Alberto Muñoz

Debate sobre I. A.

Tenemos un debate entre Rodney Brooks, pionero de la IA y Richard Sutton, conocido por sus aportaciones al Aprendizaje Automático.

Tenemos un debate entre Rodney Brooks (RB), pionero de la IA y Richard Sutton (RS), conocido por sus aportaciones al Aprendizaje Automático (AA). Reconocen la importancia que tiene el AA con el Big Data (BD).

RS no deja de lado la incomodidad al decir que resolvió un problema “por fuerza bruta”, a diferencia de explicar una teoría para indiciados en las neurociencias (NCs) usando términos sexis. Las recientes investigaciones en IA se pueden resumir en dos tendencias, aprovechar el avance de la computación para resolver retos con algoritmos (As) de búsqueda y AA, frente a otras que aprovechan avances de las NCs.

Deep Blue le ganó a Kasparov, DeepMind venció en el “Go” gracias a As intensivos de búsqueda y AA.

En el caso de reconocimiento de voz como el de la navegación autónoma, el uso de técnicas avanzadas (como las HMMs) fueron la clave.

RS nos recuerda la enorme complejidad de la mente: no es que razonemos con simplificaciones de entidades separadas dejando de lado la complejidad. RS quiere que dejemos a las computadoras decidir cómo resolver los problemas con nuestros métodos, pero no como los resolvemos. Sugiere que incorporar nuestra forma de resolver problemas puede nublar la vista para impulsar el descubrimiento. RB responde reconociendo la experiencia de RS pero etiqueta su postura de “novato” en el tema de IA. RB toma vuelito - RB no es tan experto en NCs como lo es en robótica- y apuntala que RS está equivocado.

Una de las primeras críticas de RB contra RS es en procesamiento de imágenes sobre como la invarianza posicional - desde aquí RB usa el recurso humano de objeto por su función antropomórfica, justo lo que critica a RS - debe etiquetarse para que las RN funcionen. Otro argumento de RB sobre los colores en el ejemplo del semáforo, que al tener oclusiones confunde a cualquier sistema de AA.

En ambos casos, RB sugiere que será complejo quitarnos para que sean las máquinas las que aprendan a etiquetar de manera automática.

RB continúa argumentando la obligada necesidad de involucrarnos para ayudar a los sistemas de AA. Hago una pequeña pausa para decir que RS nunca dice lo contrario, aunque RB lo sugiere de manera muy elegante y va más lejos sugiriendo que tenemos la errónea idea de que la IA tendrá éxito sin involucrarnos.

RB sugiere que en realidad lo que se está haciendo es poner la inteligencia de una forma diferente a los As que buscan explotar los avances de las NC. RB - quien supongo no tiene acciones en empresas de gestión masiva de datos - sostiene que no necesitamos de BD para aprender y se va un poco más lejos, diciendo que hay un complot alejando la IA más allá de lo accesible a universidades ya que el uso BD es impráctico. No contento con eso argumenta en contra de la sustentable de la AA por la huella de CO2 que implica el uso de BD.

Reconoce a los hardwareros el esfuerzo hecho para diseñar sistemas especiales, pero disiente por el hecho de que no son dispositivos abiertos, ya que son arquitecturas especiales para cada algoritmo. Además - sostiene - nosotros decidimos qué cosas cambiar e insiste, eliminarnos del loop no es la solución.

Remata su artículo - el que además argumenta es más corto en extensión que el de RS - diciendo más el AA no es el camino general para resolver problemas de IA, sino que hay que tomar en cuenta el costo total de cada solución y que no pueden reducirse a un subconjunto de operaciones repetibles.

COLUMNAS ANTERIORES

La nueva guerra fría
Hacia el Deep Thinking

Las expresiones aquí vertidas son responsabilidad de quien firma esta columna de opinión y no necesariamente reflejan la postura editorial de El Financiero.