El camino para que la inteligencia artificial aprenda a aprender

La inteligencia artificial (IA) se mueve. Mucho tiempo ha pasado desde que en los años 60 los científicos John McCarthy, Marvin Minsky y Claude Shannon acuñasen este concepto. "En aquel entonces la inteligencia artificial se limitaba al fenómeno de la repetición: si tienes dolor de cabeza, toma una aspira. Desde esa etapa hasta 2010 la revolución fue incorporar el machine learning a la IA, que aprendió a imitar, a usar los datos para crear reglas y predecir resultados. Hoy en día estamos en el paradigma del 'yo aprendo' gracias al deep learning. Y el futuro pasa por el 'yo aprendo a aprender' gracias al deep reinforcement learning".

Lo dice Arnau Bertrand, responsable de estrategia e innovación de Atos en París, donde la multinacional ha celebrado esta semana la tercera edición de sus Technology Days, precisamente bajo el lema Artificial Intelligence in Motion. Y tanto se mueve, que llega a cualquier lugar: desde las neveras de restauradores a gasolineras pasando por máquinas de café o camiones.

Y si  hablamos de un concepto tan antiguo, de los años 60, ¿qué hay de nuevo hoy para que la inteligencia artificial esté tan de moda ? "La gran cantidad de datos que somos capaces de extraer y manejar y el aumento de la capacidad computacional", señala el CEO, Thierry Breton,  para quien estos "son los dos pilares que convierten a la inteligencia artificial en una realidad hoy".

"La cantidad de datos que generamos ahora no tiene nada que ver con la que crearán los algoritmos del futuro", apuntó el CEO de Atos sobre el escenario del evento. "Y todavía estamos aprendiendo de ellos para crear nuevas aplicaciones y valor para las empresas". Para lograrlo, la receta de Atos pasa por una mayor potencia de computación a ambos lados: tanto en la nube como el edge, en el propio dispositivo, apostando por llevar la capacidad computacional hasta allí.

Y para ahondar en este camino la compañía ha presentado su nueva generación de ordenadores de simulación cuántica, además de su future edge computing box, que permitirá a las empresas extraer y procesar sus datos en tiempo real, cerca de la fuente de datos, para transformarlos instantáneamente en conocimiento para la toma de decisiones.

Precisamente el conocimiento es el tercer gran factor que, para los expertos de Atos, es necesario para hablar de inteligencia artificial además de los datos y la capacidad computacional. "El conocimiento es datos más un extra. Y ese extra es la cualificación, lo que da sentido a la información", señala Bretrand. Una foto es un dato. Pero no significa nada sin ser etiquetada con todos los elementos que se identifiquen. "La diferencia entre conocimiento y dato es la cualificación que un humano puede otorgar", apunta. 

En la misma línea,  Jérôme Stoller,  vicepresidente de la compañía y CTO de Big Data explica a INNOVADORES la disyuntiva sobre el estado del arte de la inteligencia artificial. "Hay que distinguir entre la blanda y la dura. Ahora mismo estamos inmersos en una versión blanda que sólo puede atender asuntos limitados". Es muy útil, sí, pero todavía no lo suficientemente potente. Y pone un ejemplo.  "Si le das a un niño una foto de un gato y le dices 'esto es un gato' y después le entregas una con un felino totalmente diferente, será capaz de reconocer que es el mismo animal. Pero esto todavía no es capaz de hacerlo un sistema de inteligencia artificial porque necesita miles de fotos para llegar a asegurar que algo es un gato", explica.

No obstante, hoy podemos encontrar "muchos usos de la inteligencia artificial, aunque no sea completa, y cada compañía tiene que averiguar qué hará con sus datos primero", dice el vicepresidente, para después aplicarlos y aportar un nuevo valor. 

Precisamente en el Technology Day se pudieron ver algunos buenos ejemplos de cómo hacerlo. Uno de los más llamativos es el de Coca-Cola, que gracias a la tecnología de Atos dispone ya en cuatro países de neveras inteligentes para restauración que pronto llegarán a más de una veintena. Estas neveras están sensorizadas y equipadas con cámaras que hacen fotos cada vez que se abre la puerta y son capaces de señalar si dentro hay productos que no pertenecen a la marca y avisar, controlar los flujos de demanda o las posiciones más atractivas para la venta de productos. "El objetivo es tomar las mejores decisiones de forma automatizada", dice Stoller.