Saltar al contenido
CULTURA DE ALGORITMO

INTELIGENCIA ARTIFICIAL [parte I] РIntroducción

La inteligencia artificial lo está cambiando todo. Toma asiento, aprende los conceptos básicos y mira lo que se está haciendo en nuestros días.

Inteligencia Artificial - Introducción

En 2016 Google tenía un problema: necesitaba mejorar su entendimiento de los objetos que aparecían en un vídeo, para que sus algoritmos los identificaran automáticamente.

El objetivo era utilizar el reconocimiento de objetos en vídeos en tiempo real para poder mejorar sus sistemas, como por ejemplo, los de conducción autónoma, insertar anuncios, crear modelos 3D a partir de imágenes 2D, efectos de profundidad en fotografías y miles de aplicaciones más.

T√©cnicamente el problema consist√≠a en crear mapas de profundidad, es decir: cambiar los colores de cada objeto en cada uno de los fotogramas que forman un v√≠deo, para que un algoritmo de procesamiento autom√°tico fuera capaz de saber qu√© objetos estaban m√°s cerca y qu√© objetos estaban m√°s lejos del observador. Y les apareci√≥ como ca√≠do del cielo el reto viral del mannequin challenge.

mannequin challenge

Si recordáis este reto, consistía en congelar un escenario, los actores y los objetos, mientras la cámara se movía entre ellos. Esa información de planos estáticos con la cámara recorriendo los espacios, proporcionó a Google una valiosísima información. Tanto es así que invirtió una enorme cantidad de recursos en promocionar todo aquello que tuviera que ver con este reto viral. Así consiguió más de 2.000 vídeos que fueron utilizados por sus algoritmos de inteligencia artificial para mejorar sustancialmente sus sistemas de reconocimiento automático.

En ese mismo problema y ese mismo conjunto de datos, se basó Facebook para desarrollar su herramienta de creación de panorámicas en 3D que hoy disfrutamos todos en nuestros móviles.

Facebook

Nuestra participaci√≥n en un reto viral proporcion√≥ a los gigantes tecnol√≥gicos un conjunto enorme de datos que les hizo ahorrarse cientos de millones de d√≥lares. 

Bienvenidos al mundo, de la Inteligencia Artificial.

IR DIRECTAMENTE AL V√ćDEO


La revolución de la Inteligencia Artificial

La inteligencia artificial es sin ninguna duda la revolución más importante de la tecnología desde que se inventó la informática. Aunque no te des cuenta, la inteligencia artificial lo está cambiando todo.

A pesar de que se están consiguiendo cosas que parecen de ciencia ficción, hay mucha leyenda urbana en torno a qué es o de qué es capaz la Inteligencia Artificial. Por eso en este vídeo vamos a realizar una introducción a este espectacular campo de la informática para que seas capaz de diferenciar ciencia de ciencia ficción.

Siempre que se cita coloquialmente a la Inteligencia Artificial todos visualizan un robot desmadrado que ataca y destruye a la humanidad.

Nada más lejos de la realidad. Ahí se mezclan muchos conceptos como el aprendizaje automático, las redes neuronales o la robótica, pero siempre tratada con frivolidad y con una base científica bastante débil, la verdad.

‚ÜĎ Subir

Un proceso de imitación

B√°sicamente con la Inteligencia Artificial pretendemos imitar la inteligencia humana utilizando m√°quinas, especialmente sistemas inform√°ticos. En este proceso de ‚Äúimitaci√≥n‚ÄĚ inclu√≠mos:

  • El aprendizaje: la adquisici√≥n de informaci√≥n y reglas para el uso de la informaci√≥n.
  • El razonamiento: usando las reglas para llegar a conclusiones aproximadas o definitivas.
  • Autocorrecci√≥n.

La IA sería cualquier software que replique capacidades humanas ya sea para tareas específicas o para tareas más generalistas. El desafío es que sean capaces de entender y reaccionar con el entorno, a un nivel más profundo.

‚ÜĎ Subir

¬ŅPueden pensar las m√°quinas?

Alan Turing, el matemático británico que fue capaz de descifrar la máquina nazi Enigma, fue el primero en lanzar la pregunta de si las máquinas pueden pensar. Y además propuso un método para averiguarlo, el Test de Turing. El test se cumpliría cuando un humano interactuara sin saberlo con una máquina y fuera incapaz de distinguir que esta no era un humano.

test de turing

Las m√°quinas tienen m√°s capacidad que los humanos para reconocer patrones, algo que es muy √ļtil por ejemplo en el diagn√≥stico de las enfermedades. Pero a√ļn son incapaces de aprender de manera asociativa, como hacemos los humanos. 

