*Edgar Chávez

La tenacidad de unos pocos investigadores alrededor del mundo, el avance en el poder de cómputo (especialmente el cómputo paralelo masivo) y el acceso a recursos destinados a proyectos que no dieron fruto durante mucho tiempo, fueron los ingredientes que permitieron importantes victorias en tareas en donde las computadoras no fueron competitivas por mucho tiempo. Estas son las tareas de percepción y comprensión que incluyen visión computacional, reconocimiento del habla, sonidos y procesamiento del lenguaje natural.

Una herramienta universal, la preferida por la industria en este momento, fue propuesta hace más de cincuenta años. Se trata de las redes neuronales, llamadas recientemente de arquitectura profunda para distinguirlas de las primeras propuestas de hace cincuenta años. El apetito industrial por estos avances absorbió rápidamente algoritmos, personal de las universidades y fuentes inmensas de datos, transformándolos en aplicaciones que llegaron en poco tiempo al gran público. Aparecieron en escena nuevas aplicaciones, en donde la abundancia de datos hace posible el aprendizaje, la percepción y la predicción.

Algunos hitos en este proceso son la publicación de la colección de imágenes, Imagenet, que se presenta como reto a la comunidad en 2009. Los métodos tradicionales podían etiquetar imágenes con precisión apenas arriba de echar un volado para adivinar qué imagen era. La red neuronal profunda Alexnet en 2012 es la primera en tener un error pequeño, apabullando a todo lo diseñado manualmente. En 2015 Alpha Go gana por primera vez un programa al campeón del mundo en el juego de Go, un juego que nunca se pudo resolver con heurísticas diseñadas manualmente. En 2017 Alpha Zero, entrenándose sola, jugando contra sí misma, le gana a los mejores, Alpha Go y AlphaGo Zero en Go y a Stockfish en ajedrez.  En 2019 Tacotron de Google es capaz de sintetizar la voz de una persona con sólo cinco segundos de audio y Alexa ahora podrá tener la voz de Samuel L. Jackson. Los automóviles autónomos están a la vuelta de la esquina, o eso hemos escuchado desde hace diez años.

El paso es tan vertiginoso que se estima que el valor global del mercado de la Inteligencia Artificial (IA) en 2018 es de 1.2 billones (millones de millones) de dólares, un incremento del 70% con respecto de 2017, de acuerdo a la agencia Gartner. Se estima que para 2022 el valor del mercado de las actividades relacionadas con IA se cuadruplicará, al menos, para llegar a unos 5 billones de dólares. El papel de México en esta revolución ha sido extremadamente modesto. Hay varias características en el proceso de expansión de la inteligencia artificial. Enumero algunas:

La academia, más que la industria, produjo el conocimiento necesario; pero la industria absorbió algoritmos y personas y monetizó los avances utilizando poder de cómputo prácticamente ilimitado y cantidades masivas de datos (obtenidos durante años de interacción con algunas aplicaciones) para el entrenamiento.

Las industrias de la búsqueda en internet, las redes sociales, la interacción y movilidad estaban maduras, esperando una solución a una serie demandas que aparecieron hace diez o quince años y que no habían podido ser satisfechas por falta de algoritmos de aprendizaje efectivos.

El componente matemático de las redes neuronales profundas es escaso, mínimo. No hay teoría detrás de este avance. Es la primera vez en la historia de la computación que las cosas funcionan bien en la práctica sin que haya una teoría detrás. Los éxitos experimentales son abundantes. Formalizar estos modelos, proponer soluciones alternativas que tengan un sustento matemático y que permitan explicar los procesos subyacentes, es un reto a la altura de la humanidad.

En México hay científicos capacitados en los centros públicos de investigación, las universidades y algunos pocos en la industria. Existe la creatividad necesaria. Nos limita como país, en contraparte, pocos datos disponibles, pocos recursos y en general poco interés y confianza en la academia por parte de una incipiente industria del software.

No es una tarea únicamente gubernamental, de la industria, la academia o la sociedad. Es un reto que demanda la cooperación de todos los actores para producir acciones que permitan competir y aventajar al estado del arte en algún nicho de aplicación primero y en acciones más generales y de mayor envergadura después.

Como país ya hemos perdido la batalla del hardware, del software, de los dispositivos móviles y un largo etcétera. No deberíamos estar condenados a consumir soluciones externas y esta revolución de la inteligencia artificial puede ser el vehículo para construir un puente entre todos los actores involucrados.

*El doctor Edgar L. Chávez González es investigador del Departamento de Ciencias de la Computación, en el Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California (CICESE).

Contacto: elchavez@cicese.mx