Reseña del libro: The Worlds I See de la Dra. Fei-Fei Li

La inteligencia artificial a menudo se explica a través de algoritmos, avances en hardware y el rápido ascenso de modelos poderosos. Lo que a menudo falta en esa narrativa es la historia humana detrás de los científicos que sentaron las bases para la revolución de la IA de hoy.

The Worlds I See: Curiosidad, exploración y descubrimiento en el amanecer de la IA de la Dra. Fei-Fei Li llena ese vacío de manera hermosa. El libro opera simultáneamente como una autobiografía, una historia de la inteligencia artificial moderna y una reflexión sobre la responsabilidad que conlleva construir tecnologías transformadoras.

Lo que hace que el libro sea particularmente atractivo es cómo Li entrelaza dos historias paralelas. Una es la historia de la IA en sí. La otra es la historia de una joven inmigrante que llega a los Estados Unidos y eventualmente se convierte en una de las figuras más influyentes en el campo de la visión por computadora.

Un viaje de inmigrante que da forma a una mente científica

Uno de los elementos más fuertes del libro es la narrativa profundamente personal que precede a la carrera científica de Li.

Li creció en China antes de inmigrar a los Estados Unidos como adolescente. La transición fue difícil. Su familia llegó con recursos financieros limitados y se enfrentó al desafío de reconstruir sus vidas desde cero. Durante esos primeros años en América, Li ayudó a sus padres a administrar un negocio de limpieza en seco mientras continuaba su educación.

Estas experiencias forman una base importante para el libro. Revelan la persistencia y la resistencia que más tarde definirían su trabajo científico. La autobiografía no romantiza la experiencia de inmigrante. En su lugar, presenta la realidad del ajuste cultural, la presión financiera y la determinación necesaria para perseguir ambiciones académicas en un entorno completamente nuevo.

Eventualmente, Li fue admitida en la Universidad de Princeton. Sus primeros días en el campus se describen con una mezcla de emoción y incredulidad. Para alguien que había llegado recientemente a los Estados Unidos, Princeton representaba un mundo intelectual que parecía casi inimaginable solo unos años antes.

Essas primeras experiencias académicas ayudaron a dar forma a la curiosidad que impulsa el resto de la historia.

Navegando un campo dominado por hombres

Otro tema que se desarrolla a lo largo del libro es la experiencia de Li como mujer en ciencias de la computación.

La investigación de inteligencia artificial ha sido históricamente dominada por hombres, particularmente durante los primeros años de la carrera de Li. Ella frecuentemente se encontraba en salas donde era una de las pocas mujeres. El libro no presenta esto como un conflicto dramático, sino como una realidad subyacente que influyó en cómo navegó el campo.

Estas experiencias finalmente contribuyeron a los esfuerzos posteriores de Li para ampliar la participación en la IA. Se convirtió en una defensora de la diversidad en el campo y ayudó a crear iniciativas diseñadas para atraer a más mujeres y grupos subrepresentados a la investigación de inteligencia artificial.

El mensaje más amplio que surge es que la IA no debe ser construida por un segmento estrecho de la sociedad. Si la tecnología va a dar forma al mundo, las personas que la construyen deben reflejar ese mundo también.

Descubriendo WordNet y la importancia de las estructuras del conocimiento

El libro comienza a adentrarse profundamente en la historia técnica de la IA cuando Li se encuentra con una base de datos lingüística conocida como WordNet durante su trabajo académico.

WordNet organiza las palabras en inglés en grupos de conceptos relacionados llamados sinsets. Estas relaciones conceptuales cartografían el lenguaje de una manera que se asemeja a cómo los humanos categorizan y entienden el mundo.

Para Li, WordNet representaba más que una herramienta lingüística. Revelaba un posible marco para enseñar a las máquinas a entender la información visual.

En ese momento, la investigación de inteligencia artificial se centraba fuertemente en mejorar los algoritmos. Pero Li comenzó a ver el campo de manera diferente. Se dio cuenta de que el verdadero cuello de botella en el aprendizaje automático no era solo tener mejores modelos, sino mejores datos.

Si las computadoras iban a aprender a reconocer objetos en el mundo, necesitarían acceso a una enorme cantidad de ejemplos etiquetados.

Esta realización eventualmente conduciría a uno de los conjuntos de datos más influyentes jamás creados.

La creación de ImageNet

La parte más fascinante del libro se centra en la creación de ImageNet.