Un ni√Īo ve un pez y sabe reconocerlo r√°pidamente, mientras que una m√°quina es capaz de hacerlo s√≥lo despu√©s de haber visto millones de ejemplos de peces y de no peces. Si adem√°s queremos ense√Īarle que el due√Īo del pez es juan, tendremos que empezar de nuevo con el entrenamiento. Los humanos somos muy r√°pidos asociando al pez con su due√Īo simplemente observando algunos comportamientos. Si tuvi√©ramos que ense√Īar hacer esto a una m√°quina, tendr√≠amos que ense√Īarle qu√© es una persona, cu√°l de todas las personas es juan, qu√© es una pecera, qu√© es comida para peces, y tambi√©n que normalmente quien da de comer a un pez es su due√Īo.

Por otro lado los algoritmos son muy buenos en una cosa, pero sólo en esa cosa, el procesamiento rápido de información. Nosotros, por el contrario, somos capaces de ver la panorámica, el contexto global y sacar conclusiones rápidamente de lo que está ocurriendo gracias a la asociación de conceptos.

‚ÜĎ Subir

Tipos de Inteligencia Artificial

Hay 4 tipos de inteligencia artificial:

  1. Sistemas que act√ļan como un ser humano.
  2. Sistemas que piensan como un ser humano.
  3. Sistemas que piensan racionalmente, es decir sistema que imitan el procesamiento lógico de las personas.
  4. Sistemas que act√ļan racionalmente.

A su vez la inteligencia artificial se divide en dos escuelas:

  1. La convencional: consiste en el estudio del comportamiento humano.
  2. La computacional: consiste en un aprendizaje interactivo.

¬ŅD√≥nde vemos la aplicaci√≥n de la inteligencia artificial? En las pel√≠culas que nos recomienda Netflix, los anuncios que se nos muestran, las noticias que nos llegan a nuestro m√≥vil, el etiquetado de im√°genes en facebook, robots que conducen coches,… 

‚ÜĎ Subir

Principios b√°sicos a respetar

Es importante entender que la inteligencia artificial no intenta explicar cómo funciona nuestro cerebro, sino imitar alguna de sus funciones.

Y en esta imitación de las funciones del cerebro humano siempre surgen cuestionamientos sobre el riesgo que corremos al poner en práctica este tipo de tecnología.

Por eso existe un consenso mayoritario en la comunidad científica que asume cuatro principios básicos denominados FATE por sus siglas en inglés. Veamos qué significan:

F: FAIRNESS = JUSTICIA. La tecnología tiene que ser justa y no discriminar. Tiene que haber garantías de que se trate con igualdad.

A: ACCOUNTABILITY = RESPONSABILIDAD. Tener claro de a quién se le atribuye las consecuencias del uso de estos sistemas.

T: TRANSPARENCY = TRANSPARENCIA. Es muy importante que sea legible y que se explique en términos no técnicos. Que sea comprensible por un ciudadano medio. Entender cómo funcionan estos sistemas que se están creando, qué datos están utilizando, cómo los están utilizando, etc.

E: ETHICS = √ČTICA. Asegurarse de que el uso de aplicaciones de estos sistemas y su desarrollo est√° de acuerdo con el conjunto de valores √©ticos y principios que como sociedad respetamos y aceptamos.

‚ÜĎ Subir

Campos con mayor desarrollo

Una vez dicho todo esto, vamos a ver cuáles son los tres campos de la inteligencia artificial que más se están desarrollando en nuestros días y que son capaces de aportar diferentes soluciones:

  • Rob√≥tica: en pocas palabras todos aquellos avances de la inteligencia artificial aplicados a la mec√°nica de los robots.
  • Machine learning: ayuda a aprender por repetici√≥n, a trav√©s de patrones que rastrean millones de datos. Es un aprendizaje estad√≠stico que ayuda a predecir comportamientos futuros. Las m√°quinas mejoran al ir adquiriendo de forma continuada sabidur√≠a sin la intervenci√≥n humana.
  • Inteligencia cognitiva: es en realidad un escenario m√°s avanzado que el aprendizaje estad√≠stico que hemos visto. Se dota a las m√°quinas de millones de definiciones, lemas, conceptos y relaciones entre ellos. para que aprendan el contexto del lenguaje y entiendan el sentido de las palabras. Los ordenadores leen la informaci√≥n pero tambi√©n aprenden a entenderla, interpretarla y razonarla, aportando valor estrat√©gico para la toma de decisiones. 

‚ÜĎ Subir

Ejemplos del Machine Learning

Ya tienes un background b√°sico de lo que significa la Inteligencia Artificial. Pero vamos a verla funcionando con algunos ejemplos muy b√°sicos, pero muy clasificadores. Dentro del campo del Machine Learning encontramos un ecosistema de tecnolog√≠as que se basan en el aprendizaje reforzado. 

En la psicología conductista uno de los conceptos que se manejan es el aprendizaje por refuerzo, que se define como un proceso de aprendizaje por el cual una acción en particular es seguida por algo deseable. Hablando en plata, si hacemos algo que nos proporciona una recompensa es mucho más probable que lo repitamos. En cambio si hacemos algo que nos trae consecuencias indeseables es muy probable que evitemos hacerlo de nuevo. La Inteligencia Artificial ha tomado esta teoría de la psicología conductista y la ha puesto a trabajar.

‚ÜĎ Subir

Google DeepMind

¬ŅConoces el juego del Arkanoid? 

Tienes una barra en la parte inferior, una bola, una distribuci√≥n de bloques y un escenario limitado por 4 paredes. El objetivo es romper todos los bloques con la bola a base de rebotes. Cada vez que rompes un bloque, obtienes puntos. Si la bola rebasa el nivel de la barra inferior pierdes. La bola rebota en las paredes, en la barra y en los bloques al romperlos. ¬ŅSabes de qu√© juego te hablo verdad? 

arkanoid, arcade de breakout

Pues bien al algoritmo Google DeepMind se le dieron dos indicaciones: 

  1. Obtienes puntos cada vez que rompes un bloque. 
  2. Tu objetivo es maximizar el n√ļmero de puntos. 

A la m√°quina no se le ha dado ninguna otra informaci√≥n, no sabe qu√© es una bola, no sabe qu√© hacen exactamente los controles de movimiento, no sabe para qu√© se usa la barra, no sabe c√≥mo funcionan los rebotes, etc. No sabe nada, s√≥lo que su objetivo es maximizar el n√ļmero de puntos, y que los puntos se obtienen rompiendo bloques.

Tras 10 minutos de entrenamiento el algoritmo intenta golpear la bola, pero todavía es demasiado torpe. Está probando constantemente movimientos a ver si consigue obtener puntos, pero no lo consigue.

Tras 2 horas de entrenamiento (sin intervención humana), simplemente por el sistema de refuerzo de los puntos, ha entendido que obtiene puntos rompiendo bloques con la bola tras rebotar en la barra inferior y las paredes, siendo casi imposible que la bola rebase el nivel inferior de la barra.

Pero tras 4 horas de entrenamiento viene la magia.

El algoritmo, ha terminado entendiendo que la forma m√°s r√°pida de maximizar los puntos es creando un t√ļnel por el que se cuele la bola. Esto, cualquier humano lo habr√≠a entendido a los 5 minutos de empezar a jugar. Pero una vez entrenada la m√°quina, es imposible que un humano le gane. Esta es la principal diferencia.

¡Te recuerdo que ese algoritmo no tenía ninguna información sobre cómo jugar!

No sé si estás siendo capaz de entender las implicaciones que tiene todo esto. Hemos visto un juego bastante simple, en el que la máquina ha descubierto la mejor estrategia en sólo 4 horas. Imagínate que tenemos un problema del mundo real muy complejo, del que tenemos muy poca o ninguna información y debemos resolverlo en un lapso relativamente corto de tiempo. Que los humanos tengamos que aproximarnos a la solución del problema a través del ensayo y error, nos condenaría a no resolver el problema en décadas. Sin embargo, las máquinas podrían resolverlo de forma óptima en minutos.

Si el juego del arkanoid no te ha impresionado, quiero que veas este otro ejemplo.

‚ÜĎ Subir

Proyecto OpenAI

En este proyecto tenemos un escenario (gris), una serie de objetos (amarillos), y dos tipos de actores: los azules y los rojos. El objetivo de los azules es no ser encontrados por los rojos. Y el objetivo de los rojos es encontrar a los azules. Para ello, los rojos tienen un arco de visi√≥n. Un actor rojo descubre a un actor azul cuando aparece en el arco de visi√≥n del actor rojo. Adem√°s tanto los actores rojos como los azules pueden mover los objetos amarillos que se encuentran en el escenario. Un √ļltimo detalle: los actores azules se activan unos segundos antes que los rojos.

proyecto open ai

Inicialmente ninguno de ellos ha aprendido a√ļn ninguna estrategia ganadora, por lo que se mueven aleatoriamente por el escenario probando movimientos inicialmente sin sentido para nosotros. Pero ellos ya est√°n aprendiendo (por descarte).

