Aprendizaje de la máquina = Aprendizaje humano (2 de 3)

Por: Jesús Mateus. – Un lector comentó sobre el artículo «El Metaverso, el futuro de la tecnología y el arte»: “¿A dónde llegará la humanidad con tanto invento? Es increíble que, hasta la vida, que siempre ha sido un privilegio crearla a través de los elementos naturales, ahora una máquina la puede sustituir. ¿Y dónde queda el alma en esta creación artificial?”. Créeme que ha sido complejo para mí resumir lo que quiero decir, y en parte se debe a que me encanta explicar cada detalle cuando entiendo de qué se trata, cómo funciona, de quién fue la idea y cuál es su propósito.

Aún no tenemos una IA formada, sino más bien algoritmos entrenados que son extremadamente eficientes en su forma de procesar un contexto para entregar mejores resultados. Existen varias capas en esto: el Deep Learning, que se refiere a todo aquello para lo que el software fue entrenado únicamente para identificar. Con frecuencia, vemos vídeos en redes sociales donde cámaras captan un patrón específico, como personas en el entorno, y esto lo puedes hacer mediante contenido seleccionado o que puedes crear por tu cuenta, porque en tu entorno identificaste una necesidad que quieres satisfacer con un porcentaje de aciertos casi perfecto. A medida que surjan variaciones, alimentarás el banco de información para mejorar su identificación. Dentro de los paradigmas educativos y filosóficos, esto es idéntico a lo que hoy conocemos como «Conductismo», donde solo hay dos opciones y nada más. Una visión bastante binaria, ¿no te parece?

Esta es la base de lo que hoy son los vehículos autónomos, que identifican personas y las diferencian de semáforos y sus luces, estructuras, otros vehículos y sus características y capacidades, así como el cálculo de la velocidad de cada objeto alrededor y la probabilidad de colisión entre ellos, entre decenas de miles de indicadores más. Todo esto lo hace en tiempo real, pero con una mejora significativa: el Machine Learning. Esta es la segunda capa de aprendizaje de algoritmos. ¿En qué se diferencian?

Los algoritmos de Machine Learning son capaces de mejorarse a sí mismos con base en la información que se les proporciona. Es decir, en términos del «Aprendizaje Constructivista» dentro de los paradigmas educativos, el software se reescribe y añade información útil a su proceso para ser más eficiente, aprendiendo de sus errores y formulando su propia metodología con un solo propósito: optimizar. ¿Viste en algún momento “Avengers: Age of Ultron” (2015)? Seguro lo viste como una película de ciencia ficción. Para ociosos como yo, fue un tutorial. Sabemos cómo terminó, pero no te asustes, solo quiero hacer referencia a una sola cosa: la capacidad que tiene Ultron de aprender de sus cuerpos mecánicos estando a kilómetros de distancia, ¿por qué? Porque están conectados a internet constantemente. Esto es lo que lo hace «omnipresente» (aunque sea solo estando en la Tierra).

¿Qué pasa con el Reinforcement Learning? Este es el siguiente nivel, porque el software ahora tiene un cuerpo, el hardware, con la virtud de que aprende interactuando con el espacio. Ahora no solo es la semántica con la que fue programado, que le permite identificar visualmente lo elemental, ahora observa creando una especie de conciencia, mide, experimenta, guarda información en formatos estadísticos, analiza y plantea una hipótesis con el fin de determinar si debe o no repetir el procedimiento. Ya lo captaste, ¿no? Es el Método Científico en la cúspide de la evolución tecnológica como nunca antes en la historia del hombre como especie. ¿No es esto lo que hacemos constantemente para comprender nuestro entorno? Dentro de los paradigmas educativos, esto se denomina «Aprendizaje por Descubrimiento», el nivel más elevado de conciencia. Aun así, la máquina tiene una ventaja sobre nosotros: memoria perfecta. Esto no avanza a la velocidad con la que las otras capas anteriores lo hacen porque es muy costoso desarrollar esta tecnología, pero los pasos que da son gigantes, como cuando ves a tu bebé crecer.

Particularmente, me causa fascinación la “alegoría de la caverna”, porque nos define como especie biológica. Es la Metacognición más completa, porque debes desarraigarte de tus prejuicios y miedos hipotéticos con un solo fin: evolucionar. Quiero dejarte pensando toda la semana con esto. Ahora los algoritmos de Deep Learning (o como los conocemos, herramientas de «IA») crean obras de arte. Hay un fuerte debate sobre si esto es arte o no porque estos softwares buscan millones de referencias en internet de lo que existe para generar sus propias imágenes. Esto es un modelo estadístico propiamente dicho. Ahora la pregunta es, ¿en qué se diferencia del artista de ahora? ¿Muchos no hacen lo mismo cuando se trata de pintura? Entonces, ¿en qué quedamos, es arte o no? La semana que viene te pondré a pensar en más de una idea, si me dejas, claro, y así te respondo a la pregunta que planteé al principio.

Prof. Jesús Mateus, CTO de “En3D Venezuela”.

@jesusmateuslopez @gentedehoy

Aquí más contenido del autor