La combustión interna siempre fue una gran incógnita durante mi infancia. Me apunté a una clase honoraría y asistí con esmero a mi cita. Una vez que entendí lo sencillo de la combustión en la transmisión del impulso al cigüeñal, a través de la biela, con simples explosiones y el funcionamiento de los pistones comprimiendo la gasolina y el aire, se acabó el misterio. Antes de eso pensaba que era algo más parecido y tan complejo a lo que hoy es un reactor de fusión nuclear.
La misma desilusión tuvo un colega economista con el que tuve la oportunidad de charlar la semana pasada durante una convención. En esta ocasión no fue sobre motores que acabé con las fantasmagóricas ideas que tenía mi amigo, sino sobre la inteligencia artificial.
Acababa él de estar en una reunión donde les intentaron vender una solución “inteligente” que era capaz de aprender sobre las reacciones de ciertos accionistas y el sistema podría predecir el precio e incluso el consumo de ciertas acciones con una precisión más allá del poder humano. “¿Lo puedes creer?”, me preguntó consternado, “Usan redes neuronales convolucionales”, me acertó con gran convencimiento. Y agregó “Parece que las redes y el conocimiento las sacan de otros seres humanos, supongo que las extraen de cadáveres de la fosa común”.
Soy malo para contener la risa, pero en esa ocasión -venía yo de un largo viaje y estaba ciertamente cansado- por lo que la falsa cordura me obligó a reprimir la chispa irrisoria que merecía el momento. Di un sorbo al café y le dije “Duerme tranquilo, no creo que lobotomicen a ningún cadáver para sacar esas redes”. “Te voy a explicar”, le dije y nos sentamos en una mesa. Le expliqué que las redes neuronales convolucionales usaban básicamente un concepto rimbombante pero que puede explicarse de manera sencilla.
Consideremos que al ir recorriendo una ciudad con la ventana abierta vamos avizorando únicamente pequeños fragmentos de toda la ciudad y al conjuntar dichas secuencias, iremos “barriendo” nuestra vista durante el recorrido. Lo que vemos a través de la ventana es una imagen en dos dimensiones (2D) del espacio urbano que en realidad está en 3D. Una imagen en 2D es una señal (1D) pero de dos dimensiones. Si además aplicamos algún juicio a partir de la percepción de lo que observamos y guardamos lo observado en pequeñas anotaciones, al final del recorrido tendríamos el resultado de la “convolución” a lo largo del recorrido.
Las redes neuronales - artificiales - convolucionales están inspiradas en el mismo principio pero para aprender patrones. En caso de que sean entrenadas con datos ambientales permitirían concluir (a las redes vía el algoritmo programado en una computadora) si en dicha ciudad se perciben algún grado (e.j. poco, mediano o mucho) de deterioro ecológico.
Después de cientos de recorridos y analizando las correlaciones entre los datos de las anotaciones podrían dichas redes neuronales convolucionales encontrar algunos “patrones” característicos que nos ayudarán, posteriormente, a cuantificar automáticamente una secuencia de imágenes provenientes de otros recorridos, y con el uso de alguna arquitectura computacional, compuesta de algoritmos que aprovechan la representación de ciertas interconexiones multicapas - no de neuronas de cadáveres - generar inferencias de manera automática sobre el aprendizaje que conformó el conocimiento aprendido.
“¿Eso es todo?” Me comentó mi amigo, un poco desilusionado. Asenté con la cabeza y le dije que básicamente dichos procesos son en realidad muy antiguos, pero hasta hace pocos años tuvimos el poder de cómputo y de almacenamiento para hacer cosas útiles y prácticas como para ser hoy tan populares y sobre todo asequibles.
Recordé sobre mi desencanto de los motores de combustión interna, justo ahora que los motores eléctricos los harán obsoletos. Por cierto, una de las áreas de mayor interés tecnológico de aplicación de las redes neuronales convolucionales es justamente, su uso para el control de la fusión nuclear.