesta de valor: las compañías que la utilizan pueden ofrecer productos y servicios mejores mediante la explotación de los mismos datos, y eso lleva a que el usuario vea más natural cederlos, porque la contraprestación le parece adecuada.
Las soluciones absolutistas y las restricciones drásticas no tienen ningún sentido, hay que replantearse todo esto, y será necesaria mucha educación para ello.

This article is also available in English in my Medium page, “Artificial intelligence and machine learning: the new frontier

Enrique Dans.
14 octubre 2016

Enrique Dans.

Professor at IE Business School.
 Madrid y alrededores, España.
 Enseñanza superior.
Actual: IE Business School.
Anterior: IE Business School.
Educación: UCLA Anderson School of Management.
https://es.linkedin.com/in/edans/es

Licencia:

Logotipo de Creative Commons
Creative Commons. Reconocimiento 3.0 España (CC BY 3.0 ES)

------------------------------

Fuente: Enrique Dans

Imagen: Machine learning



Del mismo autor:

Enrique Dan:
  •  - Inteligencia artificial y machine learning como nueva frontera. 7 ideas.

Artículos relacionados: