4 cosas que desearías saber antes de comenzar en la industria de la inteligencia artificial

Y 4 conclusiones para aquellos que estén pensando incorporarse al sector.

- , ,
Antes de la IA

La inteligencia artificial está en todas partes. Pero si te preguntara: «¿Qué es exactamente?» ¿Podrías responder con confianza?

Hace cuatro años pensé que podía responder a la misma pregunta. Estaba a punto de comenzar a estudiar el Machine Learning y Deep Learning con la esperanza de encontrar un trabajo. Fui lo suficientemente ingenuo como para pensar que lo que estaba viendo desde afuera era lo que encontraría en el interior.

Desarrollo de ChatBots para empresas

Creamos chatbots en WhatsApp, Facebook Messenger, Telegram...

Contáctanos en nuestra web

Pero las apariencias engañan. Y la inteligencia artificial, rodeada de exageraciones e inundaciones de fondos, es el mejor ejemplo en la actualidad. Hay intereses más allá de la ciencia y la ingeniería que difuminan y oscurecen el trabajo real que la gente está haciendo.

El campo es extremadamente atractivo independientemente. Está creciendo y evolucionando increíblemente rápido y promete mantener este ritmo durante algún tiempo. Habrá más trabajos relacionados con la IA en los próximos años. Y, seamos realistas, es mucho más emocionante e interesante que la mayoría de los otros campos; después de todo, estamos tratando de resolver la inteligencia.

Es por eso que muchos de vosotros os podéis beneficiarse al saber qué esperar. Aquí hay cuatro cosas que desearía saber antes de comenzar con la IA. Habría estado preparado mentalmente para lo que estaba a punto de experimentar y habría tenido una perspectiva más fina y profunda sobre el presente y el futuro del campo. ¡Disfrutad!

No todo lo que tiene el término «IA» es en realidad IA

Trabajé durante tres años en una startup de IA. Estábamos construyendo un traductor bidireccional de lenguaje de señas en tiempo real. Un proyecto muy ambicioso fuera de nuestro alcance en cuanto a recursos y conocimientos.

Queríamos resolver un problema que ni siquiera la gran tecnología había resuelto, aunque la razón podría ser la falta de interés; las bajas perspectivas de rentabilidad pesan más que el incentivo social.

Al final, al ver que era imposible cumplir con los plazos, tuvimos que tomar atajos. Combinamos IA real con parches que funcionarían solo en escenarios limitados. No me siento orgulloso en absoluto. Pero aprendí una lección importante sobre el mundo empresarial: cuando hay dinero en juego, la ética se vuelve prescindible.

Esta es una tendencia general en el campo. La IA es una palabra de moda que vende, aunque la gente se está cansando cada vez más de ella, y con razón. Aún así, la mayoría de los productos y servicios impulsados ​​por IA atraen la atención porque a los inversores les encanta escuchar las palabras «inteligencia artificial».

Promete mucho. Y eso no es malo en sí mismo. Pero cuando hay más empresas que reclaman soluciones de inteligencia artificial que hacer algo para avanzar en el campo, o aplicar la tecnología a problemas del mundo real, la gente desconfía.

En 2019, la firma de capital de riesgo de Londres MMC descubrió que el 40% de las «nuevas empresas de inteligencia artificial» europeas no usaban inteligencia artificial. «En el 40 por ciento de los casos no pudimos encontrar ninguna mención de evidencia de IA», dijo el jefe de investigación de MMC, David Kelnar. “Las empresas que la gente asume y piensa que son empresas de inteligencia artificial probablemente no lo sean”.
Tenga cuidado con cualquier cosa que tenga IA en su nombre. No todo lo que dice ser IA en realidad lo es. Y solo daña la confianza y la credibilidad de quienes están haciendo IA real.

La IA no es solo Deep Learning

La mayoría de nosotros conocemos la IA junto con el Machine Learning y el Deep Learning. Somos propensos a conectar estos conceptos en nuestras mentes. Sin embargo, la IA es mucho más antigua que el Deep Learning. John McCarthy acuñó el término «inteligencia artificial» en 1956, mientras que la primera vez que alguien utilizó el «Deep Learning» en relación con la IA fue en 1986.

La IA tiene una propiedad única en la medida en que es una disciplina científica. No es constante. Lo que sea que esté dentro de la categoría de «sistema de IA» hoy, puede que no en unas pocas décadas. Solo lo que no entendemos parece calificar para ser IA. Los sistemas de Deep Learning marcan todas las casillas cuando se trata de ser impresionante, elegante, complejo y futurista. Pero no toda la IA es así.