ImageNet se diseñó como una base de datos visual masiva que podría ayudar a las máquinas a aprender a reconocer objetos. Utilizando WordNet como su espina dorsal conceptual, el conjunto de datos organizó millones de imágenes en miles de categorías de objetos.

La escala del proyecto fue sin precedentes. El conjunto de datos eventualmente contenía más de catorce millones de imágenes etiquetadas que abarcaban más de veinte mil categorías. Investigadores y trabajadores de multitudes anotaron cuidadosamente las imágenes para que los algoritmos pudieran aprender a identificar objetos como animales, vehículos, herramientas y artículos cotidianos.

En ese momento, muchos investigadores cuestionaron si un conjunto de datos como ese era necesario. La investigación de inteligencia artificial todavía se centraba fuertemente en diseñar algoritmos más inteligentes en lugar de recopilar grandes cantidades de datos.

Li adoptó la visión opuesta. Creía que los sistemas de aprendizaje automático solo podrían mejorar si se entrenaban con vastas cantidades de ejemplos del mundo real.

El libro describe en detalle lo difícil que fue construir ImageNet. El proyecto requirió años de perseverancia, experimentación técnica y coordinación a gran escala con miles de contribuyentes que ayudaron a etiquetar imágenes.

Fue una empresa masiva que inicialmente atrajo escepticismo dentro de la comunidad de investigación.

El avance que cambió la inteligencia artificial

El punto de inflexión llegó con el Desafío de Reconocimiento Visual a Gran Escala de ImageNet.

Este concurso invitó a los investigadores a construir sistemas capaces de identificar objetos dentro del conjunto de datos masivo. Durante varios años, el progreso fue gradual. Luego, en 2012, una red neuronal profunda superó dramáticamente los enfoques anteriores.

Este avance demostró el poder de combinar grandes conjuntos de datos con arquitecturas de aprendizaje profundo. Los resultados sorprendieron a la comunidad de IA y desencadenaron un rápido cambio hacia métodos de redes neuronales.

ImageNet se convirtió en el campo de entrenamiento que permitió muchos de los avances en visión por computadora que siguieron. El conjunto de datos ayudó a catalizar el progreso en áreas que van desde el reconocimiento de imágenes hasta vehículos autónomos, imágenes médicas y sistemas de IA modernos que dependen en gran medida de la comprensión visual.

El libro proporciona una perspectiva poco común desde detrás de escena sobre cómo se desarrolló ese momento y cómo los investigadores se dieron cuenta de que estaban presenciando un punto de inflexión importante en la historia de la inteligencia artificial.

Inteligencia artificial centrada en el ser humano

A medida que la narrativa avanza, Li comienza a centrarse en las implicaciones más amplias de la tecnología que ayudó a acelerar.

Argumenta que la inteligencia artificial debe permanecer fundamentalmente centrada en el ser humano. El objetivo de la IA no debe ser simplemente construir sistemas poderosos, sino asegurarse de que esos sistemas beneficien a la sociedad.

Esta perspectiva refleja el trabajo posterior de Li en la academia y la política. Se convirtió en una voz líder que abogaba por el desarrollo responsable de la IA y ayudó a promover iniciativas diseñadas para garantizar que la IA se construya con consideraciones éticas en mente.

El libro enfatiza que el futuro de la IA no estará definido únicamente por avances tecnológicos. También estará moldeado por las elecciones que los investigadores, ingenieros y formuladores de políticas toman sobre cómo se despliegan esos sistemas.

Pensamientos finales

The Worlds I See es mucho más que una autobiografía sobre inteligencia artificial.

Es la historia de una joven inmigrante que persigue la curiosidad en un nuevo país. Es un relato detallado de cómo se creó uno de los conjuntos de datos más importantes en el aprendizaje automático. Es también una reflexión sobre las responsabilidades que conlleva construir tecnologías capaces de dar forma a la sociedad.

Lo que hace que el libro sea particularmente poderoso es que estas historias son inseparables. El viaje personal de Li y la evolución de la IA moderna se desarrollan juntos.

Para los lectores interesados en la historia de la inteligencia artificial, este libro ofrece una perspectiva poco común desde alguien que ayudó a construir los cimientos del campo. Para cualquiera interesado en el lado humano del descubrimiento científico, es igualmente atractivo.

De muchas maneras, The Worlds I See nos recuerda que las revoluciones en la tecnología rara vez comienzan con máquinas. Comienzan con curiosidad, persistencia y el coraje de perseguir ideas que otros podrían pasar por alto inicialmente.