Ciencia y Tecnología

El sueño de un hombre de fusionar la inteligencia artificial con el sentido común

2022-08-29

“La gran pregunta es cómo diseñamos la inteligencia artificial que...

Steve Lohr | The New York Times

David Ferrucci, quien dirigió el equipo que creó a Watson, la célebre computadora de IBM, se sintió en las nubes cuando esta venció a los mejores jugadores humanos de “Jeopardy!” en 2011, un triunfo televisado de la inteligencia artificial.

Sin embargo, Ferrucci entendía las limitaciones de Watson. El sistema podía extraer océanos de texto, identificar patrones de palabras y predecir respuestas posibles a la velocidad de la luz. No obstante, la tecnología no parecía entender ni tener sentido común como los humanos, además de no contar con el razonamiento necesario para explicar por qué tomó cierta decisión.

Once años después, a pesar de enormes avances, los sistemas más poderosos de inteligencia artificial aún tienen esas limitaciones.

En la actualidad, Ferrucci es el director ejecutivo de Elemental Cognition, una empresa emergente que busca abordar las limitaciones de la inteligencia artificial. “Para mí, el proyecto Watson siempre fue una parte pequeña de una historia más grande que nos cuenta adónde queremos llegar con la inteligencia artificial”, comentó.

La meta superior, según Ferrucci, es que la inteligencia artificial se convierta en una “pareja de pensamiento” confiable, un colaborador hábil en el trabajo y el hogar, que dé sugerencias y las pueda explicar.

Elemental Cognition, fundada en 2015, está tomando medidas para alcanzar esa meta con un prometedor, aunque no probado, enfoque híbrido. Su sistema combina los desarrollos más recientes en aprendizaje automático mientras retoma un elemento del pasado de la inteligencia artificial: software diseñado a partir del razonamiento humano.

Los nuevos programas de aprendizaje automático son extraordinarios en el reconocimiento de patrones y en las predicciones, mucho más potentes que en la época de “Jeopardy!”. Estos estudian a fondo millones de palabras y patrones de palabras y generan las interpretaciones más probables. Elemental Cognition se basa en esos avances; toma las predicciones generadas por las máquinas y las introduce en un software diseñado para producir inferencias de causa y efecto que sean explicables para los humanos.

David Ferrucci, que considera que el trabajo que realizó con Watson, la famosa computadora de IBM, es una "pequeña parte" del potencial de la inteligencia artificial, en Wilton, Connecticut, el 8 de agosto de 2022. (Casey Steffens/The New York Times)

David Ferrucci, que considera que el trabajo que realizó con Watson, la famosa computadora de IBM, es una "pequeña parte" del potencial de la inteligencia artificial, en Wilton, Connecticut, el 8 de agosto de 2022. (Casey Steffens/The New York Times)

Los resultados, idealmente, son respuestas o recomendaciones no solo precisas, sino con una lógica detallada y reflejan el equivalente al sentido común. Las versiones anteriores de ese tipo de software eran limitadas y frágiles, y requerían constantes actualizaciones que debían ser codificadas manualmente. El sistema híbrido de Elemental Cognition elimina la mayor parte, aunque no todo el trabajo manual.

“Supone un enorme ahorro de tiempo”, aseguró Aditya Kalyanpur, director de investigación de inteligencia artificial de la empresa.

Los grandes programas de aprendizaje profundo han conquistado tareas como el reconocimiento de imágenes y del habla, y las nuevas versiones pueden incluso redactar discursos, escribir programas informáticos y mantener conversaciones.

También son enormemente defectuosos. Pueden generar textos sesgados o tóxicos contra las mujeres, las minorías y otros. Además, en ocasiones, tropiezan con preguntas que cualquier niño podría responder. (“¿Qué es más pesado, una tostadora o un lápiz? Un lápiz es más pesado”).

“La profundidad de la coincidencia de patrones es excepcional, pero eso es lo que es”, explicó Kristian Hammond, investigador de Inteligencia Artificial en la Universidad Northwestern. “No es razonamiento”.

Elemental Cognition está tratando de abordar esa disparidad. En una presentación académica este año, los investigadores de la compañía usaron algunas oraciones para explicar cómo funciona su tecnología de razonamiento: un hombre va a una venta de plantas. Le gusta el olor a menta de las hojas. Compró una planta y la colocó cerca de una ventana.

