“La inteligencia artificial necesita más tiempo para ser útil contra la pandemia”

EL PAÍS

Tiempo. Algo tan elemental es lo que pide el responsable científico de inteligencia artificial de Facebook, Yann LeCun (Soisy-sous-Montmorency, Francia; 1960), para que la tecnología que domina combata de verdad la pandemia. Los proyectos se suceden de puertas para adentro en los laboratorios de la red social, pero necesitan plazos más amplios. Quiera o no, como explica por videoconferencia, el entrenamiento de algoritmos, la validación de datos y las pruebas de campo con las máquinas requieren tiempo, por mucho que el coronavirus exija premura. “En el largo plazo, el impacto va a ser profundo y amplio. Las iniciativas están en marcha, pero no son útiles en dos meses”.

En su mente hay dos campos en los que cree que la inteligencia artificial y el deep learning van a ser cruciales en la lucha contra el virus: la medicina y la investigación biomédica. Todo lo relacionado con imágenes cambiará, como ha sucedido tanto en pruebas para detectar tumores como en los análisis de escáneres. “En China han comenzado a utilizar este tipo de herramientas para determinar el nivel y tipo de neumonía provocada por el coronavirus. En Facebook tenemos en marcha proyectos parecidos”, sostiene.

Especula menos cuando habla de predicción y propagación. En los Estados de Nueva Jersey y Nueva York y en Austria, donde ha puesto a prueba al machine learning, ha logrado prever el número de casos y la propagación a 21 días vista. Las conclusiones no son definitivas ni tampoco exentas de cierto margen de error. Prefiere plantearlo como una variable más con la que contar durante esta era nueva e incierta. “Queremos ayudar en el proceso de toma de decisiones para que la emergencia sanitaria siga controlada. Gracias a estas conclusiones, los hospitales pueden proveerse de material médico con cierta antelación”, argumenta.

Una de las técnicas con las que pretende perfeccionar la capacidad de pronósticos de la inteligencia artificial es la llamada supervisión. Consiste en entrenar a las máquinas con datos sin etiquetar, sin que sepan a qué se enfrentan. Un ejemplo sería introducirle una frase a la que le faltan algunas palabras. El algoritmo trabaja en saber qué huecos existen, predecir cuáles son y dotar de un significado a la frase. “Va a ser vital en los próximos dos años. La covid-19 ha acelerado esta forma de trabajar. En nuestra compañía y en Google estamos avanzando a buen ritmo. Tengo claro que puede aplicarse a muchísimos campos, como el de las traducciones automáticas”.

Precisamente, las traducciones y la contención del virus guardan una estrecha relación. El culpable se llama procesamiento natural del lenguaje, un área donde el aprendizaje automático avanza a pasos agigantados. LeCun comenta que durante los seis últimos meses ha estado implicado en traducir idiomas de los que los recursos son muy limitados. Al avanzar en su conocimiento mediante la supervisión que mencionaba, en la red social podrían aparecer textos con recomendaciones de salud pública o de usuarios pidiendo ayuda y llegar a un número mayor de países. “Usamos una tecnología similar para potenciar nuestra función Donaciones de sangre, que conecta a los donantes con personas que necesitan sangre”, precisa.

Mayor regulación para el reconocimiento facial
La renuncia de IBM y la moratoria de un año de Amazon a continuar con la venta y el desarrollo del reconocimiento facial, pese a que durante años se han lucrado con ella, genera el aplauso del responsable de Facebook. En el caso de la red social, siempre la ha mantenido dentro de la organización — “jamás se la hemos ofrecido a nadie”, asegura—, bien sea para controlar el acceso de los trabajadores o sugerir a los usuarios años atrás a quién etiquetar en una fotografía. “Hay que tener una mayor regulación en casi todos los países porque está calro que algo no va bien. Europa es diferente. Cuenta con un marco legal correcto, buscando respetar la privacidad”.

Con la vista puesta en los próximos cinco años, el aprendizaje supervisado representa un gran reto, en especial con las imágenes. En su opinión, un niño observa dos fotografías de un elefante y a la tercera dice que es un elefante. Las máquinas tienen más problemas porque dependen de los datos provistos por los humanos. La aproximación de LeCun es algo compleja, basada en aprender por observación. Controlan el entrenamiento, pero opta por dar autonomía a los algoritmos. No le dice si un resultado es correcto o incorrecto, sino que la inteligencia artificial debe juzgarlo por sí misma. Si hace falta, interviene. “Requiere de más pruebas y muchos más ejemplos, pero tengo claro que es más eficiente si queremos sacar el máximo partido a la técnica”, zanja.

Todas las iniciativas en las que trabaja, al menos eso afirma, son en código abierto. Es su forma de apoyar la colaboración y acelerar al máximo posible la tecnología. La comprensión del lenguaje, la innovación en nuevas técnicas de aprendizaje y responder a los retos de la covid se han convertido en las prioridades actuales. Obviamente, la red social se beneficia de las mejoras, aunque LeCun insiste en que su mirada va más lejos. “La aplicación del machine learning en audios y vídeos todavía está verde. Tenemos que aumentar los paradigmas de aprendizaje, que las máquinas observen por ellas misma. Salvar este obstáculo hará progresar como nunca la inteligencia artificial”, concluye.

https://retina.elpais.com/retina/2020/06/21/tendencias/1592768456_576993.html