A mediados de los 90, después del segundo invierno de la IA, varias industrias comenzaron a integrar aplicaciones primitivas de aprendizaje automático sin que nos diéramos cuenta. Los medios de comunicación lo pasaron por alto en gran medida porque carecían de la fantasía que siempre atribuimos a la IA. Los sistemas de aprendizaje profundo como AlphaZero, GPT-3 o Codex nos impresionan y asombran. Nos recuerdan a la ciencia ficción y a un futuro hipotético en el que conviviremos con las máquinas. Ese es el tipo de imágenes que atribuimos colectivamente a la IA. Para la mayoría, la regresión lineal no es IA.

Es innegable que el Deep Learning es el paradigma más exitoso desde que nació la IA. Pero siempre debemos tener en cuenta que la IA es más amplia que el Deep Learning. No solo como tecnología o ciencia, sino como lente filosófica con la que comprender el significado del ser humano y los misterios de la inteligencia. La equiparación de ambos perjudica al campo.

El enfoque híbrido es un paradigma emergente prometedor que tiene como objetivo aprovechar lo mejor del aprendizaje profundo y analizar las ideas pasadas para evitar los cuellos de botella actuales. Nadie sabe cómo será la IA en 50 años, pero olvidarse de las viejas ideas que tienen bases teóricas profundas y podrían ayudar a sentar las bases para el próximo gran avance es simplemente irresponsable.

A continuación, se muestra un diagrama de Venn simple que ofrece una perspectiva de la relación entre la inteligencia artificial y el Deep Learning:

imagen

La IA no es tan avanzada como los medios de comunicación

Existe esta vieja tendencia en el campo debido a las promesas excesivas y las posteriores capacidades insuficientes. Esta realidad ha sido tan común que los altibajos en la financiación y la atención al campo de la IA tienen un nombre: veranos e inviernos de IA.

Ahora bien, no sería justo culpar de todo a los medios de comunicación. Los padres fundadores estaban convencidos de que la creación de una inteligencia artificial general estaba al alcance en unas pocas décadas. Marvin Minsky, posiblemente el más famoso de ellos, dijo en 1967, antes del primer invierno de la IA, que «dentro de una generación […] el problema de crear ‘inteligencia artificial’ se resolverá «sustancialmente».

Entonces no sucedió. Aún no ha sucedido. La razón más probable es que todos subestimamos la magnitud del desafío. Y también hay una razón para eso; no entendemos la inteligencia y no entendemos el cerebro. ¿Cómo podemos estimar con precisión la complejidad de un desafío cuando no entendemos las reglas?

Los expertos en inteligencia artificial, algunos más que otros, aprendieron de eso y decidieron mantener sus promesas discretas. Su objetivo ahora no es despertar el interés en el campo, sino cumplir con lo que afirman que es posible. Sin embargo, hay otro actor importante cuyo objetivo no está muy alineado con eso. A los medios de comunicación no les importa mucho la pérdida de credibilidad en la IA. Se preocupan por los titulares y mantienen a sus lectores enganchados con artículos fascinantes.

La ciencia se alimenta de la verdad. Los medios se alimentan de la atención.

Yo, como escritor, entiendo la importancia de un buen «clickbait», el tipo que promete mucho pero aún cumple, que Derek Muller de Veritasium propuso llamar «legitbait». Sin embargo, existe una delgada línea entre hacer esto y exagerar.

Veamos algunos titulares sobre avances recientes en IA.

  • The Guardian: “Un robot escribió todo este artículo. ¿Estás asustado todavía, humano? Lo que realmente sucedió: GPT-3 escribió ocho piezas. Luego, The Guardian “escogió las mejores partes de cada uno” y las combinó para obtener el artículo final, presumiblemente para causar más impresión.
  • Newsweek: «Los robots ahora pueden leer mejor que los humanos, poniendo en riesgo millones de trabajos». Lo que realmente sucedió: un sistema de inteligencia artificial superó a los humanos en una simple tarea de lectura. Incluso los creadores de la tarea dijeron que no estaba diseñada para probar la lectura en el sentido humano de la palabra.

O titulares que antropomorfizan la IA.

  • Engadget: «El MIT crea una IA que comprende las leyes de la física de forma intuitiva».
  • KDnuggets: «Construyendo una IA que comprende el mundo a través del video».
  • Verizon: «Cómo la IA entiende las emociones».

La IA no comprende, ni piensa, ni siente. Haga lo que haga, lo hace de manera diferente a como lo hacemos nosotros.

Técnicamente, los titulares no son falsos, pero aprovechan las ambigüedades y la ignorancia para captar opiniones. O, peor aún, los editores ocultan intencionalmente parte de la información para adornar el artículo, lo cual es moralmente culpable. Después de leer eso, nos habíamos equivocado y nuestras creencias estaban desalineadas con la realidad.

