#32: Programados para crear

Reseña (versión ampliada) al genial libro de Marcus du Sautoy "Programados para crear"

En poco tiempo, la Inteligencia Artificial ha pasado de ser algo futurístico, casi de ciencia ficción, a convertirse en una realidad que urge aproximar y entender. De las muchas cuestiones asaltan al abordar este tema, destaca una que durante tiempo hizo volar la imaginación de los novelistas de ciencia ficción durante los 50s y 60s: ¿puede la “inteligencia” de las máquinas ir más allá de la inteligencia de su programador? Y si es así, ¿hasta qué punto? ¿bajo que condiciones? ¿Podrán algún día las máquinas desarrollar resultados genuinamente creativos? En un delicioso ensayo, Programados para crear. Cómo está aprendiendo a escribir, pintar y pensar la inteligencia artificial, el matemático de Oxford Marcus du Sautoy se adentra en esta zona gris que transita entre la inteligencia humana y la “inteligencia de las máquinas”. Entender los límites entre ambas es hoy una cuestión crucial para comprender el alcance de la revolución digital en ciernes y el potencial impacto en las próximas décadas.

En los albores de la inteligencia artificial, pioneros de la programación como Alan Turing (héroe en la Segunda Guerra mundial al descifrar los códigos de las potencias del eje) o Ada Lovelace, daban por sentada la premisa básica de que cualquier resultado creativo que pudiera resultar en la interacción con una máquina era atribuible al programador, no a la computadora. De los ordenadores, se decía, solo se podía extraer lo que antes se había puesto. Un mantra que había dado confort al mundo de la computación (y resto del planeta) durante años; un axioma que de un tiempo a esta parte da la sensación que podría resquebrajarse.

Como decíamos, el atributo clave para entender los límites de la IA es la creatividad, un termino que puede resultar escurridizo de definir. Para el propósito del libro, se puede acotar en todo aquello que resulta sorprendente, que se sale de la rutina; concepto clave a la hora de programar. En los últimos años, la programación ha procurado ser cada vez más holística, orgánica, –justamente tratando de emular lo máximo posible la manera en la que funciona la inteligencia humana (que sea dicho de paso, no acabamos se entender del todo como funciona en realidad)–, trantado de alejarse de las tradicionales reglas mecánicas impuestas de arriba abajo. De esta forma, se pretende generar una programación viva, capaz de aprender y mejorarse a sí misma con la experiencia (a medida que se van ejecutando las rutinas): el programa ya no es algo estático con un output predeciblemente constante; sino algo que evoluciona con el tiempo. Una dinámica de programación a la que nos referimos como machine learning, y que pone en tela de juicio el terreno de juego natural en el que se desarrollaba la programación 1.0. en donde, y pese a ejecutar rutinas complejas, ante un mismo set de inputs, cabia esperar un mismo set de outputs. Con el “machine learning” el propio programa es capaz de mejorar su rutina de manera que ante un mismo set de inputs, con el tiempo, ofrecerá un output distinto. Hablamos de programas capaces de modificarse, de aprender, a partir de los resultados y la iteración que van teniendo, de manera que fuerzan la pregunta de si estos resultados van más allá de la inteligencia que los programó en un inicio.

Desde 1997 que el campeón mundial del ajedrez es una máquina (Deep Blue fue el primero en ganar a un maestro mundial); lo mismo sucede con el llamado ajedrez chino o Go, juego tremendamente más complejo, donde desde 2016 también el campeón mundial es otra máquina (AlphaGo). Se estima que el número de partidas diferentes posibles que pueden jugarse al ajedrez es un número de 120 dígitos; se trata de un juego de sustracción, de enorme complejidad pero dentro de un ámbito limitado (el número de partidas posible es algo enorme pero finito), y que va reduciéndose a medida de que avanzan los movimientos de la parida. Todo ello hace que, a priori, y como sucede con el ejemplo de la calculadora, en el fondo no sorprende que esta “inteligencia algortítimica” y de repetición tenga un rendimiento superior que el arrojado por la inteligencia humana.

El caso del go es incluso más sorprendente. En este caso el número total de partidas posibles asciende a un número casi inimaginable, de 300 dígitos; se trata de un juego de adición (con el tiempo, se acumulan más fichas en el tablero) con lo que su complejidad incrementa de manera exponencial con cada jugada, al revés de lo que sucede con el ajedrez. Esto es relevante porqué cuando AlphaGo ganó al coreano y campeón del mundo Lee Sedol por 4 partidas a 1 (de enorme valor), algo estremeció a todos los asistentes al evento y los millones de personas que siguieron las partidas en directo por Youtube. Inicialmente, al ser un juego donde la visión holística y creativa de la partida es un elemento clave, se pensaba que no habría proceso automático capaz de batir a la innata capacidad humana (desarrollada durante millones de años) de identificar patrones. Todo quedo en papel mojado, y quedaba claro que sí bien ciertos ámbitos de la creación artística capaces de emocionar serían siempre un redil exclusivamente humano, la visión que teníamos de las máquinas había cambiado para siempre.

Pese a la inimaginable complejidad del juego, al final hablamos de un dominio finito, no como la literatura, el arte o el mundo de la empresa; donde hay creación genuina que hace que no podamos conocer a priori la distribución de la variable, lo que choca con cualquier intento de modelo predictivo. Sin embargo, esto no fue óbice para que las crónicas de aquella histórica partida hablaran de cómo a los asistentes que asistieron en directo a dicha partida cuenten que literalmente se les heló la sangre al ver como AlphaGo optaba por un estilo de juego nunca visto antes, pese a tratarse de un juego que se remonta dos milenios. Una partida que, de hecho, iba a cambiar para siempre la manera de jugar.

¿Cómo se podría aplicar esta inteligencia de las máquinas en otros campos, inclusive el mundo de las artes? ¿Hasta que punto la inteligencia de las máquinas es sustitutoria de la de los humanos (lo cuál libera capacidad para otras cosas), o hasta que punto ambas son complementarias? Dónde utilizarlas, y cómo maridarlas, es hoy un tema clave para saber aprovechar los beneficios de la disrupción digital.

La gran virtud del libro de Du Satoy, matemático de profesión, es aproximar el tema desde su génesis, empezando por el propio concepto de algoritmo, la materia prima de la que se alimenta el aprendizaje automático (o machine learning) y que felizmente resulta en procesos automatizados inteligentes (IA). Como en otras tantas cosas, la base de todo son las matemáticas: al final, un algoritmo no es más que matemáticas en acción; una serie de normas libres de ambigüedades, en un proceso siempre finito, que da respuesta a cualesquiera valores que introduzcamos (otra cosa es su utilidad o validez), y que funciona lo más rápido posible.

En los Elementos de Euclides ya esta presente la idea de algoritmo (los programadores hablan de rutina), por ejemplo cuando se establece como solucionar el cálculo de ver si un número es primo. El siguiente avance fue su universalización, posible cuando el matemático persa Mohammed Al-Juarismi, desarrolló el álgebra, el lenguaje por el cuál una letra puede significar un número, y que de facto constituye un lenguaje de programación (algoritmos) en sí mismo aunque los ordenadores tardasen todavía lo suyo en llegar. Turing hizo el resto al entender que cualquier código humano se podía traducir a un secuencia binaria de cero y unos interpretable por cualquier máquina. El último paso lo dimos con el incremento exponencial en la capacidad de procesar grandes bases de datos (“big data”), la dieta de cualquier algoritmo, y petróleo del siglo XXI.

El texto de Du Sautoy permite una reflexión profunda sobre una revolución con enorme poder de transformación dando lugar a nuevas preguntas: ¿podrá la IA algún llegar a tener conciencia (superar su actuales limitaciones actuales donde básicamente es un “loro de repetición” de enorme potencia)? ¿podrá liderar o trabajar en equipo? ¿cuáles serán sus límites a la hora de crear obras artísticas genuinamente novedosas y creativas?. Unos cambios que da la sensación hace unos años teníamos a la vuelta de la esquina y que hoy empiezan a ser una realidad.

Bibliografía adicional

• La catedral de Turing, George Dyson

• Impromptu, Reid Hoffman (con prólogo de Marcel Rafart)

• Lecturing Birds on Flying, Pablo Triana (sobre sistemas complejos)

• Incerto, Nassim N. Taleb (reflexión calidoscópica sobre el problema de inducción; actualización Popper-Hayek)

• Jugarse la piel, Nassim N. Taleb

• The Man Who Solved the Market, Gregory Zuckerman

• Superpotencias de la inteligencia artíficial, Kai-Fu Lee

• La Fórmula, Albert-László Barabási

• Lo que no podemos saber, Marcus du Sautoy

• Número y logos, Paolo Zellini

Créditos imágen frontispicio: Emilio Ocón y Rivas Gran velero saliendo del puerto de Sevilla c. 1874.