Su trabajo consiste en crear nuevos algoritmos, esos que procesan datos capaces de predecir el futuro sobre la base de patrones anteriores. Omar Flórez, arequipeño, ingeniero de profesión y experto en inteligencia artificial , conversó con Rolando Toledo, director de La Mula, en el Hay Festival de Arequipa. 

Rolando Toledo (RT): Vivimos cambios tecnológicos, la revolución que ha supuesto la transformación digital, el big data, la inteligencia artificial, el machine learning, el cloud. ¿Qué es lo que está pasando?

Omar Flores (OF): En Perú estamos rascando la punta del iceberg. Estamos solamente a nivel de usuario de inteligencia artificial, de machine learning, de data science, y no estamos generando conocimiento en términos concretos. Leo noticias constantemente de diversas partes del mundo, pero no somos capaces de replicar esa tecnología en las universidades, donde generalmente se genera el motor de toda esta innovación y todo este desarrollo de tecnología.

RT: ¿Y en que esta el mundo?

OF: En el mundo por primera vez tenemos tanta información en internet. Ahora no necesitamos entrar a la universidad para aprender lo que es el estado del arte, o el límite mismo de la ciencia, en este caso la inteligencia artificial. El resultado de eso es que por primera vez la universidad y la empresa son casi uno solo. Es muy común tomar al mejor profesor de un departamento de comunicación, y llevarlo como jefe de investigación en Amazon, Google, Facebook, y ese profesor viene con sus alumnos y genera básicamente la investigación que hacía en la universidad directamente a una empresa. ¿Dónde estamos? Estamos en el uso de la matemática y la estadística para generar básicamente diferencias tecnológicas.

RT: Ahora los procesos de automatización están creciendo de manera acelerada. Lo que antes parecían sueños utópicos son realidad. Por ejemplo, los autos que se conducen solos, o en Japón, que tienen robots cirujanos… ¿cómo está afectando eso en los procesos de automatización?

OF: Si algo hace una computadora es repetir un ciclo. Es muy bueno repitiendo tareas. Cuando se le añade inteligencia artificial a este ciclo, este bucle, lo que genera es repetir tareas como predicción, es decir, ante una cosa que no he visto antes, la computadora puede básicamente tomar la mejor decisión. El punto es que al hacer esto, hay una regla que tenemos en la comunidad artificial que dice que si un proceso demora menos de dos segundos y puede ser repetido automáticamente, puede ser implementado por un algoritmo. Ejemplos de esos procesos son decidir quién entra a un edificio o manejar en autopista. Todo eso puede ser reemplazado por una computadora con inteligencia artificial.

RT: Una de las cosas que más me sorprende es cuando te dicen: “oye, los mejores cirujanos podrían ser robots”, es decir, en la automatización la relación entre la capacidad de ver y sincronía fina de los movimientos musculares y desplazamiento, el robot lo hace mejor que el ser humano…

OF: Es un gran punto. Un algoritmo es tan preciso que si tú le has dado un millón de operaciones -de modo que todos los supuestos o todas las excepciones han sido cubiertas con datos de una forma bastante pronunciada- es probable que sí, que esa máquina sea mejor que una persona. Dada la cantidad de nivel de detalle que tiene en los movimientos y porque sabe que hacer en una situación anormal. De hecho, muchos algoritmos en este momento detectan cáncer mejor qué un doctor especializado. Eso ya está y, de hecho, ya en Estados Unidos se pueden utilizar computadoras para dar diagnósticos. Los límites de esto son básicamente cuando tenemos casos de mucha variabilidad o cosas que son más relacionadas con la creatividad, a la planeación, a la afinación, al sentido común. Eso todavía no se puede codificar.

RT: ¿Y se puede aprender algo muy parecido a las emociones?

OF: Terminas tratando de simular emociones, imitando emociones. Sin embargo, honestamente, todavía no estamos en un punto donde entendemos nosotros mismos las emociones. Cuando le pedimos a la gente que etiquete sus emociones en el día, no están muchas veces seguros, no están de acuerdo o simplemente no saben qué hacer, o incluso la gente tiene problemas en entenderse emocionalmente. Hay un límite en el conocimiento del cerebro y básicamente todo el sistema hormonal que tenemos, que nos permite o no entender cómo funciona para replicarlo en las computadoras, pero eso va a cambiar en el futuro.

RT: Y en esa lógica que todavía es teoría, empiezas a grabar a gente y tienes reacciones de amor, de empatía, de cólera, de indignación, etc., que podrían responder a estímulos también caracterizados ¿no? Eso es parecido a lo que tú planteabas en el tema de las redes diagonales.

