La tecnologia que ensenya als robots a ‘pensar’ com humans

A la fi dels anys 1950, l’informàtic Arthur Samuel va crear un programa per jugar a les dames, utilitzant un algoritme senzill per descobrir els millors moviments per guanyar. Samuel va entrenar l’ordinador amb una còpia de si mateix (el self play) i amb una base de dades en la qual estaven registrats centenes de partits. Era l’inici de l’machine learning (aprenentatge automàtic), una branca de la intel·ligència artificial (IA) que permet que les màquines aprenguin sense ser explícitament programades. Gairebé set dècades després d’aquest joc, aquesta tecnologia té aplicacions tan diverses com el diagnòstic d’un càncer o la construcció de cotxes autònoms. Fa uns dies es va donar a conèixer el seu últim invent: Sophia, un androide desenvolupat per la companyia Hanson Robotics, que va acaparar totes les atencions a la fira tecnològica de Ginebra.

“És una tecnologia aplicable a pràcticament tots els camps en els quals hi hagi dades disponibles “, explica a eL PAÍS Thomas Dietterich, un dels pares de l’machine learning com a camp d’investigació. L’expert esmenta exemples que van des dels algoritmes usats en el món dels negocis per identificar possibles compradors d’un producte fins als sistemes utilitzats pels governs per solucionar problemes en infraestructures com autopistes i hidroelèctriques. Altres exemples més propers són els sistemes de traducció automàtica en Skype, el reconeixement facial de les càmeres dels mòbils i els assistents virtuals, apostes d’empreses com Google i Microsoft per aproximar la tecnologia a l’usuari final.

Cortana , l’assistent virtual de Microsoft, compta amb 145 milions d’usuaris i la companyia pretén “desenvolupar-lo fins al punt en què es comuniqui directament amb altres IAs per oferir als l’usuari qualsevol tipus d’informació o servei, des de la compra d’una sabata fins al lliurament d’una pizza a casa “, segons explica Ester de Nicolás, líder d’l’equip de Evangelisme Tècnic de l’empresa.” el nostre objectiu és democratitzar l’accés a l’machine learning “, afirma. La principal aposta en aquest sentit és la plataforma d’aprenentatge automàtic en Azure, un servei d’anàlisi en el núvol que permet crear i implementar models de màquines segons les necessitats de cada usuari.

Google centra la seva estratègia en TensorFlow , un magatzem d’experiències i resultats d’experiments que fa servir perquè les seves aplicacions prenguin millors decisions, i que té dades obertes des 2015. la plataforma ha estat utilitzada per diferents desenvolupadors i empreses a tot el món per a coses tan dispars com augmentar la producció de llet en vaques o crear un model per predir la compatibilitat entre donant i receptor en els trasplantaments d’òrgans. Però Google vol més: “Estem treballant en robots que puguin fer-se càrrec de situacions perilloses i arribar a llocs als quals els éssers humans no podem arribar, com a la central nuclear de Fukushima”, explica Andrés Leonardo Martínez, enginyer informàtic de la companyia .

riscos i errors

a més de fer projeccions per al futur, els experts també es pregunten quins són els riscos d’un món en el qual robots s’adapten i aprenen a partir de la experiència (com els éssers humans). Descarten, això sí, un escenari de ciència ficció on les màquines aniquilen la humanitat. “Creem i programem ordinadors perquè ens permeten fer les coses millor. Imagino un futur en el qual una persona i un sistema d’IA treballen junts com un equip. En pràcticament tots els camps, la combinació de robots i persones és més poderosa. Un exemple famós és conegut com escacs centaure, en què competeixen equips mixtes de persones i ordinadors. Els millors equips centaure poden derrotar qualsevol humà i qualsevol ordinador que jugui sol “, comenta Dietterich.

L’investigador veu almenys dos papers importants per als humans en el futur: realitzar tasques que exigeixen empatia i” comprensió profunda d’un altre ésser humà “i assegurar que els robots no cometin errors.” els problemes de presa de decisions d’alt risc sovint involucren factors únics. L’aprenentatge automàtic només funciona bé en problemes estables, quan el món és altament predictible i és fàcil recollir gran quantitat de dades d’entrenament. En els problemes on cada situació és única, és improbable que aquesta tecnologia tingui èxit “, explica.

Ester de Nicolás sosté que” preocupar ara mateix per la revolució dels robots és com preocupar-se per la superpoblació a Mart “, però assenyala que hi ha problemes que són menys visibles i dels quals poc es parla, com el fet que els sistemes depenguin de bases de dades, moltes vegades privats i esbiaixats.” No sempre hi ha dades correctes.Estem dipositant moltíssima confiança en AI, però cal tenir més cura amb aquestes coses “.

Dietterich dóna un exemple d’aquesta pega: algunes empreses utilitzen l’aprenentatge automàtic per decidir què salari oferir a un empleat. Si les dades històriques demostren que les dones han cobrat menys que els homes, llavors l’algoritme recomanarà oferir-hi un sou més baix. L’expert defensa la creació d’una regulació que determini proves de seguretat i una certificació específica per mitigar aquests riscos. Sebastian Farquhar, investigador de l’Institut per al Futur de la Humanitat opina, però, que és aviat per això. “La legislació està subdesenvolupada, i això és una cosa bona, perquè la tecnologia està canviant constantment. Crec, això sí, que hem de ser més conscients dels riscos, perquè hi ha molt en joc”, diu. Mentrestant, treballen perquè els robots aportin súper poders físics i intel·lectuals. “Espero el dia en què em posaré un exosquelet per aixecar 300 kg o córrer llargues distàncies quan tinc 80 anys”, explica Dietterich.

Deixa un comentari

L'adreça electrònica no es publicarà. Els camps necessaris estan marcats amb *