Presentan riesgo de la IA

0
90


Redaccin/EL VIGA
Ensenada, B. C.

Alguna vez podr la inteligencia artificial (IA) superar a la inteligencia humana? La mayora de los especialistas piensan que esta singularidad suceder, pero no saben cundo. Sin embargo, el verdadero riesgo es que los objetivos y metas de la inteligencia artificial estn desalineados con los objetivos y metas de los seres humanos.

Mientras esto ocurre, las aplicaciones de esta disciplina, cuyo inters como campo de estudio en las prximas dcadas solo ser superado por la biologa, abarca temas muy diversos que van desde la prediccin de diagnsticos clnicos, asistencia vial, mdica y la creacin de modelos climticos ms precisos, hasta la implementacin de mtodos que facilitarn las actividades industriales, mecnicas, de entretenimiento y sociales.

Lo anterior se desprende de la charla de divulgacin Inteligencia artificial: pasado, presente y futuro que ofreci en el Centro de Investigacin Cientfica y de Educacin Superior de Ensenada (Cicese) el doctor Mariano Rivera Meraz, del Centro de Investigacin en Matemticas (Cimat).

As como Vasili Kandinsky fue capaz de crear belleza en sus pinturas sin echar mano de ninguna representacin creada por la naturaleza, sino slo abstracciones, as los humanos han sido capaces de crear inteligencia no necesariamente basada en percepciones humanas, indic Rivera Meraz.

Orgenes de la IA
El concepto de IA nace en la dcada de los aos 50, con una pregunta que result fundamental de quienes en ese momento estaban creando las ciencias computacionales: las computadoras pueden pensar?

En 1956 se llev a cabo la Conferencia de Darmouth en donde se reunieron 10 de los llamados padres de la IA. Uno de ellos, John McCarty, la defini como la ciencia e ingeniera de hacer mquinas inteligentes, especialmente programas informticos inteligentes.

Otras definiciones hablan del estudio de algoritmos que mejoran automticamente a travs de la experiencia, o de la ciencia (e ingeniera) que permite que las computadoras se comporten de una manera que, hasta hace poco, creamos que requera inteligencia humana.

El asunto fundamental es continuar con esta bsqueda de IA y aprender a manejarla; es decir, alinearla con los objetivos y metas de los humanos, porque como dijo Elon Musk el ao pasado: La IA es el caso raro en el que debemos ser proactivos en la regulacin, en lugar de reactivos. Porque creo que para cuando seamos reactivos en la regulacin de la IA, ser demasiado tarde.

La efervescencia por buscar IA se catapult cuando Frank Rosenblatt present su trabajo sobre perceptrones y propuso en 1957 el primer modelo matemtico que describa el funcionamiento de una neurona. Esto permiti el desarrollo de la primera computadora que poda aprender nuevas habilidades a partir de prueba y error, y dio origen al concepto de redes neuronales.

La euforia provocada por estos trabajos declin a finales de esa misma dcada y dio lugar a lo que se conoce como el primer invierno de las redes neuronales. La segunda ola de IA se produce en 1986 con un algoritmo de entrenamiento multi capas, pero enseguida declin en un segundo invierno (principios de los 90) al desarrollarse nuevas formas de almacenamiento de datos que facilitaban su uso.

Pero entonces el entorno cambi y resurgi el inters por trabajar con redes neuronales. Entre estos cambios destacan tres: El acceso a un nmero muy grande de datos etiquetados (por el avance de Internet); acceso a supercomputadoras ms baratas, y el desarrollo de mejores algoritmos (de optimizacin, de regularizacin y al surgimiento de lo que se llama machine learning -ML-).

Mariano Rivera ejemplific el abatimiento de costos con el caso de la supercomputadora Kam Balam, de la UNAM, que en 2006 tena caractersticas que hoy podemos ver en equipos porttiles. Doce aos depus se puede adquirir por mil dlares lo que a la UNAM le cost casi 3 millones.

El llamado aprendizaje profundo (deep learning), junto con machine learning y el big data, se interrelacionan y alimentan el avance de la IA a nivel mundial. Casos emblemticos los tenemos en reconocimiento facial, donde la extraccin de rasgos a partir de enormes bancos de datos y el refinamiento de las funciones de los algoritmos se realiza al mismo tiempo, dependiendo adems de lo que se busca resolver.

Preguntas frecuentes
Entre los asistentes a la conferencia, dos preguntas eran reiterativas: podr la IA de las computadoras superar el desempeo de los humanos? y podrn las mquinas desarrollar sensaciones como los humanos?

Para la primera hay tres escenarios, segn el conferencista. El primero es optimista: La IA superar a la inteligencia de los humanos, pero ser para bien. El segundo escenario es pesimista: La singularidad nunca ocurrir.

El tercer escenario, en el que coinciden la mayora de los expertos (75 por ciento, al menos), establece que la singularidad suceder, pero no se sabe cundo, y que el riesgo es que los objetivos de la IA estn desalineados con los objetivos de los seres humanos.

Para la segunda pregunta estableci que son los aspectos subjetivos los que nos definen como seres humanos; los que nos hacen ser conscientes de nosotros y de nuestro entorno. Por ejemplo, podemos hacer que una red neuronal sea altruista, o que una mquina siga las tres leyes de la robtica de Isaac Asimov, pero no que puedan desarrollar rencor, dolor, felicidad o ninguna de las emociones que tenemos los humanos, pues son subjetivas.

Adems de investigador, Mariano Rivera es coordinador acadmico en el Cimat, uno de los centros de investigacin que conforman el Consorcio en Inteligencia Artificial del Conacyt (junto con el Cicese, Centro Geo, Infotec, CIO, Ipicyt, Inaoe y Cidesi).

En este consorcio se desarrollan actualmente tres proyectos multi-institucionales: uno pretende desarrollar un vehculo autnomo; el segundo va en cuestiones de ciber salud (lo lidera el Cicese) y el tercero aborda procesos de manufactura.
 





Source link

Comente con Facebook