Enseñar a las máquinas: el plan de Microsoft para popularizar el uso de la inteligencia artificial

Se llama "enseñar a las máquinas" y Microsoft lo define un poco imprecisamente como un conjunto de herramientas que expertos humanos de cualquier campo pueden usar para entrenar en IA por su cuenta. Luego de desarrollar y adquirir sistemáticamente algunas de estas herramientas, Microsoft espera popularizar el concepto de "enseñar a las máquinas" con una gran campaña pública. La esperanza es que más compañías construyan su propio software de IA -por supuesto, que funcione en la plataforma de computación en la nube de Microsoft- aunque no hayan contratado sus propios expertos en IA.

"Creemos que esto va a ser una de las grandes fuerzas transformadoras del modo en que la IA pueda aplicarse a muchos más escenarios y estar disponible para mucha más gente en el mundo", dice Gurdeep Pall, vicepresidente corporativo para negocios en IA de Microsoft.

Microsoft ofrece "enseñar a las máquinas" como un complemento al aprendizaje de las máquinas, que refiere al modo en que los sistemas analizan datos y aprenden a predecir cosas como, por ejemplo, si una foto contiene un rostro humano. Con "enseñar a las máquinas" los humanos guían al sistema dividiendo la tarea en lecciones individuales. Del mismo modo en que a alguien que aprenda a jugar al fútbol primero le enseñarán a mover la pelota con los pies antes de intentar patear al arco.

"'Enseñar a las máquinas' tiene que ver con encontrar algorítmicamente patrones en los datos", dice Pall. "'Enseñar a las máquinas' tiene que ver con la transferencia de conocimiento del experto humano al sistema de aprendizaje de la máquina".

Microsoft no puede adjudicarse la propiedad del término por sí sola. Xiaojin (Jerry) Zhu, profesor de la Universidad de Wisconsin-Madison, ha usado "enseñar a las máquinas" para describir un conjuntos de enfoques para entrenar en algoritmos de aprendizaje de las máquinas desde 2013, aunque él y Microsoft concuerdan en que hay ciertas superposición en sus definiciones.

Microsoft dice que "enseñar a las máquinas" tiene su mayor aplicación en campos como sistemas autónomos, donde IA tiene que decidir entre muchas posibles acciones potenciales en el mundo real, pero también es simplemente un modo de hacer más accesible la IA. Con las herramientas adecuadas, el experto en un tema debiera poder entrenar a un sistema de IA sin tener que entender el aprendizaje de las máquinas, del mismo modo que un DT de fútbol no necesita aprender la química del cerebro para entrenar a sus jugadores.

"[Expertos en un tema] básicamente pueden comenzar a usar la IA sin entender demasiado acerca de cómo funciona el aprendizaje de la máquina", dice Pall. "Básicamente se puede transferir el conocimiento que tienen como expertos humanos en un área particular a la IA que tiene que hacerlo funcionar".

El año pasado, Microsoft adquirió una startup llamada Bonsai para ayudar a eliminar por vía abstracta los aspectos más complejos del desarrollo de la IA. De modo similar a como Visual Basic es un lenguaje de programación más simple que C, Bonsai tiene su propio lenguaje, llamado Inkling, que se supone que es más simple que el desarrollo de IA de bajo nivel. Pall dice que con este tipo de herramientas, sectores como la energía, las finanzas y la salud pueden crear aplicaciones de IA sin tener que contratar sus propios expertos en IA, de los que hay una alta demanda y una escasa oferta.

Como ejemplo, dice Pall, Shell trabajó recientemente con Bonsai para desarrollar una perforadora de pozos autónoma. Si bien los algoritmos de aprendizaje subyacentes no son diferentes de los que Shell podría haber desarrollado por su cuenta, "enseñar a las máquinas" podría facilitarles a los expertos mejorar los sistemas a lo largo del tiempo.

"El problema ahora no es si mi algoritmo se está volviendo mejor para lograr 1% más de desempeño", asegura Pall. "Se trata de si el experto humano ahora es capaz de controlar el sistema para que la máquina aprenda a ser mejor".

Aún se necesitan expertos

Pese a estas grandes proclamas, Erick Brethenoux, analista de Gartner, dice que las compañías seguirán necesitando expertos en IA. Por un lado, "enseñar a las máquinas" depende de un enfoque específico de prueba y error de la IA llamado aprendizaje de refuerzo profundo. Por ejemplo, si el objetivo es mover un objeto o a un destino particular, se premiará al sistema cuando apunta al objeto en la dirección correcta. Brethenoux dice que las aplicaciones para este método siguen siendo bastante limitadas y rara vez se usan a escala.

Pero aunque Microsoft tenga razón en cuanto a que se volverá más ampliamente aplicable en el futuro, sugiere que de todos modos será necesario tener un experto en IA para monitorear el sistema y explicar lo que pasó si algo sale mal.

"Se necesita algo de transparencia para ver lo que sucede dentro de la caja y los expertos en temas específicos no siempre son expertos técnicos", dice Brethenoux. "A veces no tienen el conocimiento necesario para abrir la caja".

Brethenoux también señala que Microsoft no está sola en el intento de simplificar el desarrollo de la IA. Apunta a otras compañías, como Cogitai, que ofrece su propia plataforma para el aprendizaje de refuerzo profundo, y a Cloud AutoML, de Google, que ofrece la capacidad de capacitar modelos de IA hechos a medida con un mínimo conocimiento de aprendizaje de las máquinas.

Aún así, Brethenoux dice que Microsoft ha hecho bien en solidificar sus herramientas de IA en los últimos años y que entiende las necesidades de las compañías. "Han hecho un gran trabajo en los últimos años", dice. "Han hecho que este campo avance mucho".

Por tanto, "enseñar a las máquinas" no tiene que ver con grandes avances en IA, sino con el marketing de una serie de avances más pequeños que podrían acumularse con el tiempo. Al igual que con otras consignas de la tecnología, como Internet de las Cosas, 5G inalámbrico e incluso la IA misma, "enseñar a las máquinas" podría ser más una premisa que un producto.

Gurdeep Pall, de Microsoft, lo reconoció en parte, al señalar que la consigna pareció lograr resonancia cuando la compañía lo conversó con analistas del sector. Pall también señaló que hay más por venir, incluyendo apoyo para más algoritmos de capacitación y más herramientas de capacitación visual que harán que "enseñar a las máquinas" sea aún más accesible. Por ahora la compañía simplemente busca clavar una estaca en tierra.

"En vez de presentar una idea abstracta, podemos mostrar que este es el modo en que efectivamente puede ser aplicada y esta es la razón por la que cuando se aplica de este modo usted mismo puede ver los beneficios", asegura el VP de Microsoft.

Jared Newman