OF: La respuesta siempre va a ser que sí, el problema es si lo hace con tanta exactitud. Si hay algo que es totalmente aleatorio, es el ser humano mismo. Cada vez que tú pones a un ser humano en un sistema, es una fuente constante de incertidumbre. Entonces, yo diría que sí podemos predecir emociones desde el texto, por ejemplo, o desde la voz. Pero, por ejemplo, entender las emociones desde el ser humano mismo, es muy difícil, porque no estamos poniendo todo el contexto alrededor del ser humano. No sabemos, por ejemplo, si ha dormido seis horas el día anterior, no sabemos si tu esposa te llamó y se molestó contigo, no sabemos si quince minutos antes hablaste con tu jefe de repente, o tener un ascenso hace poco. No sabemos esas cosas para poder predecir que va a pasar con tu estado de ánimo.

RT: ¿Es posible que máquina le enseñe a otra máquina?

OF: Sí, totalmente. Tú vas a una tienda y la computadora empieza a saber tus referencias, tu edad, tu género, tu raza, basado en diferentes puntos característicos en tu rostro y además en tu tono de piel. Lo hace sin querer, o sea, simplemente las redes neuronales, por ejemplo, definen una función de rol que básicamente si se ha aprendido o no, y hace todo el resto por ti.

Es posible utilizar en proceso otro algoritmo de inteligencia artificial que ha sido entrenado para detectar cosas sensibles como, por ejemplo, hombre o mujer. De modo que este otro algoritmo que ya ha sido entrenado, sea como un instructor o como un padre que le diga al hijo: “ok, quiero que aprendas, pero te voy a castigar cada vez que tomes cosas que yo ya sé que he aprendido”. Como, por ejemplo, las cosas que caracterizan a la gente si eres hombre o mujer. El resultado de este proceso es que generas imágenes que no se sabe si eres hombre o mujer, pero aun así son útiles para saber quién eres. Entonces, eso resuelve un poco el problema, básicamente tenemos información que remueve todas las cosas sensibles desde las imágenes, por ejemplo, con la misma calidad de exactitud para que puedan ser utilizadas en la industria.

RT: Y eso nos genera un montón de rutas y problemas desde un punto de vista de inteligencia artificial, y un punto de vista de control o no control.

OF: Uno de los problemas más difíciles que tenemos ahora en inteligencia artificial es detectar si la noticia es falsa. Yo le tengo mucho respeto al lenguaje, al estilo del lenguaje, porque interesantemente la lingüística como ciencia apareció al mismo tiempo que la inteligencia artificial como ciencia, hace 50 años. Y en algún momento se han juntado para entender esto del lenguaje del pensamiento natural, pero entender como funciona el diálogo entre dos personas, en un proceso bastante difícil, incluso para la tecnología actualmente. Se asemeja bastante a un juego en el cual, por ejemplo, tú y yo somos jugadores agentes del juego, y tú tienes tus intenciones, tu objetivo en mente, y yo tengo las propias. Entonces, si tú quieres conversar de ciertos temas y quiero terminar antes, lo más pronto posible. En esta interacción de diálogos e intenciones, básicamente estamos cambiando constantemente nuestra estrategia hasta llegar a una conclusión. El punto es que ese proceso tan dinámico está tan lleno de contexto que es difícil de entender por una computadora actualmente, por su complejidad misma. Ingenieros y científicos están investigando esto y que van a encontrar una solución sin duda, pero va a demorar cinco años probablemente o diez años.

RT: ¿Cómo ves las capacidades de la robotización, automatización, en el futuro?

OF: Me encanta la pregunta porque básicamente apunta directamente a las alusiones del problema. Yo creo que son dos y casi siempre están conectadas por la educación, o sea, estamos en este momento en un proceso de darle bastante importancia a lo que se llama deep learning o aprendizaje profundo de las redes neuronales. En uno, dos o tres años probablemente tendremos una mejor herramienta que nos permita razonar y hacer sentido común. Entonces, lo que yo he estudiado durante los últimos cinco años, de repente tiene menos importancia. Esa capacidad de reaprender algo que es muy difícil y que de repente antes me demoraba cinco años tener un master o tener una maestría en eso, debería de hacerlo en dos o tres meses. Esa capacidad de aprender cosas complejas rápidamente va a ser algo esencial para el futuro dada la velocidad con lo que sucede esto.

RT: Volviendo al tema de las distopías, ¿cómo ves el escenario en el que las máquinas terminan superando a los seres humanos, ¿lo crees posible? ¿Te da miedo?

