En la vorágine digital

La palabra “dato” tiene su origen en el latín datum, que significa “lo dado”. Todos tenemos algo que nos ha sido entregado, un regalo que cuidamos con esmero, un juguete de nuestra infancia, un buen consejo de un amigo, alguna habilidad que nos hace más fuertes. Y este obsequio es algo que, además de vigilar, debemos saber utilizar con sabiduría.

Esta cuarta revolución de la humanidad nos interpela a reflexionar sobre los alcances de la tecnología y sus nuevas posibilidades. ¿Cómo la cuidamos y cómo la usamos para mejorar nuestra calidad de vida?

Esta revolución de los grandes volúmenes de datos, de la inteligencia artificial (IA) y la ciencia de datos, tiene un derrotero muy similar a las tecnologías de las energías no convencionales. Usemos como ejemplo la energía solar. El sol ha brillado ante nuestros ojos acompañando la historia de la humanidad y hemos estado conscientes, desde hace mucho acerca de su tremendo potencial. Sin embargo, solo hace unos pocos años podemos asegurar que sabemos usar esta energía y ponerla, mediante precios accesibles y procesos adecuados, al servicio de nuestra vida moderna.

Asimismo, la actual revolución tiene dos etapas: la primera llegó con el almacenamiento de inmensas cantidades de datos procedentes de las huellas electrónicas que dejamos al utilizar la tecnología. Estos cúmulos de datos no son útiles per se. Imagine que alguien se entera de que en su clóset hay mucha ropa deportiva, que todas las mañanas de los domingos su teléfono celular se queda sin señal, y que carga bencina cada sábado por la noche. Este individuo podría concluir, con cierta certeza, que a usted le gusta la vida al aire libre y que los domingos va de excursión a algún paraje alejado de la ciudad.

Los primeros son datos (su ropa, su señal de celular, sus hábitos de carga de bencina). Lo segundo es información acerca de usted. Este mismo ejercicio puede ser replicado con una empresa, con una organización pública, con nuestros hábitos de navegación en la red, etcétera.

La segunda etapa se relaciona con la IA y los algoritmos capaces de extraer información desde estas grandes cantidades de datos. Antes de intentar explicar lo anterior definiré la versión natural de inteligencia. Esta es la capacidad de inteligir, de comprender y de discernir de la mejor manera, supeditados a la información que disponemos. En general asociamos este concepto con organismos vivos, entre ellos el ser humano, quien por medio de ella ha podido dominar al resto de las especies.

¿Cómo desarrollamos nuestra inteligencia?

Cada día nos enfrentamos a situaciones que nos permiten aprender. Por ejemplo, considere la siguiente situación: usted llega a una ciudad desconocida en la que los semáforos alternan entre dos colores: la luz blanca y violeta. Con su experiencia, usted concluye (decide) que un color debe estar destinado a autorizar el paso y el otro a prohibirlo.

¿Cómo hace para determinar cuál es cuál?

Hay varias maneras y ellas dependerán de sus estrategias de aprendizaje. Hay quienes se quedarán observando por algunos minutos el comportamiento de los autos y de los peatones. Si durante este tiempo se observa que un 70% de los peatones y un 95% de los autos se detienen ante la luz violeta, usted concluirá, con un cierto grado de certeza, que la luz violeta es la que prohíbe el paso.

Esta no es la única manera para descubrir la función de cada luz. Podríamos haber leído una guía de viajes antes de llegar a la ciudad, o simplemente cruzar una calle enfrentando la luz blanca y, a partir del resultado de la travesía, determinar si escogimos o no correctamente.

Los dos ejemplos anteriores son bastante simples, en el sentido que involucran pocos parámetros (tres tipos de datos, dos colores).

Cuando hablamos del Big Data y la IA, en general nos referimos a situaciones de información y de inteligencia que involucran muchos más parámetros. Este tipo de situaciones son nuevas, en el sentido que han sido posibles de enfrentar y comprender gracias al desarrollo vertiginoso y exitoso de computadores de altísimo rendimiento, los que permiten implementar procedimientos o algoritmos para tratarlas. El estado actual de la materia es dinámico, complejo y vertiginoso. Se superponen fuertes aplicaciones cotidianas que cambian nuestros hábitos en pocos clics.

