En el marco de nuestro proyecto Ten TIC, tendencias de futuro en las TIC, hoy entrevistamos a Raúl Vicente, profesor y director del departamento de Neurociencia Computacional en la Universidad de Tartu, Estonia.
Asistimos a su conferencia el pasado 18 de mayo en el CaixaForum de Palma, sobre Inteligencia Artificial y Deep learning. Nos hemos quedado realmente impresionados con sus investigaciones. También aprovecharemos este espacio para profundizar en distintos aspectos relacionados con sus proyectos, su visión, y conocer más detalles de su investigación en un campo que cambiará la sociedad del futuro.
- Raúl Vicente
-
1- Com passar de ser estudiant de la UIB a ser professor de la Universitat de Tartu a Estònia? Què el va portar a la Intel·ligència Artificial (IA)?
Més o menys vaig seguir el camí acadèmic habitual en aquests casos. És a dir, després d’acabar el doctorat en Física a la UIB el 2006, vaig realitzar una etapa post-doctoral a l’estranger (Max-Planck Institute for Brain Research, a Frankfurt). Allà vaig estar 7 anys en un grup experimental de neurociència, on vaig interactuar amb metges, biòlegs i psicòlegs. Al 2013 va sorgir l’oportunitat de formar el meu propi grup a Estònia i d’aprendre l’altre costat de la història, és a dir, el costat que estudia els algoritmes i computació en sistemes artificiales.Ello també em va permetre interactuar amb matemàtics i informàtics que tenen una manera de pensar molt diferent a la dels biòlegs. Haver vist els dos costats de prop, el d’un sistema biològic complex com el cervell humà i el de la intel·ligència artificial, et dóna una perspectiva més àmplia que ajuda a l’hora d’abordar diversos problemes.
2- Ens pot definir breument què és la Intel·ligència Artificial i posar alguns exemples pràctics de la seva aplicació en les empreses i en el nostre dia a dia?Bàsicament, Intel·ligència Artificial consisteix en dotar els ordinadors de la capacitat d’aprendre i raonar. Ja sigui programant programari o construint robots, la idea és fer que una màquina sigui capaç de recollir informació de l’entorn, extregui i interpreti aquesta informació, i finalment doni una resposta adequada en funció dels objectius i recursos dels quals disposa. Per exemple, els cotxes de Google sense conductor capten informació de la carretera a través de diversos sensors i càmeres, reconeixen els diferents tipus d’objectes al voltant del cotxe, i usen aquesta informació per finalment controlar el volant i l’accelerador per mantenir-se en ruta i evitar acostar-se massa a altres cotxes. El gran objectiu és que facin tot això de manera flexible, que aprenguin de cada experiència, i que funcioni en situacions noves. Necessitem que l’algoritme que controla el cotxe no es confongui quan per primera vegada vegi un nou model de camió, o neu, o quan hi hagi un accident al seu davant.
Les aplicacions en indústria i empreses són cada dia més nombroses i totes les grans empreses tecnològiques han obert laboratoris en Intel·ligència Artificial, incloent Google, que té mes projectes en intel·ligència artificial que en algoritmes de cerca a la web. Una de les aplicacions més corrents és la d’automatitzar treballs que siguin tediosos per a nosaltres. Ara mateix col·laborem amb una empresa de vídeo-vigilància per què un algoritme classifiqui automàticament les escenes que ocorren i decideixi activar diferents alertes sense necessitat que ningú estigui contínuament observant els monitors de seguretat. Però hi ha de tot, des de la traducció automàtica de converses entre humans, fins a fer inventari en supermercats amb només fer unes fotos. Hi ha empreses que fan servir algoritmes de reconeixement facial per vídeo per detectar quan els millors clients entren a la botiga i recordar-li al venedor qui és client i què ha comprat últimament per així oferir un tracte personalitzat.
3- Stephen Hawking afirma «la Intel·ligència Artificial podria ser el millor o el pitjor que passi a la humanitat», ¿Personalment què opina?
