A Bernhard Schölkopf (Stuttgart, 1968) siempre le ha preocupado cómo aprenden las máquinas. La forma en que el machine learning permite a la inteligencia artificial llegar a unas conclusiones determinadas. El principal problema, según su investigación de los últimos 10 años y por la que recibió este miércoles el premio de la Fundación BBVA Fronteras del Conocimiento junto a Isabelle Guyon y Vladimir Vapnik, radica en que esta tecnología es muy eficaz cuando se repiten patrones, pero incapaz de trasladar este conocimiento cuando se modifican datos y situaciones, una destreza en la que los humanos son más solventes. “La inteligencia artificial no entiende las causas que hay detrás de relacionar una información con otra. Si un ordenador mejora esta comprensión, podrá extrapolar sus conclusiones a problemas desconocidos”, explica por teléfono.

¿Por qué es tan importante para la inteligencia artificial comprender la causalidad de las situaciones que analiza?

Es una parte de la investigación en machine learning poco popular. Partimos de la base de que esta tecnología construye estructuras estadísticas donde encontrar datos correlacionados que permitan predecir situaciones futuras. Sin embargo, esto no significa que la inteligencia artificial comprenda qué causa hay detrás de sus deducciones. Es como relacionar la tasa de natalidad con el número de cigüeñas de un país. Una máquina te dirá que donde más cigüeñas habiten será más probable que haya más nacimientos; pero esto no aporta ninguna comprensión de por qué relaciona estos datos… Y no creemos que las cigüeñas traigan a los bebés, ¿verdad?

La Unión Europea acaba de presentar su estrategia para impulsar la inteligencia artificial. ¿Cree que puede competir con Estados Unidos y China?

Estoy contento con este libro blanco que ha presentado. Una de las cosas más interesantes es que especifica y habla de la necesidad de atraer y retener talento investigador en Europa. Esto es algo que llevaba tiempo preocupándome. Ahora somos buenos en la formación, pero perdíamos a los jóvenes más brillantes al final del proceso. Si podemos hacerles ofertas atractivas, en las que unamos entorno emprendedor, investigación industrial y formación académica, nos irá mejor. Creo que podemos liderar la batalla de la inteligencia artificial si nos parecemos a Silicon Valley, donde tienes todo este ecosistema.

¿Con qué fortalezas cuenta ahora mismo la inteligencia artificial europea?

Tenemos unas universidades potentes y una tradición académica muy buena. En Europa estamos educando y formando a un número sustancial de los mejores estudiantes del mundo. Los estudiantes que tenemos en este campo trabajan en cualquier parte del planeta. En Estados Unidos, por ejemplo, son muy demandados. Si podemos tener las mejores condiciones, creo que daremos la vuelta de la tendencia actual.

¿Estos cambios serían suficiente como para competir con la inversión millonaria, tanto pública como privada, de un país como China?

Quizás no podamos competir en términos de financiación y dinero, pero a lo mejor no hace falta. No tenemos por qué copiar todo lo que hagan en China. En Europa tenemos un background cultural diferente. Nuestra sociedad es diferente, más abierta. El tipo de inteligencia artificial que construyamos puede ser un poco diferente porque estará fabricado por gente que vive en un ambiente distinto. Tenemos otros valores, lo que puede significar que haya una diferencia con respecto a la calidad.

¿Se refiere a una especie de sello de calidad que diga “Machine learning fabricado en Europa”?

 La gente confiaría en esta tecnología solo por esta especie de etiqueta. Confiaría más en los datos que obtenga, sin ir más lejos. El machine learning necesita muchos datos y las compañías europeas, por ejemplo, no cederían esta información vulnerando derechos. Lo harían de una forma diferente a como puede ocurrir en China. Es como si hubiera un modo europeo de trabajar, que es totalmente necesario cuando hablamos de inteligencia artificial. No tendría sentido copiar las formas de trabajo chinas o estadounidenses.

 Entonces, ¿bastaría con decir que la inteligencia artificial proviene de Europa?

 No podemos centrarnos solo en esto. Si tenemos buenos estudiantes y excelentes investigadores, también podemos competir tecnológicamente. Nuestra ambición debe ser competir científicamente. Muchos de los problemas específicos de machine learning, como la privacidad de los datos, la justicia en la toma de decisiones de los algoritmos y la transparencia en esta toma de decisiones, son problemas científicos para la inteligencia artificial moderna. Sería interesante que resolviéramos estos problemas en Europa. Creo que es natural trabajar esto en nuestro continente porque es algo ligado a nuestra cultura.

¿Le preocupa la falta de normas éticas con respecto a la inteligencia artificial?

Por supuesto que sí. Hay un peligro de que la gente utilice la inteligencia artificial mal, como sucede con cualquier otra tecnología. Siempre puede ocurrir que se emplee para algo negativo. Es difícil preverlo. Algunos pueden afirmar que si las guerras se hacen con máquinas y no con humanos, será bueno porque no se matará a ningún humano; pero esto no es tan simple. No sabemos como cambiará esto.

¿Cuál es el principal desafío que debe afrontar la inteligencia artificial?

Construir sistemas inteligentes que no sean solo buenos en una actividad muy pequeña. Construir sistemas robustos que tengan en cuenta los cambios y sean capaces de transferir este conocimiento a problemas totalmente diferentes. En definitiva, que consigamos una inteligencia artificial más versátil, pero estamos lejos. La mayoría de lo que hemos conseguido trata de patrones de reconocimiento. Está muy bien haber llegado tan lejos, es increíble este avance por la cantidad de datos que maneja. Nuestra capacidad como humanos para procesarlos no es ilimitada y es probable que una máquina lo haga mejor que un humano; pero la mayoría de problemas no son tan simples como reconocer patrones.

elpais

Etiquetas: