Robert Ito

La IA se encuentra con el mundo real

La riqueza y diversidad cultural de una computadora inteligente solo podrá ser tan amplia como la del conjunto de personas que la eduquen.

Desde hace tres años, unos veinticinco aspirantes a científicos informáticos llegan cada verano a la Universidad de Stanford para estudiar el tema de la inteligencia artificial junto a los expertos más brillantes del campo. Los asistentes, seleccionados entre cientos de candidatos, realizan excursiones a las empresas tecnológicas cercanas, interactúan con hexacópteros y robots sociales, y aprenden sobre lingüística computacional (lo que hacen las computadoras cuando las palabras tienen más de un significado, por ejemplo) y sobre la enorme importancia de administrar bien el tiempo. También se divierten. Posiblemente uno asocie a la IA con grupos de hombres que se dedican a crear enemigos más astutos para sus videojuegos favoritos, pero este no es el caso. Todos esos aspirantes a científicos informáticos son en realidad jovencitas que acaban de terminar el noveno grado y participan del programa de verano del laboratorio de inteligencia artificial de Stanford (SAILORS). Sus estudios buscan mejorar vidas, y no experiencias de juego. Por ejemplo, ¿cómo se puede usar la IA para evitar que los aviones choquen en la pista? ¿Y para asegurar que los cirujanos se laven las manos antes de entrar al quirófano? "Nuestro objetivo era repensar la educación en IA con el fin de fomentar la diversidad y la inclusión de estudiantes de todas las clases sociales —dice Fei-Fei Li, directora del laboratorio de IA de Stanford y fundadora del programa SAILORS—. Cuanta mayor diversidad haya entre los futuros tecnólogos, más probable será que se preocupen por usar la tecnología para el bien de la humanidad".

Cuanta mayor diversidad haya entre los futuros tecnólogos, más probable será que se preocupen por usar la tecnología para el bien de la humanidad.

—Fei-Fei Li Google y Stanford

Fei-Fei Li

Li y su exalumna Olga Russakovsky (que actualmente es profesora asistente en la Universidad de Princeton) crearon SAILORS en 2015 para ayudar a mejorar la igualdad de género en la industria de la tecnología. La causa es noble y urgente. Según una encuesta reciente, el número de mujeres que estudian informática está en descenso. En el sector de la IA, las mujeres ocupan menos del 20% de los puestos ejecutivos. No es razonable que un campo tan enorme excluya a las mujeres, teniendo en cuenta que las personas usan cada vez más la IA para que sus vidas sean más fáciles y eficientes. Un ejemplo de IA es la tecnología que permite que una aplicación de fotos reconozca no solo rostros, sino también los lugares específicos en los que se tomaron las fotografías. Es lo que hace posible que los dispositivos nos entiendan cuando les preguntamos cómo estará el tiempo mañana. Y también tiene otras aplicaciones menos conocidas, como el diagnóstico de la retinopatía diabética (que a menudo conduce a la ceguera), o el envío de un dron en una misión de búsqueda y rescate a los lugares más remotos del mundo.

La IA es cada vez más omnipresente, por lo que fomentar la igualdad de género no solo es importante porque sea una causa justa: la diversidad es parte fundamental de la IA por la naturaleza del aprendizaje automático. Un objetivo de la IA es lograr que las computadoras realicen tareas que los seres humanos hacen naturalmente, como reconocer el habla, tomar decisiones, diferenciar un burrito de una enchilada, etc. Para ello, las computadoras se alimentan con gran cantidad de información (a menudo millones de palabras, conversaciones o imágenes), del mismo modo en que todos nosotros absorbemos información en cada momento en que estamos despiertos, desde que nacemos (en esencia, eso es el aprendizaje automático). Cuantos más autos vea una máquina, mejor los identificará. Pero si esos conjuntos de datos son limitados o sesgados (es decir, si los investigadores no incluyen, por ejemplo, imágenes de autos de marca Trabant), o si quienes trabajan con IA no perciben esos límites o sesgos (porque, quizás, no son especialistas en automóviles poco conocidos de Alemania Oriental), las computadoras y los resultados serán defectuosos. Ya se han observado algunos casos. Por ejemplo, hubo un software de reconocimiento de imágenes que interpretó que las fotografías de personas asiáticas eran de personas que estaban parpadeando.

