La intel·ligència artificial i concretament la subbranca de l’aprenentatge automàtic ha rebut molta atenció mediàtica en els darrers anys. Entenem per aprenentatge automàtic la idea que els sistemes aprenen de les dades, extreuen patrons i prenen decisions per si mateixos. Un exemple recent és el programa d’ordinador ALPHAGO que juga al GO, un joc de taula mil·lenari. ALPHAGO va aconseguir derrotar el campió del món de GO. Abans d’aquest programa, el GO es considerava un dels majors desafiaments de la intel·ligència artificial perquè a diferència d’altres jocs com els escacs, el GO té més moviments possibles que àtoms hi ha a l’univers. Altres reptes acomplerts són el cotxe amb pilot automàtic, els assistents personals com Siri o Alexa, el traductor de Google, o els acurats sistemes de recomanació que apliquen Netflix o Amazon.
Darrere d’aquests èxits, s’apliquen tècniques majoritàriament basades en xarxes neuronals artificials. Aquestes tècniques, com el seu nom indica, s’inspiren en com funciona el nostre cervell per tal d’aprendre tasques concretes. Ara bé, realment aquests sistemes aprenen a base d’una ingesta enorme de dades que exemplifiquen l’aplicació. En el cas de la traducció automàtica, els sistemes requereixen frases en dos idiomes que són traduccions una de l’altra; en el cas del reconeixement de veu, els sistemes requereixen el senyal de veu i la corresponent transcripció; en el cas de la detecció de càncer, els sistemes requereixen la imatge d’un teixit cancerós i l’etiqueta «és càncer» i així en qualsevol aplicació que us pugueu imaginar. I realment la generalització que fan els sistemes és molt local i l’aprenentatge que fan es limita a la tasca concreta que estan realitzant.
Per tant, encara que en l’àmbit popular s’ha creat una gran idealització, els sistemes actuals, resulta que no són tan diferents dels d’ara fa 30 anys. D’aquesta manera, l’automatització de tasques tan bàsiques com la de comunicar-se (que una persona fa naturalment) continua essent un repte en intel·ligència artificial. La principal diferència és que tenim grans quantitats de dades i molt poder computacional per poder obtenir resultats en producció.
Grans inversions d’Amazon, Google o Facebook
Llavors, si aquesta és la realitat actual, quina expectativa podem tenir per al futur? Sens dubte, l’impacte mediàtic del camp és merescut, doncs hi ha molts recursos i resultats. Les publicacions científiques en aprenentatge automàtic s’han multiplicat per 5 en els darrers 8 anys. I aquestes publicacions tenen el seu retorn a la societat i al sector productiu en aplicacions que ja hem anomenat. És una realitat que les grans empreses com Amazon, Google o Facebook, estan invertint molts recursos a desenvolupar aplicacions automatitzades. Llavors, la intuïció ens indica que el camp té potencial per avançar ràpidament.
Ara bé, així com s’ha creat un sentiment contradictori d’aversió i respecte desmesurat cap a aquests sistemes sospitant que substituiran molts llocs de treball, personalment poso en dubte aquesta expectativa. Podem esperar que un sistema detecti més acuradament un melanoma que no ho faria un dermatòleg especialitzat? Doncs sí. Ara bé, les conclusions d’un estudi d’aquest tipus no són precisament que no fa falta estudiar medicina, sinó que concretament es conclou que ben aviat els professionals es podran beneficiar de l’ajuda dels sistemes automàtics per realitzar millor la seva feina.
Així doncs, una visió generalitzada des de dins del món de la investigació de l’aprenentatge automàtic és que aquest ajudarà a millorar les habilitats humanes, així com permetrà que puguem automatitzar tasques monòtones que no ens realitzen com a persones. Aquests canvis se sumaran amb els que ja estem vivint des de fa uns anys en l’àrea de formació (Wikipedia, cursos en línia); compres (comerç electrònic). En comptes de témer l’automatització o la fi de certes professions, potser ens podríem alertar pel possible efecte negatiu de certes commodities que anem adquirint. Exemples d’aquestes commodities que són armes de doble tall, els trobem en substituir les converses per comunicar-nos per escrit amb missatges de menys de 100 caràcters; o en deixar d’anar al metge perquè fem el nostre diagnòstic a Google.
La intel·ligència artificial dóna informació molt fiable obtinguda a partir de l’anàlisi d’un volum de dades molt gran i ens ajuda en la presa de decisions. Ara bé, hem de tenir present que les màquines no entenen les dades que tracten de la mateixa manera que ho fem els humans. Per tant, hem de conduir els avenços de la intel·ligència artificial sota un criteri ètic cap a fer un món millor. I en aquesta tasca, tots en compartim la responsabilitat.