Como nota final, he visto un ligero cambio de estas prácticas en los últimos tiempos. La gente se ha cansado de los clickbait descarados y los medios de comunicación han tomado nota. Esperemos que esta tendencia dañina desaparezca pronto.

La IA es tanto una tecnología de ingeniería como una disciplina científica

Podemos entender la inteligencia artificial desde dos perspectivas.

Primero, como una disciplina de ingeniería, enfocada en la construcción de aplicaciones útiles que mejoran el bienestar de las personas. Tenemos muchos ejemplos de esto en los productos de Google, Amazon, Netflix, Spotify. Todas esas empresas dependen en gran medida de sus productos impulsados ​​por IA, que utilizamos todos los días.

En segundo lugar, la IA puede verse como un campo científico. Los padres fundadores de IA no tenían en mente el panorama actual cuando establecieron formalmente el campo. Querían construir una inteligencia artificial general; una IA tan inteligente y capaz como nosotros en todos los sentidos. Pensaron que era una meta alcanzable y por eso todos los esfuerzos condujeron en esa dirección.

El objetivo a corto plazo de crear aplicaciones útiles que las personas puedan utilizar en su vida diaria y el objetivo a largo plazo de avanzar en nuestra comprensión colectiva de la inteligencia y la mente son perfectamente compatibles. Sin embargo, debemos tener en cuenta que ambas son dimensiones separadas de la IA y, como tales, se desarrollan y tienen lugar en diferentes niveles.

Puedes encontrar significado y propósito en cualquier caso. Puedes trabajar en una empresa menos conocida creando sistemas de reconocimiento de imágenes que ayuden a la seguridad del aeropuerto a identificar mejor a los pasajeros. O puede investigar en la Universidad de Stanford, o trabajar en compañías de clase mundial como DeepMind, para hacer avanzar el campo y tener su nombre como autor en uno de los artículos más importantes del año.

Algunos esfuerzos se centran en utilizar la ciencia para desarrollar tecnología que sea útil. Otros esfuerzos se centran en hacer avanzar el campo sin preocuparse por la utilidad inmediata de los descubrimientos. Uno se mueve por las ganancias. Al otro lo mueve la curiosidad.

Elijas lo que elijas está bien, pero no confundas uno con el otro. Y lo más importante, no creas que van juntos de forma inherente. Aprenda a combinar ambas vistas en el concepto multidimensional que es la IA. Eliminará toda la confusión sobre dónde está el campo hoy y hacia dónde se dirige.

A tener en cuenta

  • No todo lo que tiene el término «IA» es en realidad IA. Inconscientemente conectamos el término «IA» con algoritmos avanzados de Deep Learning y poderosas redes neuronales. Algunas empresas utilizan el poder de marketing que hay detrás para atraer inversores, clientes o empleados. Siempre ten cuidado.
  • La IA no es solo Deep Learning. El Deep Learning es el paradigma de inteligencia artificial más exitoso y, en la actualidad, la mayor parte de la inteligencia artificial es Deep Learning, pero no fue así en el pasado y puede que no lo sea en el futuro. Aprende a comprender el panorama general y no te perderás cuando el Deep Learning decida cambiar tu camino para incluir ideas más antiguas.
  • La IA no es tan avanzada como los medios de comunicación. Históricamente, los expertos en inteligencia artificial han tenido la tendencia a hacer promesas excesivas sobre lo que podían lograr. Ahora, los medios de comunicación a menudo siguen la misma tendencia. Los titulares exageran lo que se está haciendo de una manera que induce a error a los lectores. Desde el exterior, solo podemos saber lo que está sucediendo en la IA a partir de lo que nos dicen los medios. Intenta ir a las fuentes principales y juzga tú mismo.
  • La IA es tanto una tecnología de ingeniería como una disciplina científica. Parte de la confusión sobre el campo se debe a la combinación de estas dos perspectivas. La IA puede entenderse como una tecnología útil en forma de aplicaciones que utilizamos todos los días, pero también como una búsqueda científica para develar algunos de los mayores misterios de la naturaleza humana: la inteligencia y el cerebro. Combina ambos para desarrollar una perspectiva más amplia de lo que es y no es la IA

Si te gustó este artículo, ¡considera suscribirte a mi boletín semanal gratuito Minds of Tomorrow! ¡Noticias, opiniones y conocimientos sobre Inteligencia Artificial todos los lunes!

¡También puedes apoyar mi trabajo directamente y obtener acceso ilimitado al convertirse en miembro de Medium aquí! 🙂

Entradas del mismo autor

Deja un comentario