No solo es importante contar con datos claros. También necesitamos impulsar los cambios necesarios.

—Tracy Chou Project Include

Tracy Chou

¿Cómo se hace para crear laboratorios y espacios de trabajo más inclusivos? Muchos individuos y proyectos ya están enfrentando ese desafío. Este año, Li (que también es directora científica de IA y aprendizaje automático en Google Cloud) y otros ayudaron a lanzar AI4ALL, una organización nacional sin fines de lucro cuyo objetivo es brindar una mayor diversidad a la IA, y para la que contrataron a expertos en genómica, robótica y sustentabilidad como mentores. La organización se basa en el trabajo de SAILORS, pero amplía su alcance a personas de color y estudiantes de bajos recursos de todo el país mediante asociaciones con Princeton, UC Berkeley y Carnegie Mellon, además de Stanford. "Muchos colegas y líderes de la industria se acercaban y nos decían, 'SAILORS es genial, pero se limita a Stanford y a unas pocas docenas de estudiantes por año, la mayoría del área de la Bahía' —dice Li—. Por ello, AI4ALL se enfoca en la diversidad y la inclusión. No solo en el género".

Entre otras iniciativas similares, se incluyen Code Next, la iniciativa de Google con sede en Oakland que busca alentar a estudiantes latinos y afroamericanos a incursionar en carreras en Tecnología; DIY Girls, un programa de Ciencia, Tecnología, Ingeniería, Arte y Matemática (STEAM, por su sigla en inglés) para comunidades de bajos recursos de Los Ángeles, y Project Include, que alienta a empresas emergentes a contratar más mujeres y personas de color. Tracy Chou, que anteriormente trabajaba para Pinterest, fundó Project Include el año pasado junto con otras siete mujeres destacadas de la industria tecnológica. En 2013, Chou instó a las empresas de tecnología a que informaran cuántas mujeres empleaban. Cuando comenzaron a aparecer las cifras, confirmaron una verdad evidente en Silicon Valley: el universo tecnológico, desde las grandes empresas hasta las pequeñas empresas emergentes, está dominado por hombres blancos. Chou afirma que Project Include es el próximo paso lógico. "Después de algunos años de obtener estos informes de datos y de que no hubiera demasiados cambios, la conversación comenzó a cambiar —afirma—. No solo es importante contar con datos claros. También necesitamos impulsar los cambios necesarios".

Con ese fin, debemos lograr que el trabajo en el campo de la IA sea más accesible para las masas. Son muy pocas las personas que trabajan en IA, y aun así ya existen robots empleados en el cuidado de personas y asistentes personales que anticipan nuestras necesidades. Si los seres humanos se encargan del control de los datos y los criterios, las computadoras pueden realizar el trabajo. Por lo tanto, un mayor aporte humano producirá mejores resultados.

En la actualidad, ya hay muchas evidencias de la democratización de la IA. Por ejemplo, en Japón, el hijo de un agricultor usó IA para clasificar la cosecha de pepinos de su familia en función de sus características. Li se interesa en este tipo de historias, ya que, a los 16 años, se fue de China y viajó a Estados Unidos, sin saber mucho sobre el país, y sabiendo todavía menos sobre el lugar en el que finalmente se radicó, Nueva Jersey. Después de realizar una gran variedad de trabajos, como limpiar casas, pasear perros y atender la caja de un restaurante chino, Li ingresó a Princeton y, luego, al Instituto Tecnológico de California, o Caltech.

