Adrian Zidaritz, Autor de AIbluedot.com – Serie de Entrevistas

Adrian Zidaritz es el autor de AIbluedot.com, un blog que proporciona una visión general de la inteligencia artificial, con una mezcla de matemáticas, ética, política y “todo” lo que hay en entre. Aunque los artículos contienen una cantidad mínima de material técnico, no están dirigidos a especialistas, sino que están dirigidos al público en general. La inteligencia artificial es malentendida por los no especialistas y es Either sobrevalorada o hablada en los medios de comunicación; sin embargo, es la tecnología más consecuente en nuestro tiempo presente.

¿Qué te atrajo inicialmente a la inteligencia artificial?

El desarrollo de la inteligencia artificial requiere una amplia gama de habilidades, a diferencia de cualquier otra tecnología moderna. Se alimenta de investigaciones de estadísticas, neurociencia, matemáticas aplicadas, ciencias de la computación, desarrollo de software, psicología, etc… Ese desafío es lo que me atrajo, combinado con el hecho de que tuve la suerte de trabajar con muchos de estos campos en mi carrera anterior: matemáticas, ciencias de la computación, desarrollo de software, estadísticas.

Has tenido una carrera extensa trabajando en inteligencia artificial. ¿Podrías discutir algunos de estos aspectos destacados?

Esto es en cierto modo una continuación de la pregunta 1. Casi todas las personas de mediana edad que trabajan en inteligencia artificial actualmente vienen de otro lugar. Hasta alrededor de 2005 no había inteligencia artificial (por cierto, el éxito de la inteligencia artificial se debe principalmente a las redes neuronales = aprendizaje profundo, todas las otras técnicas palidecen en comparación; así que para todos los propósitos prácticos, cuando decimos inteligencia artificial, nos referimos a aprendizaje profundo). Como resultado, muchos de los que trabajamos en inteligencia artificial traemos perspectivas únicas al campo. Vengo de un fondo de matemáticas combinado con la dirección de proyectos prácticos de inteligencia artificial, en los que la ingeniería de BigData juega un papel muy grande (a veces más del 80% del tiempo total del proyecto). Mi fondo coloca a la inteligencia artificial entre una cuestión de sus fundamentos matemáticos (muy teóricos) y los aspectos muy prácticos de la dirección de equipos de científicos de datos y ingenieros de aprendizaje automático. Hay otros investigadores que saben más sobre las tecnologías de inteligencia artificial en el medio del sándwich.

Has dicho que la inteligencia artificial ha sido Either sobrevalorada o minimizada en los medios de comunicación. ¿Por qué crees que hay una desconexión entre la forma en que los medios de comunicación informan con precisión sobre el estado de la inteligencia artificial y las realidades actuales de la tecnología?

Porque la inteligencia artificial es malentendida incluso por algunas personas que trabajan en inteligencia artificial, y mucho menos por la prensa. Es una disciplina muy joven, con trabajadores muy jóvenes. Las diversas opiniones de estos jóvenes trabajadores se filtran en los medios de comunicación, alimentando una desalineación de objetivos. Es suficiente mencionar el documental Social Dilemma en Netflix, en el que estas opiniones conflictivas de la inteligencia artificial, desde una perspectiva del Valle de Silicio, están bien documentadas.

Actualmente, la mayor parte del progreso que hemos visto en la inteligencia artificial ha sido gracias al aprendizaje profundo. ¿Cuáles son tus puntos de vista sobre el problema de la caja negra del aprendizaje profundo?

Ese es un gran problema. Básicamente, no tenemos una comprensión teórica (= matemática) del proceso de aprendizaje. No sabemos cómo los algoritmos de aprendizaje profundo aprenden en realidad. Solo vemos que lo hacen. Ha habido intentos, por supuesto, de desarrollar una teoría, pero ninguna ha ganado una amplia aceptación. Así que, en ausencia de esa comprensión básica, todo lo que podemos hacer es decir “mira, funciona”. Pero dar una explicación de caja blanca es imposible en este momento. Otros algoritmos (no de aprendizaje profundo) son mejor comprendidos y para ellos es posible dar explicaciones de los resultados. No para el aprendizaje profundo.

¿Cuáles son tus puntos de vista sobre el sesgo de la inteligencia artificial y cómo podemos prevenirlo?

En este momento, la inteligencia artificial se trata de datos, no de algoritmos. Los algoritmos no conocen el sesgo, el sesgo está en los datos. Los datos reflejan la composición de la sociedad y también la estratificación de la sociedad, ya que la recopilación de datos también tiene sesgo en ella. Estos son, por cierto, naturalmente ocasionados, lo que tiene que suceder es una inclusión gradual de personas de todos los orígenes en el proceso de recopilación de datos, para que los datos reflejen una representación correcta de la población.

¿Qué tipo de aprendizaje automático te parece más interesante?

Como dije anteriormente, el aprendizaje automático está cediendo terreno a su rama más exitosa, el aprendizaje profundo. Las redes neuronales, a través de su versatilidad, están dominando.

Has dicho que la Renta Básica Universal (RBU) será absolutamente necesaria para lidiar con las pérdidas de empleo que resultan de la inteligencia artificial. ¿Podrías elaborar sobre estas opiniones?

La sociedad sufrirá enormes repercusiones por la automatización (inteligencia artificial aplicada). Hemos visto los cambios significativos incluso en el tumulto político desde 2016. Simplemente no habrá forma de volver atrás. Muchos empleos simplemente desaparecerán. No tiene sentido entrenar como radiólogo en estos días. La inteligencia artificial puede leer rayos X y MRI y todos los demás tipos de impresiones mucho mejor que un ser humano. ¿Qué pasará con las personas cuando no haya simplemente un empleo que puedan hacer? La RBU garantiza que los seres humanos no sufrirán innecesariamente cuando la automatización se vuelva generalizada. Y no hay necesidad de que lo hagan, porque la inteligencia artificial entregará el trabajo necesario para que la sociedad siga funcionando.

¿Crees que podemos lograr alguna vez la Inteligencia Artificial General (IAG)?

Sí, muchas personas argumentan que el software de DeepMind ya bordea la IAG. No me suscribo a esa idea, pero incluso para mí la respuesta es sí. La IAG no significa emociones o conciencia, la I en IAG es simplemente inteligencia cognitiva. Y para ese nivel de inteligencia, la respuesta parece ser sí.

¿Crees que hay una probabilidad de que vivamos en una simulación?

Una posibilidad! Sí, lo que significa que la probabilidad de que vivamos en una simulación no es 0. También es intelectualmente atractiva. Pero ¿es probable? No, para mí no es probable, es decir, la probabilidad, aunque no es 0, es muy, muy pequeña.

Gracias por la entrevista, los lectores que deseen aprender más sobre las opiniones de Adrian sobre diferentes aspectos de la inteligencia artificial deben visitar AIbluedot.com.