OF: A alguien a quien yo admiro mucho le preguntaron lo mismo. Él dijo que preocuparse de que la súper inteligencia nos controle es como preocuparse de la contaminación por inhalación de polvo de los niños en Marte. O sea, es un asunto relevante para la humanidad, pero va a demorar tanto tiempo que ¿por qué no nos enfocamos en otros problemas? Y al final eso se conecta con algo que yo creo que es muy importante, y es que la tecnología, en este caso la inteligencia artificial, no es buena ni mala. Lo que es bueno o malo es el ser humano. No es que una cuchara, por ejemplo, sea buena o mala, o nos controle o llegue a la singularidad, simplemente el ser humano crea la intención y el uso de esto para bien o para mal. Entonces, no es el problema del desarrollo de la tecnología que llegue a ese punto, sino el ser humano.

RT: ¿Qué elementos regulatorios te parecen claves mantener en términos de la libertad de internet? ¿Debe haber parámetros de gobernanza?

OF: Has tocado un tema muy clave. Yo siempre he estado en contra de la regulación, pero siento que es la mejor forma, básicamente, de limitar las cosas malas que pueden pasar. Siento que la regulación es importante en tanto se puede afectar a la gente con inteligencia artificial. ¿Es inevitable que pase? Sí. Sin embargo, por otro lado, el uso de inteligencia artificial va a traer tanto bien al común de la gente, a la humanidad, que son simplemente obstáculos que deben superarse para llegar a algo más importante.

RT: En Perú tenemos bolsones muy grandes de la población que está fuera de la revolución tecnológica y tienen niveles de pobreza muy altos, sobre todo las poblaciones rurales. ¿Qué opciones les das, que opciones tienen en esta revolución de implementar su productividad, utilizar toda la inteligencia artificial para que sean, tengan menos pobreza?

OF: La educación siempre va a ser la clave para salir de esto hacia un nivel mucho mejor. Yo mismo soy un ejemplo, probablemente, de ese cambio. Con educación uno puede surgir. No importa, por ejemplo, si tienes un problema al frente, si eres hombre o mujer, el color de tu piel, tu edad, de dónde vienes, en qué parte de Perú has nacido. No importa si sabes o no. La educación más internet realmente hacen escalar a cualquier persona. No necesitas un profesor para aprender sistemas. La cantidad de clases de programación que existen en internet es inmensa, todas gratis. La cantidad de cursos de inteligencia artificial gratis y disponibles es inmensa. Si vives en una zona muy pobre, es probable que tú mismo te instruyas y tengas una beca para salir afuera, que luego vuelvas para hacer bien las cosas. Por primera vez en la vida nadie te puede decir que no, toda la información está disponible.

RT: Mi padre siempre me decía que la evolución digital iba a generar oportunidad para todos. Que muchas poblaciones multiculturales podrían integrarse a la sociedad de la información saltándose la homogenización de la revolución industrial. ¿Cómo ves eso?

OF: Contesto retomando tu anterior pregunta. ¿Qué nos limita actualmente para que estos pequeños bolsones, que son minorías, puedan integrarse a la cuarta revolución industrial? Yo diría que el acceso a la información, que es internet, y que esta información generalmente está en inglés. Entonces, si el Estado quiere hacer algo por esto debería garantizar el acceso a internet global a todo el Perú, y debería de garantizar que exista contenido en español. Por ejemplo, tengo clases de inteligencia artificial en español en Platzi.com, y también estoy creando un diccionario de inteligencia artificial de inglés a español, de modo de que si tú tienes un término que no conoces lo puedes buscar directamente o puedes proponer otro nuevo en Twitter, puedes mandar un tuit y simplemente lo añado, lo describo. Estoy tratando de llegar a eso, pero siento que eso es básicamente el cambio, o sea, no le puedes decir a la gente quiero que hagas tal cosa, y le doy las herramientas para cuando quiera hacerlo.

RT: Entonces ¿la educación formal debería morir? ¿Cuáles son las claves que deberíamos impulsar?

OF: Una estrategia nacional debe impulsar el acceso a información, que todas las universidades tengan acceso a internet y a traer revistas de, por ejemplo, comunicación internacional como ACN, como Two Ten, una capacitación constante de los profesores, pero que los profesores pueden acceder, básicamente, al contenido. Yo me guiaría con clases como Audacity, Platzi, Coursea, para que los profesores puedan acceder directamente, no necesiten ni siquiera crear contenido, porque ya está, simplemente pago una suscripción a la empresa y, básicamente, pueden loguear y aprenden por su cuenta. El punto es que no hay excusa para no aprender. Si tú das todas las herramientas, la gente buena y la gente que realmente le interesa va a tener éxito por su propio esfuerzo, entonces yo creo mucho que la gente que quiere hacer las cosas lo va a hacer finalmente. El problema es facilitar el camino para estas personas.