Las palabras generan reglas simples que se asemejan al conocimiento previo, es decir a conceptos y hechos que son obvios para los humanos pero que no se mencionan explícitamente en el texto. Por ejemplo: Las plantas tienen hojas. Las hojas pueden tener un olor a menta. Si a una persona le gusta algo, puede motivarse a comprarlo. Las ventanas dejan entrar la luz del sol. La luz del sol ayuda a que las plantas crezcan.

Entonces, el sistema incluye relaciones de causa y efecto que pueden explicar, por ejemplo, por qué el hombre colocó la planta cerca de una ventana.

Otros trabajan en el desafío del razonamiento y el sentido común en la inteligencia artificial, entre ellos los líderes del campo del aprendizaje automático. Pero los expertos están impresionados por la tecnología práctica de Elemental Cognition y, si tiene éxito, dicen que podría aplicarse en muchas industrias.

“Es una buena ingeniería”, afirmó Andrew Hickl, director general y experto en inteligencia artificial de Accenture, una gran consultora tecnológica. “Y creo que los mejores sistemas del futuro serán los que adopten un enfoque híbrido”.

Elemental Cognition pasó sus primeros años como una empresa emergente de investigación. “Primero, tuvimos que averiguar si era el mejor camino”, comentó Ferrucci. “¿Podríamos construir algo que funcione?”.

Con el tiempo, Ferrucci y su equipo avanzaron con la tecnología. En los últimos años, han presentado en conferencias algunas de sus técnicas híbridas, y ahora tienen proyectos de demostración y un par de clientes iniciales.

La empresa emergente está empezando a comercializar la tecnología, y en prinicipio ofrecen a las empresas asistentes que están potenciados por la inteligencia artificial en campos como la atención al cliente en los viajes y la investigación para el descubrimiento de fármacos.

Es demasiado pronto, dicen los expertos externos en inteligencia artificial, para saber si el enfoque híbrido de Elemental Cognition podría aplicarse de forma amplia y económica.

“Se trata de un esfuerzo temprano e innovador que es contracultural en la inteligencia artificial en este momento”, porque muchos de los avances recientes en la inteligencia artificial han venido del aprendizaje automático, señaló Oren Etzioni, director general del Instituto Allen de Inteligencia Artificial.

La plantilla de Elemental Cognition ha crecido de forma constante hasta alcanzar los 46 empleados. Sus proyectos de prueba de concepto han sido herramientas eficaces de reclutamiento. Shirin Saleem se incorporó a la empresa emergente el año pasado procedente de Amazon, donde era directora de investigación para desarrollar la inteligencia artificial de Alexa, el asistente virtual de la empresa.

Durante el discurso de reclutamiento de Elemental Cognition, Saleem quedó particularmente impresionada por el uso de su inteligencia artificial para ayudar a los clientes a planificar y reservar boletos de avión alrededor del mundo. “Pensé: ‘Aquí está el poder del enfoque híbrido’”, recordó.

El boleto de vuelta al mundo es un proyecto de oneworld, una alianza de trece aerolíneas, entre ellas American Airlines, British Airways, Qantas, Cathay Pacific y Japan Airlines. Sus boletos de vuelta al mundo pueden tener hasta dieciséis vuelos diferentes con escalas de distinta duración a lo largo de un año.

Elemental Cognition suministra la tecnología con la que funciona un agente inteligente de planificación de viajes en el sitio web de oneworld. Se desarrolló el año pasado y se presentó en abril.

El usuario ve un mapa de ruta global a la izquierda y un diálogo de chatbot a la derecha. Un viajero que parte de Nueva York teclea los lugares deseados, por ejemplo, Londres, Roma y Tokio. “Muy bien, he añadido Londres, Roma y Tokio al itinerario”, responde el chatbot.

Luego, el cliente quiere hacer cambios: “añadir París antes de Londres” y “sustituir Roma por Berlín”. Eso también ocurre sin problemas, antes de que el sistema pase a consultar los tiempos de viaje y la duración de las estancias en cada ciudad.

Ferrucci admite que el aprendizaje automático avanzado —la vía dominante que siguen las grandes empresas tecnológicas y los centros de investigación bien financiados— puede superar algún día sus deficiencias. Pero se muestra escéptico desde el punto de vista de la ingeniería. Esos sistemas, dice, no están hechos con los objetivos de transparencia y generación de decisiones racionales que puedan explicarse.

“La gran pregunta es cómo diseñamos la inteligencia artificial que queremos”, añadió Ferrucci. “Para eso, creo que tenemos que salir de los límites del aprendizaje automático”.
 



aranza