Caldria matisar aquestes declaracions. Hawking es refereix al cas en què es desenvolupés una intel·ligència artificial general i que fos superior a la nostra. Si es donessin aquestes premisses, és difícil no estar d’acord amb ell, ja que una superintel·ligència general podria tant ajudar-nos a resoldre un gran nombre de problemes, com també donar-nos molts maldecaps per aconseguir que no actuï descontroladament. En allò en què un pot diferir és en tquan es donaran aquestes circumstàncies, si és que es donaran algun dia. Donades les nostres limitacions cognitives potser hi hagi algun límit pràctic a la intel·ligència que siguem capaços de desenvolupar. En tot cas, és un problema interessant i que no caldria perdre de vista, però hi ha altres problemes globals que afecten la humanitat avui en dia i que probablement siguin més immediats.
4- Aquesta entrevista s’emmarca en un projecte de divulgació científica, ens agradaria aclarir 2 conceptes que són molt utilitzats en el seu camp però potser no tan evidents per a un neòfit. Què és un algoritme? Què és un patró? En paraules que poguem entendre tots.
La noció intuïtiva d’un algoritme no és més que una recepta per aconseguir un cert resultat, és a dir, unes instruccions a seguir pas a pas per extreure certa informació d’unes dades. Aprenem algoritmes des que anem a l’escola, com per exemple, quan aprenem a calcular la divisió de dos nombres i seguim unes passes de forma ordenada per obtenir el resultat. A dia d’avui al camp de la intel·ligència artificial i en particular en el camp de l’aprenentatge de màquines la idea principal és que la màquina aprengui a refinar els seus propis algoritmes mentre aprèn a través d’experiències o exemples.
Un patró és bàsicament una certa regularitat en les dades. Aquestes regularitats són les que, si són detectades, es poden usar per predir com seran les dades en el futur o per distingir entre les diverses causes que produeixen les dades. Per exemple, certs patrons de dades són les que permeten als metges entrenats preveure l’evolució d’un pacient o distingir la causa de la malaltia. Els humans o animals en general som bons detectors de patrons per a les tasques que han estat rellevants durant la nostra evolució. No obstant això, som bastant dolents per detectar i usar patrons en moltes de les noves fonts de dades que ara disposem. Programar màquines perquè detectin i analitzin patrons complexos en aquestes fonts de dades és el que aquesta revolucionant camps des de la medicina fins a la logística.
5- Quins són els passos a seguir per dissenyar un projecte d’Intel·ligència Artificial?Un projecte d’aprenentatge de màquines per exemple requereix diversos mòduls que cal interconnectar. Primer, cal establir un objectiu, que determina què volem que la màquina realitzi. Aquest objectiu se sol formular com un «cost» que cal minimitzar. Després, necessitem un model, que és una funció que agafa dades d’entrada i les transforma en un resultat. Per a «entrenar» aquesta funció i que ens doni resultats correctes necessitem dades en forma d’exemples, és a dir, molts casos en què sapiguem les dades d’entrada i el resultat de sortida desitjat. Amb aquestes dades «s’entrena» la funció perquè la següent vegada quan només disposem de les dades d’entrada el model ens doni un resultat correcte que no sabíem per endavant. Aquestes mateixes passes es fan servir des de per entrenar un robot a que aprengui a ordenar una habitació donant-li exemples de com ho faríem nosaltres, fins a per entrenar ordinadors per reconèixer i anomenar objectes en fotos completament noves a partir d’exemples de moltes fotos i les descripcions.
6- Quines tecnologies utilitza? Quins són els seus principals avantatges i inconvenients?Gràcies al fet que la comunitat de programadors és bastant oberta, potser la principal eina sigui GitHub, que és una pàgina web on els investigadors d’universitats i empreses pugen els seus programes i aplicacions. Accedir a aquests programes, millorar-los i combinar-los amb altres sol ocupar la majoria del temps per dur a terme un projecte o una aplicació. Per sort la comunitat d’investigació també ha creat eines com «Keras» que permeten que amb poques línies de codi un pugui programar funcions com xarxes neuronals en uns minuts. En general, amb una bona base de programació i matemàtiques i accedint a aquestes eines a dia d’avui qualsevol pot desenvolupar aplicacions en Intel·ligència Artificial en el seu propi portàtil. No obstant això, per a investigació normalment un es troba amb problemes que requereixen inventar nous mòduls i ha d’anar més enllà d’ allò que es troba disponible.
