jueves, 2 de julio de 2015

Inteligencia artificial: mentes de silicio para grandes retos

ESCRIBE JAIME CORDERO / SEMANA ECONOMICA 
Cuando Deep Blue, la supercomputadora creada por IBM, derrotó al campeón mundial de ajedrez Garry Kasparov en un match a seis partidas en 1997, quedó claro que la inteligencia artificial (IA) debía tomarse en serio, y no sólo como una línea argumental para guionistas y escritores de ciencia ficción. Que una máquina adecuadamente programada sea capaz de vencer al ser humano en uno de los juegos más complejos que se han inventado –en el que no sólo intervienen la memoria y el cálculo rápido y preciso, sino también la creatividad y la capacidad para evaluar escenarios complicados y truculentos– era un anticipo de lo que se podría conseguir más adelante, con procesadores más rápidos y algoritmos más complejos. Al fin y al cabo, el objetivo de IBM no era crear una computadora que jugara mejor al ajedrez que cualquier humano, sino sentar las bases de una herramienta que sirviera, en el futuro, para resolver cualquier tipo de problema a partir del análisis de la información disponible, como lo hace un cerebro normal.

Hasta ahora la mayoría de expertos coincide en definir la IA a partir del test ideado por el matemático británico Alan Turing en 1953. Esta prueba consiste en plantear una serie de preguntas. Si, a partir de las respuestas (y ninguna otra información), un ser humano no es capaz de determinar si quien las respondió es una máquina y no otro ser humano, entonces ese sistema se puede considerar ‘inteligente’.

Hoy la IA está más extendida de lo que a primera vista se podría creer. Cada vez que iTunes ofrece una canción para descargar o Amazon recomienda un libro que cree puede interesar a uno de sus clientes, hay un motor de IA que ha analizado la información disponible para hacer esa sugerencia. También lo hay detrás de Waze, cuando señala la mejor ruta para ir al lugar solicitado por el usuario, indica el tiempo estimado que tomará el viaje, e incluso modifica la ruta si surge alguna complicación durante el trayecto.

Los sistemas inteligentes actuales no solamente son capaces de responder preguntas o resolver problemas complejos, sino también pueden ‘aprender’ sobre la base de experiencias pasadas o mediante el análisis de la información que van recibiendo. Esto implica que cada vez son más aptos para encargarse de labores de análisis reservadas antes a los seres humanos.

Internet_Mobil_finalOK

En el 2010 llamó la atención el caso de AzFinText, un programa que a partir del análisis de las noticias financieras y la información disponible en el mercado era capaz de elegir acciones del S&P500. El programa lograba mejores rendimientos que la mayoría de fondos. Más inquietante aun: un reciente estudio de la Universidad Rey Juan Carlos de Madrid ha encontrado correlaciones entre los mensajes de Twitter y el desempeño de las acciones en la bolsa de Madrid. ¿Podría un programa de IA procesar esta información como un elemento para tomar decisiones de inversión? A estas alturas es perfectamente factible.

IMPACTO ECONÓMICO

Según BCC Research, una empresa especializada en la industria global de tecnología, el mercado de las máquinas inteligentes movió US$6,292 millones en el 2014. Su proyección es que alcance los US$15,000 millones para el 2019 y supere los 40,000 millones para el 2024, con un crecimiento promedio cercano al 20% anual.

En la actualidad, más del 50% de este negocio está concentrado en los ‘sistemas expertos’, es decir, soluciones basadas en algoritmos y diseñadas para resolver problemas específicos. En cambio, la categoría de las neurocomputadoras –una combinación de software y hardware creada bajo el modelo del cerebro humano (es decir, intenta replicar el funcionamiento del cerebro en cuanto a los procesos de pensamiento y aprendizaje) – es aún incipiente: en el 2014 movió US$452 millones, equivalentes al 7% del total de la industria. Sin embargo, BCC estima que para el 2024 el mercado de las más evolucionadas neurocomputadoras alcanzará los US$4,685 millones.

EN LAS EMPRESAS

La IA es un gran complemento para el big data, en la medida en que permite analizar las enormes bases de datos y extraer la información relevante para tomar decisiones. Grandes empresas en todo el mundo emplean soluciones de IA. Una compañía de seguros, por ejemplo, puede analizar la información disponible sobre el historial médico y los hábitos de un potencial cliente, para determinar si es el momento para ofrecerle una póliza de salud. Un banco, por su parte, puede revisar los datos de comportamiento de sus clientes para determinar qué días gasta más y qué tipo de compras realiza, y así diseñar un producto financiero a la medida. “Esos datos necesitan tratarse, la inteligencia artificial tiene métodos para patrones. También se puede ayudar con métodos estadísticos. En conjunto es una herramienta magnífica”, señala Ítalo Farfán, consultor de Innovivir.

El sector financiero también usa la IA para controlar operaciones fraudulentas a través de medios electrónicos. En Estados Unidos, American Express utiliza software que realiza seguimiento a transacciones por más de US$1 billón cada año, y puede detectar (y detener) un fraude en apenas 2 milisegundos, según un artículo publicado en Bloomberg Businessweek.

Otros campos, como la minería y la medicina, también usan sistemas expertos de IA, agrega Farfán. En el primer caso se analiza la información (como complemento a los trabajos de campo) para determinar la probabilidad de encontrar yacimientos e incluso la ley de los minerales. Para la medicina, las aplicaciones son revolucionarias. Los sistemas expertos pueden ayudar a hacer diagnósticos con gran precisión, e incluso proponer tratamientos a partir del análisis de la información de los pacientes.