En su trabajo, Li es una minoría por partida triple: es inmigrante, mujer y de color en un sector laboral dominado por hombres blancos. Aunque muchos pueden considerar que esas condiciones son obstáculos, para Li son motivaciones. Gran parte de su tiempo la dedica a estudiar la visión artificial, componente del aprendizaje automático al que llama "la aplicación determinante de la IA". La visión artificial analiza e identifica los datos visuales, por lo que es posible que algún día ayude a crear extremidades robóticas más sofisticadas o resuelva los problemas matemáticos más complejos. Al igual que en las demás áreas de la IA, la clave de esta tecnología es enseñarles a las computadoras a analizar una gran cantidad de información de distintas fuentes y perspectivas; a que sean, como Li, ciudadanas visuales del mundo.

Fomentar un grupo diverso de creadores para dar forma a ese mundo es esencial para resolver los problemas técnicos y argumentales que enfrenta la estratega de contenidos Diana Williams en ILMxLAB. En este centro de ensueño secreto de Lucasfilm, los desarrolladores diseñan experiencias de entretenimiento inmersivo e interactivo inspiradas en el universo de Star Wars (como un encuentro con Darth Vader en RV). Williams participa activamente en organizaciones con iniciativas tecnológicas como [Black Girls Code] (http://www.blackgirlscode.com/) y recuerda la escasez de mujeres de color en su universidad en los ochenta. "Siempre era la única en las clases de Matemáticas y Economía —recuerda—. Son experiencias agotadoras y aterradoras". Ella tiene una solución para atraer a más mujeres hacia la tecnología. "Es necesario fortalecer su confianza desde que son jóvenes, de modo que cuando entren al salón de clases y sean las únicas, no den vuelta atrás".

Es necesario fortalecer su confianza desde que son jóvenes, de modo que cuando entren al salón de clases y sean las únicas, no den vuelta atrás.

—Diana Williams Lucasfilm

Diana Williams

Maya Gupta, investigadora de aprendizaje automático de Google, también trabaja para mejorar la IA, aunque desde otro ángulo. En Stanford, ayudó a una compañía noruega a detectar grietas en sus gasoductos submarinos. "No es un lugar al que se pueda acceder fácilmente, así que tuvimos que usar información parcial para tratar de adivinar", explica. Enseñar a las computadoras a realizar suposiciones que incluyan matices es un terreno familiar para Gupta. Si estás en YouTube escuchando "Truth", del saxofonista Kamasi Washington, y la música continúa fluidamente, como por obra del mejor DJ que hayas conocido, con la magnífica "Turiya and Ramakrishna" de Alice Coltrane, debes agradecer a Gupta, cuyo equipo ayuda a las computadoras a ajustar sus recomendaciones. Ella asegura que "lo más importante es predecir, ya que intentamos hacer suposiciones a partir de datos limitados".

En la actualidad, dirige un equipo de investigación y desarrollo en Google para mejorar, entre otros aspectos, la precisión del aprendizaje automático. "Digamos que quiero detectar un acento de Boston y un acento de Texas con la misma precisión, pero tengo un reconocedor de voz que identifica un poco mejor el de Texas —comenta—. ¿Sería justo perjudicar a las personas con acento de Texas reduciendo la calidad del reconocimiento para que sea igual que para el acento de Boston? ¿Y si simplemente es más difícil reconocer a las personas que hablan con acento de Boston?".

Gupta y su equipo también refinan sistemas que serán infinitamente más transparentes que sus propios diseñadores. Con las computadoras, se espera poder eliminar muchos de los errores o procesos subconscientes que influyen en el pensamiento humano, o, al menos, reconocerlos con más facilidad cuando emergen. Las computadoras no se desconcentran, no se cansan, no se irritan ni sienten hambre. Un estudio demostró que los jueces son menos propensos a conceder la libertad condicional a los presos que evalúan antes del almuerzo, ya que están pensando más en la comida que en las condenas. "Es difícil explicar qué piensan los seres humanos —afirma Gupta—. Por el contrario, queremos poder explicar cómo funcionan nuestros sistemas de aprendizaje automático. Honestamente, gran parte de estos sistemas son más fáciles de explicar que la mente humana".