7- Quines fonts es poden consultar per saber els avenços que hi ha al món de la IA?Amb empreses com Google, Facebook, Microsoft o IBM que tenen recursos pràcticament il·limitats la competició al camp és tal que el ritme de canvi en el camp és brutal. Molts resultats queden obsolets en menys d’un mes.
Així que la millor opció per estar al dia són els blogs de tecnologia o dels investigadors més pedagògics del camp. El blog RoboHub és un bon exemple pels interessats en el tema de robòtica.
8-Com s’exploten els resultats de la investigació del seu departament d’IA o, dit d’una altra manera, són públics? És possible conèixer els resultats de les seves investigacions? On? Hi ha empreses que els estan aplicant?
Tenim diverses col·laboracions amb empreses i amb aquestes existeixen certs acords de confidencialitat. Però en general, com en qualsevol altre camp de ciència, els nostres resultats es donen a conèixer a través de publicacions en revistes especialitzades, conferències, xerrades divulgatives, blogs i la nostra web.
8- Es poden patentar els algoritmes?
La legislació és diferent entre, per exemple, la Unió Europea i els Estats Units. A Europa, en general, no es pot patentar un algoritme en sí, però sí que es pot patentar l’aplicació d’un algoritme per resoldre un problema tecnològic concret.
9- De quina manera tots aquests avenços es traduiran en el nostre dia a dia en el futur? Es poden aplicar al món empresarial?
La tendència és que els avenços en IA provoquen l’automatització de tasques que abans requerien humans, com traduir converses o conduir un cotxe. Personalment opin que la implantació d’aquestes tecnologies en el dia a dia serà cada vegada més gran i irreversible i que en certa manera ja ha començat encara que no ens adonem quan les fem servir en les aplicacions de Google o Facebook. Pel que fa a aplicacions empresarials, ja n’hi ha moltes.
10-Quines són les investigacions més significatives que ens pot explicar? Per a què serveixen? Quines noves línies d’investigació s’estan obrint?
Per a mi una direcció interessant és la d’usar aquestes tecnologies per entendre millor com funciona el nostre cervell. La direcció contrària també està sent molt fructífera últimament, és a dir, la de traslladar com pensam que funciona el cervell i com usa els processos d’atenció i de memòria per crear millors algoritmes d’intel·ligència artificial.
11- El concepte de Deep Learning data del 1986, en què consisteix? ¿Per què s’ha posat de moda aquests últims anys?
En realitat el concepte és més antic. El 1986 es popularitzà un algoritme que serveix per entrenar xarxes neuronals artificials. Deep learning no és mes que el renaixement del camp de les xarxes neuronals artificials. Aquest renaixement és el que està permetent els grans avenços en intel·ligència artificial en els últims anys. La revolució no es va produir abans perquè, si bé teníem els algoritmes matemàtics necessaris per entrenar aquestes xarxes, tan sols des de fa uns anys disposem del volum de dades i la velocitat dels ordinadors necessaris per a entrenar aquest tipus de xarxes. Sense aquests ingredients els algoritmes no produïen els grans resultats que estan obtenint avui dia.
12- Què aconsellarien que estudiï a un jove que es vulgui dedicar a la IA?A nivell tècnic que aprengui tantes matemàtiques i programació com pugui. Li acabarà essent molt útil encara que ara no se n’adoni. A nivell més general, que llegeixi blogs especialitzats i que no tingui por de contactar amb algun grup a la seva universitat. Gairebé totes les universitats tenen un grup d’IA al departament d’Informàtica o Matemàtiques i probablement pugui aprendre i desenvolupar algun projecte d’estiu o beca de col·laboració. S’aprèn molt més ràpid dins d’un grup que per separat i podrà esbrinar com és el camp per dins.
13-Ens pot recomanar una pel·lícula que l’hagi inspirat a la seva feina?
Realment no crec que pogués, la inspiració per a la nostra investigació ve majoritàriament de discussions amb experts en altres camps com a sistemes complexos i de la neurociència. A més el gènere futurístic o la ciència ficció no és precisament el meu favorit.
14-Ens pot recomanar un llibre que expliqui part del que està fent?
Recentment han sortit alguns llibres que divulguen IA i l’aprenentatge de màquines. Per exemple, em va agradar molt un llibre de Pedro Domingos anomenat “The Master Algorithm”.