Primera sorpresa. Los actores azules, aprenden a bloquear los accesos para no ser descubiertos por los rojos. Pero esa no es realmente la primera sorpresa. La primera sorpresa es que ¬°HAN APRENDIDO A COLABORAR! Porque si uno cierra un acceso y el otro no, son descubiertos los dos.

open ai, colaboración

Y así se tiran 10 millones de partidas hasta que, segunda sorpresa, los actores rojos descubren que acercando la rampa a la pared pueden alcanzar su objetivo. ¡Han aprendido a usar la rampa!

¬ŅY ahora qu√©?¬ŅEst√°n condenados los azules a perder todas las partidas? Tercera sorpresa, los azules aprovechan su actividad inicial para retirarle a los rojos recursos que pueden utilizar para cazarlos, como la rampa. Incre√≠ble.

La Inteligencia Artificial es tan inteligente que incluso consigue ponerse en situaciones en las que ni los propios ingenieros han caído. Fíjate qué hace este actor rojo para cazar al azul. Ha aprendido a usar la rampa para subirse a una caja y moverla con los pies para cazar al azul.

open ai, box surfing

Evidentemente esto es un fallo en la física del programa, pero nos da una idea de que las máquinas simplemente por ensayo-error pueden encontrar soluciones que a los humanos ni siquiera se les habría ocurrido. En este caso no es válida, pero en muchos otros sí lo es.

Cientos de miles de partidas después. Los azules aprendieron a separar todas las rampas de las cajas para que los rojos no pudieran subirse a ellas, y construían un refugio que los protegiera. El nivel de cooperación es asombroso.

‚ÜĎ Subir

Inteligencia Artificial avanzada

Todos estos comportamientos que observamos en estos peque√Īos experimentos son refinados, depurados y aplicados para la resoluci√≥n de problemas del mundo real.

La lógica inteligente del algoritmo es la misma, sólo es necesario hacer ajustes, cambiar escenarios, objetos y actores y ya tenemos una máquina realizando tareas inteligentes a nuestro alrededor.

Y hemos hablado sólo del aprendizaje reforzado, hay muchas otras variantes que están siendo objeto de estudios y desarrollos con un éxito abrumador.

Existen ya sistemas que aceleran y simplifican la toma de decisiones en cualquier ámbito, los sistemas de reconocimiento de imágenes están al servicio de la medicina diagnosticando patologías con una tasa de acierto muy superior al de los propios especialistas y reduciendo drásticamente los tiempos de espera, se están optimizando inventarios de grandes almacenes, están funcionando las predicciones de ventas a perfiles de usuario, mejorando el aprendizaje presencial creando currículos a medida, realizando análisis de riesgos mucho más seguros para las entidades financieras, optimizando rutas para el transporte partiendo de información del tráfico, estado de las carreteras y climatología; permitiendo la conducción autónoma, reconocimiento por voz, visión por computador, procesamiento del lenguaje natural, y un largo etcétera de otras aplicaciones con las que convivimos a día de hoy.

Se trata de tecnologías tan avanzadas que ha habido que retirar del mercado aplicaciones como DeepFace o DeepNude.

La primera era capaz de coger un conjunto de imágenes de una persona y montar un vídeo en el que esa persona recitaba un discurso a nuestra elección. Y las personas no éramos capaces de distinguir si ese vídeo era real o había sido creado por ordenador.

los deep fakes que te enga√Īan

La segunda fue muy polémica porque a partir de un conjunto de imágenes de una persona, era capaz de generar un desnudo estadísticamente probable, que se acercaba peligrosamente a la realidad. Imagínate las consecuencias que tiene esto.

deepnude censurada

En este vídeo apenas hemos rascado la superficie de lo que los sistemas de inteligencia artificial están consiguiendo en la actualidad.

Si te ha gustado y te gustar√≠a que siguiera profundizando en este tema, d√©jame un like o un comentario. Y si quieres estar al d√≠a de las novedades de este canal, ya sabes, suscr√≠bete y activa la campanita. ūüĎá

¬°Nos vemos en la pr√≥xima! ūüĎč

‚ÜĎ Subir

Vídeo

‚ÜĎ Subir