Queremos poder explicar cómo funcionan nuestros sistemas de aprendizaje automático. Honestamente, gran parte de estos sistemas son más fáciles de explicar que la mente humana.

—Maya Gupta Google

Maya Gupta

A medida que la IA se va volviendo más útil y, particularmente, más fácil de utilizar, el nuevo desafío es ampliar su alcance tanto como sea posible. Christine Robson, que antes de unirse a Google era investigadora de IBM, es una entusiasta defensora del software de código abierto como TensorFlow, un sistema de aprendizaje automático que se puede usar para una gran cantidad de tareas, desde la traducción de idiomas hasta la detección de enfermedades y la creación de arte original.

Para Robson, es necesario facilitar el acceso a la IA a personas ajenas a las industrias relacionadas. "Me encantaría que el aprendizaje automático estuviera disponible para todo el mundo —afirma—. Hablamos mucho sobre la democratización del aprendizaje automático, y yo estoy a favor de esa tendencia. Es muy importante simplificar el uso de estas herramientas y permitir el acceso de todos a estas técnicas".

Desde hace mucho tiempo, la literatura y ciencia ficción han creado ejemplos de fracasos de la IA (el próximo año, será el 200.° aniversario de Frankenstein, de Mary Shelley). En la actualidad, muchos miembros de la industria (incluidas Li, Robson y Chou) se preocupan más por la forma en que las personas usan la IA que por lo que la IA podría llegar a hacerles a las personas. Por ejemplo, los programadores configuran voces femeninas para los asistentes virtuales debido a que tanto hombres como mujeres las prefieren. "Sin embargo, esta acción perpetúa la idea de que las asistentes son mujeres; y de esta manera, cuando interactuamos con esos sistemas, se refuerza esa diferencia social", explica Chou. Muchas de las mejores mentes del campo se preocupan por el uso de sistemas de IA en la vida real y sus posibles consecuencias. Es importante lograr una mayor diversidad en esas áreas. La tarea no es fácil. Pero sus defensores son inteligentes, ingeniosos y están comprometidos con la causa.

Es muy importante simplificar el uso de estas herramientas y permitir el acceso de todos a estas técnicas.

—Christine Robson Google

Christine Robson

"Tenemos que asegurarnos de que todos se sientan bienvenidos", dice Gupta. Aún recuerda el muro de fotografías de profesores de Ingeniería Eléctrica retirados de su alma mater, la Universidad Rice, que no se parecían en nada a ella. "Tenemos que convencer a las mujeres de que la IA no es magia, sino matemática", añade Robson.

En SAILORS, las estudiantes aprenden a usar el procesamiento del lenguaje natural para hacer búsquedas en las redes sociales y ayudar en situaciones de castástrofe. "Eso podría ayudar a los rescatistas a encontrar víctimas en tiempo real mediante sus mensajes de Twitter", afirma Li. Los efectos de las clases y proyectos se extienden más allá de esos inolvidables veranos. Algunas estudiantes han iniciado sus propios clubes de robótica en la escuela, publicado artículos en revistas científicas y realizado talleres en escuelas para difundir la IA a niñas más jóvenes. Para estas estudiantes, cuyos antecedentes y experiencias son tan diversos como el sinfín de proyectos que abordaron en el campamento, la IA no es un "gadget" moderno, sino una fuerza poderosa para hacer el bien. Antes de la primera reunión de SAILORS en 2015, el programa compartió mensajes de las campistas entrantes, incluido este deseo ambicioso: "Espero comenzar a aprender sobre IA para poder ayudar al mundo en el futuro".

Volver al principio