Prácticamente todas las industrias se pueden beneficiar de los sistemas predictivos. El sector energético, por ejemplo, puede anticipar con creciente precisión la demanda de electricidad y ajustar en consecuencia la generación, a partir del análisis de datos pasados del clima y del uso de programas capaces de aprender. Aunque al principio estos programas no conozcan qué efecto tiene cada parámetro, las miles de iteraciones del proceso de predicción minimizan las diferencias entre sus pronósticos y los valores actuales en el mundo real.

El uso intensivo de IA tendrá fuerte impacto en el aumento de la productividad, detalla McKinsey & Company en su informe “Disruptive technologies”. Esto aplica prácticamente a todas las áreas de una empresa. En tareas comunes como ventas, call centers, atención al cliente y soporte administrativo, McKinsey proyecta que, en la medida en que sean cada vez más factibles de ser automatizadas, las ganancias en productividad pueden ser de 40% a 50% para el 2025. Esto representaría un impacto económico anual de US$1.7 billones a US$2.2 billones. En los niveles gerenciales también se puede generar un alto impacto, con un aumento de la productividad de 30% a 40% para el 2025, gracias al uso de software inteligente que facilite las labores de supervisión y elabore diagnósticos y pronósticos cada vez más precisos.

A todo esto hay que agregar el campo de los desarrollos de IA aplicados a la tecnología de consumo, como es el caso de Siri, el software asistente de reconocimiento de voz de Apple. Otras empresas, como la startup israelí Beyond Verbal, están dando pasos más avanzados, como intentar interpretar el estado de ánimo de una persona a partir del tono de su voz.

Uno de los sistemas de IA más interesantes en la actualidad es Watson, de IBM. Al igual que Deep Blue, su prueba de fuego fue demostrar que era capaz de superar a los mejores humanos. Lo hizo en Jeopardy!, el famoso juego de trivia de la TV de Estados Unidos. En el 2011, Watson (cuya capacidad de procesamiento es cien veces más grande que Deep Blue) derrotó, a lo largo de tres sesiones, a dos campeones de este juego. Lo hizo, desde luego, sin estar conectado a Internet, sino a partir de la información que ha ido acumulando a lo largo del tiempo.

IBM define a Watson como una herramienta cognitiva que permite responder preguntas y resolver problemas sobre la base de información dispar. Tiene, además, la capacidad de entender el idioma hablado, pero mucho más importante es su capacidad de aprender (de ‘hacerse cada vez más inteligente’) a partir de feedback de sus usuarios, y de sus éxitos y fracasos del pasado. Esta habilidad le permite ser muy útil para gestionar las relaciones de las empresas y sus clientes, así como analizar enormes bancos de datos.

IBM ha empezado a trabajar con Numenta, una empresa que ha desarrollado un software de IA, que, a juicio de los expertos, ‘piensa’ de manera más parecida al cerebro humano que otras aplicaciones. También Google realiza grandes inversiones en este campo. En ambos casos, el objetivo es el mismo: crear sistemas capaces de aprender por sí solos, de un modo cada vez más eficiente.

Crear un cerebro artificial a imagen y semejanza del cerebro humano es una obsesión para muchos genios de la informática. Sin embargo, no es el único camino. “La idea de copiar el cerebro neurona a neurona no es enfoque adecuado […] El objetivo es que la máquina copie el comportamiento del cerebro, con la versatilidad de la inteligencia humana”, advierte Ramón López de Mántaras, en una entrevista con El País.

EN EL PERÚ

Recientemente se ha dado a conocer que Rimac Seguros firmó un convenio con IBM para probar Watson for Oncology, una versión del programa cuya función es optimizar los tratamientos de cáncer –y que ya se usa con éxito en el Memorial Sloan-Kettering Cancer Center de Nueva York, en pacientes peruanos–. Watson for Oncology analiza la historia clínica de los pacientes y los resultados de sus pruebas, y es capaz de hacer diagnósticos y recomendar tratamientos. Según un artículo publicado en la revista Wired, este software puede diagnosticar un cáncer al pulmón con mucha mayor fiabilidad que un médico de carne y hueso (90% vs. aproximadamente 50%). También es capaz de recomendar las terapias más económicas y eficaces para cada paciente, con lo cual puede incidir en una reducción de los costos de tratamiento. El acuerdo de Rimac con IBM busca, en primer término, determinar si Watson ya está en capacidad de aplicarse en los pacientes peruanos, o si antes deberá cargarse con buena cantidad de historias clínicas

Ítalo Farfán señala que otro sector en el que se utilizan las aplicaciones de IA es el aeroportuario, y más concretamente en la seguridad de los terminales, a través del monitoreo de las cámaras. Sistemas expertos pueden reemplazar a los vigilantes humanos en esta labor. Sin embargo, como ocurre con otras tecnologías, el campo virgen sigue siendo vasto.

En el 2013, la empresa J Ramón, especializada en análisis de laboratorio para empresas mineras, desarrolló una aplicación que usa IA para determinar la pureza del oro. De esta manera se evita la exposición de personal humano a ambientes potencialmente tóxicos y se mejora la precisión de las mediciones, puesto que el proceso es completamente automatizado. Esta aplicación fue cofinanciada por los Fondos para la Innovación, la Ciencia y la Tecnología (FINCyT).

Más recientemente se ha conocido por las noticias que la startup peruana Suruna ganó un concurso para acceder a seis meses de asesoramiento por parte del programa Startup Chile. Su desarrollo está basado en un algoritmo que puede revisar videos y ordenarlos en función de los gustos de los usuarios.

Se espera que la nueva ley de fomento a la innovación, que aumenta la subvención estatal a las inversiones en I+D, motive a que más empresas se animen a crear desarrollos propios que permitan mejorar sus procesos.

Archivo de Noticias