David Singleton, vicepresidente de Ingeniería de Google en Londres subió al escenario del Festival de Cannes Lions para compartir sus reflexiones sobre el potencial y los últimos avances en inteligencia artificial y machine learning. El papel de esta tecnología con miras a la era de la asistencia y sus aplicaciones, en esta recopilación de su ponencia.
El Machine Learning está haciendo que el mundo en que vivimos se vuelva más “inteligente”, ayudándonos a encontrar respuestas a problemas complejos en los más diversos ámbitos; desde el cambio climático a la educación. En Google, desde hace tiempo que venimos invirtiendo en Machine Learning y, hoy, atraviesa prácticamente toda nuestra tecnología. Estas técnicas nos han permitido reinventar productos ya existentes como YouTube y Google Translator, así como hacer realidad experiencias completamente nuevas como Google Assistant. Además de Google, otras empresas bajo el alero de Alphabet están explorando el potencial del Machine Learning y de la inteligencia artificial (IA), con miras a revolucionar la detección del cáncer, combatir el “troleo” y los comentarios ofensivos en Internet, así como optimizar el uso de nuestros limitados recursos energéticos.
Pero primero, un poco de historia. Si bien el Machine Learning y la IA hoy concitan actualmente gran atención -e inversiones- no son precisamente tecnologías nuevas. Recuerdo haber tomado un curso en Computación Neuronal cuando estudiaba en Cambridge en los 90. Y de hecho, este campo había surgido varias décadas antes de mi época universitaria. Es más, los primeros modelos estadísticos que representaban el funcionamiento del cerebro humano se remontan a los años 50. Estos primeros modelos eran bastante simplistas y fue hace muy poco tiempo -gracias al desarrollo de las redes neuronales, el poder de la informática en la nube y la recopilación de grandes conjuntos de datos- que el Machine Learning evolucionó desde una interesante colección de teorías y algoritmos a un conjunto de tecnologías aplicadas.
En esencia, el Machine Learning es un enfoque para la resolución de problemas. Durante la primera era de la informática, desarrollábamos programas basados en reglas para transformar un conjunto de datos en el resultado esperado. El problema con estos sistemas era que no se adaptan al caos del mundo real, que rara vez sigue patrones claros y ordenados. El Machine Learning prácticamente adopta el enfoque opuesto: el algoritmo “aprende” a determinar sus propias reglas, mediante la exploración de un gran conjunto de datos en busca de patrones y similitudes. Esta tecnología tiene una gran diversidad de aplicaciones en el mundo real: desde identificar imágenes de perros y gatos entre todas las fotos de tu dispositivo móvil, hasta optimizar la refrigeración dentro de un centro de datos.
Gracias a su capacidad de aprender de grandes conjuntos de datos, el Machine Learning y la IA son capaces de resolver problemas que superan ampliamente las habilidades de cualquier persona o, incluso, grupos de personas. En ocasiones, lo que se comenta sobre el alcance y el potencial de estas tecnologías puede llegar a asustarnos, pero lo cierto es que se trata simplemente de herramientas que amplifican nuestra capacidad de abordar problemas cada vez más complejos. Con la ayuda del Machine Learning y la IA, nuestra inteligencia humana -en toda su impredictibilidad y creatividad- será capaz de mirar aún más lejos y hacer mucho más.
Muchos equipos en Google están explorando el potencial del Machine Learning en los ámbitos de la creatividad, el arte y la música, aunque quizás el mejor ejemplo de hacia dónde apunta nuestro trabajo es Google Assistant. Se trata de una herramienta de asistencia basada en la IA y compatible con diversos dispositivos, que nos permite realizar un sinfín de actividades a diario. Aprende a conocerte y saber cuáles son tus gustos (incluyendo tu equipo favorito), para luego brindarte información relevante a lo largo del día en el momento que la necesites. Gracias al Machine Learning y al procesamiento del lenguaje natural, puedes conversar con el Asistente del mismo modo que lo harías con una persona real. Vemos que ya existen personas que lo utilizan con frecuencia. De estas consultas, un 70% se realizan por voz utilizando lenguaje natural, en lugar de las clásicas palabras clave que los usuarios ingresan en la barra del buscador.