El aprendizaje de las máquinas

No es lo mismo Big Data que “muchos datos”. Usemos como ejemplo intentar predecir quién ganará una elección presidencial entre dos candidatos el próximo fin de semana: basta con efectuar correctamente una encuesta a una muestra pequeña. Sin embargo, por mucho que le preguntemos a millones de personas el estudio no se vuelve un problema de Big Data.

Por otra parte, imaginen que estamos interesados en comprender cuáles son las claves que hacen que un votante se incline por un cierto candidato. Aquí los parámetros se multiplican, pues estos mecanismos pueden tener que ver con su herencia cultural personal (influencia familiar), con su concepción social del mundo, con la apariencia de los candidatos, con una frase dicha en un debate, con la opinión puntual que el candidato tenga acerca de un tema particular que le interesa sobremanera al votante, etcétera.

Ahora imaginen que, de maneras lícitas hayamos conseguido bases de datos con muchos comportamientos, experiencias, opiniones acerca de temas puntuales de millones de votantes, además de información acerca de su comportamiento en elecciones anteriores. El problema de determinar de manera concreta los mecanismos que nos pueden hacer predecir su comportamiento en una próxima elección y cómo, eventualmente, lograr inducirlo, es un tema complejo. Otros modelos análogos son las decisiones de compra en el comercio, la localización de un hospital u otros que pueden ser fácilmente imaginados.

Los procedimientos para tratar estas situaciones, los llamados algoritmos, son un objeto en constante desarrollo y materia de investigaciones de vanguardia, involucrando esfuerzos científicos interdisciplinarios en Matemática, Estadística, Ingeniería, Ciencias de la Computación, Lingüística, Sociología, Educación, etcétera.

La mera concepción de un algoritmo, usualmente autorreferente e iterativo, que permita determinar información, se formalizó recién durante el siglo XX con los orígenes de la teoría de la computación y el desarrollo de potentes máquinas de cómputo. Ambas definiciones han avanzado de la mano impulsándose mutuamente. Algoritmos complejos requieren de capacidades de cómputo importantes. Por ejemplo, si utilizo Google para calcular la ruta más corta entre mi casa y el trabajo en un computador del siglo pasado, tardaré más tiempo en obtener la respuesta que lo que demoro en ir caminando.

La inteligencia artificial es entonces la habilidad de dotar a las máquinas de la capacidad de entender pero, por sobre todo, de aprender a hacerlo. El desafío consiste en desarrollar algoritmos que permitan a las máquinas determinar, utilizando millones de datos, la mejor manera de comprender una situación compleja. La IA busca desarrollar en las máquinas aquella capacidad que los humanos realizamos de manera natural.

Por otra parte, la amenaza de una sustitución de tareas es innegable, aunque no es para nada nueva. En situaciones históricas anteriores la humanidad ha enfrentado este peligro y ha sabido convertir esta capacidad en una oportunidad para mejorar su calidad de vida. No olvidemos que hace algunos siglos las historias y el conocimiento eran transmitidos oralmente y la imprenta caducó a los bardos. Hasta hace poco los seres humanos eran los encargados de levantar pesados materiales, de perforar las minas, de encender las luminarias públicas, de llevar la correspondencia, de conmutar las líneas telefónicas.

El estado actual de la materia es dinámico, complejo y vertiginoso. Se superponen fuertes aplicaciones cotidianas que cambian nuestros hábitos en pocos clics, con la aparición de cuestionamientos éticos surgidos de las posibilidades que ofrece la IA. Todo esto al compás de desarrollos de máquinas potentes y nuevas teorías científicas que retroalimentan este sistema virtuoso.

Se presenta una oportunidad adicional y quizás única para un país como el nuestro. Si bien se requieren recursos computacionales importantes, participar en la primera línea de estos desarrollos es una posibilidad concreta. La creación de algoritmos disruptivos y con alto impacto se basa principalmente en la creatividad de los investigadores, con un costo relativamente bajo comparado con el desarrollo de otras tecnologías.

Aportar localmente al desarrollo de la IA no solo nos proporciona una oportunidad de participar de la comunidad internacional en una industria que concentrará mucho del intercambio económico en corto plazo. También nos permite, como comunidad, estar preparados para proteger nuestra información, competir bajo mejores condiciones en una problemática global y, por último, pero no menos importante, hacer consciente a nuestra población acerca de los alcances de la tecnología de la ciencia de datos.

Lee el reportaje completo en Revista Universitaria nº 150