El Asistente está disponible en más de 100 millones de dispositivos, incluidos los teléfonos con sistema Android, Google Home, IPhone y Android Wear. Pronto también podrá utilizarse en muchos más dispositivos, incluyendo automóviles y smart TVs. Los desarrolladores están trabajando en aplicaciones y acciones para el Asistente que le permita ir mucho más allá de la búsqueda, con marcas líderes como Spotify, eBay y Netflix invirtiendo en la plataforma. Poder tener conversaciones personalizadas con los clientes es un sueño para muchas marcas y Google Assistant está próximo a hacerlo realidad gracias al poder del Machine Learning y de la IA.
Respecto al tema conversación, el Machine Learning también está desempeñando un papel importante en otras empresas de Alphabet. Jigsaw es una empresa de Alphabet integrada por expertos en políticas, ingenieros, científicos y especialistas en IA. Todos abocados a comprender cómo la tecnología puede ayudar a hacer de este planeta un lugar más seguro. El equipo tiene grandes aspiraciones en torno a resolver problemas de seguridad global, tales como la radicalización y proliferación de noticias falsas en la web, así como la amenaza de la censura en Internet. Su primer producto, "Perspective", intenta hacer frente a uno de los principales problemas de las comunidades digitales: el comportamiento incivilizado y los comentarios ofensivos.
La mayoría de los usuarios web han sido testigos de acoso o bullying en Internet y cerca de la mitad han sido víctimas directas de este tipo de actos. Usando paquetes de datos de partners como el New York Times, los algoritmos de Machine Learning detrás de Perspective se han auto-entrenado para identificar el tipo de vocabulario ofensivo que podría inhibir a las personas de participar del debate. La API de Perspective asigna un “puntaje” de agresividad a cada comentario, ofreciendo a los editores un medio confiable y escalable de monitorear y filtrar conversaciones, así como de fomentar la interacción y las discusiones civilizadas. Como resultado de la implementación de Perspective, el New York Times -que antes permitía comentarios en alrededor del 10% de su contenido- está abriendo la posibilidad para que sus lectores comenten e interactúen con un mayor número de sus artículos destacados. El objetivo apunta a que -en un futuro- esto se amplíe al 100% de los artículos.
Más allá de la familia Alphabet, estamos poniendo a disposición de empresas e investigadores algunos de los componentes fundamentales de nuestra tecnología de Machine Learning, con el objeto de impulsar el progreso de toda la industria. Primero, contamos con Google CloudML, un conjunto de diversas APIs a las que cualquier usuario puede acceder para hacer uso de una versión simplificada de Machine Learning en Google Cloud. Luego tenemos TensorFlow, nuestra biblioteca de Machine Learning de código abierto, disponible para uso de particulares, instituciones y empresas en sus propios proyectos de Machine Learning.
Estas herramientas ya están ayudando a grandes y pequeñas empresas a ahorrar tiempo de forma sustancial en tareas que demandan una enorme cantidad de trabajo. Tanto TensorFlow como CloudML ya están contribuyendo a realizar arduas y complejas tareas. Desde automatizar la selección de pepinos en predios japoneses hasta ayudar a Airbus Defence and Space a remover formaciones nubosas automáticamente de sus imágenes satelitales; estas aplicaciones han permitido liberar tiempo y recursos intelectuales para ser aprovechados en el tipo de trabajos imaginativos y creativos en que la mente humana es claramente superior.
Soy muy optimista respecto al potencial del Machine Learning. Alrededor del mundo, miles de personas brillantes y dedicadas trabajan todos los días en resolver problemas tan diversos y relevantes como el cambio climático, la investigación aeroespacial y la educación. Con la ayuda de las herramientas de Machine Learning, las soluciones a las que puedan llegar tendrán el potencial de hacer de nuestro planeta un lugar radicalmente mejor.
