Kai Fu Lee. Si la inteligencia artificial estuviese dotada de sentimientos, el asistente bien podría responder: “Mi abuelo”. Kai-Fu Lee es el creador de Casper, el primer sistema de reconocimiento de voz que presentó Apple en el año 1992. El software era parte de su tesis doctoral en la universidad Carnegie Mellon y el antepasado de la tecnología de análisis del habla que nos rodea.
Hoy, considerado uno de los mayores expertos en inteligencia artificial del mundo, preside la firma de capital de riesgo tecnológico Sinovation Ventures. El también expresidente de Google China, ha formado parte de los equipos de Apple, SGI y de la unidad de investigación de Microsoft en la región de Asia y el Pacífico. Una vida dedicada al trabajo que se vio interrumpida cuando hace siete años le detectaron un cáncer.
“Me di cuenta de que si me enfrentaba a la muerte, lo último que me apetecía era trabajar”, reconoce. Tras esa epifanía, Lee decidió dar un cambio radical en su vida y dedicar más tiempo a sus seres queridos.
Un proceso transformador que también modificó su idea sobre el futuro de la inteligencia artificial: “Ha venido a librar a los humanos del trabajo rutinario y a darnos tiempo para cumplir nuestro propósito en la vida”, garantiza.
Lee está convencido de que en el futuro sobrevivirán los trabajos que requieran de tres habilidades humanas: “curiosidad, pensamiento crítico y creatividad”. En ese sentido, el experto reclama en las aulas una educación más individualizada y con el acento en las relaciones personales. “La inteligencia artificial podría eliminar las tareas más tediosas y liberar hasta un 40% del trabajo rutinario de los profesores”, afirma.
En su libro ‘Superpotencias de la inteligencia artificial: China, Silicon Valley y el nuevo orden mundial’, Kai-Fu Lee asegura que esta transformación educativa ya se está produciendo en China. “La inteligencia artificial ha venido para darnos tiempo para pensar lo que significa ser humano”, sentencia.
Alma. Hola, señor Lee. Soy estudiante de segundo de Bachillerato. Sabemos que cuando se habla de inteligencia artificial, se utilizan términos como «machine learning» y «deep learning». ¿Podría explicarnos en qué consisten?
Kai-Fu Lee. Por supuesto. La inteligencia artificial existe desde los años cincuenta, y comprende distintos tipos de tecnología. Desde el estudio del cerebro humano y sus procesos cognitivos, hasta el uso de estadísticas y tecnología avanzada, para que pueda emular la capacidad humana de tomar decisiones, hacer predicciones, clasificar… de la forma más similar a la inteligencia humana. Es una disciplina enorme. La única parte que ha funcionado ha sido el «machine learning» o aprendizaje automático.
Y dentro de este, el «deep learning» o aprendizaje profundo es la tecnología más eficiente. Al aprendizaje automático, hay que mostrarle un gran volumen de datos y enseñarle la respuesta correcta para que termine adivinándola mejor que nosotros. Por ejemplo, Amazon enseña a su inteligencia qué compráis cada uno para que aprenda qué productos es más probable que compréis y os los muestre para aumentar sus ingresos. Estas competencias se incorporan al aprendizaje automático.
La entrada de datos y la salida de decisiones, clasificaciones o predicciones. El «deep learning» o aprendizaje profundo es la tecnología más avanzada y emocionante dentro del «machine learning» o aprendizaje automático. Porque imaginad un sistema de aprendizaje automático que aprende de datos, podemos usar muchísimos algoritmos distintos. El aprendizaje profundo utiliza una red muy profunda basada en el cerebro humano, pero muy muy profunda, de miles de capas.
La información entra y las decisiones salen, y la profundidad de la red permite al ordenador realizar abstracciones. Un humano diría: «Para conceder un préstamo, hay que basarse en la honradez». Y la honradez depende de nuestro historial de préstamos y gastos, pero también de si parecemos de fiar o si llevamos mucho tiempo viviendo en la misma casa.
Pero eso son rasgos particulares y el aprendizaje profundo no necesita aprender esas características. Con los suficientes datos, el programa decide qué componentes hacen más fiable a un prestatario, cuáles lo hacen menos y luego decide. Podría decirse que el aprendizaje profundo parte de cero, de la «tabula rasa». Recibe la información, pero no le enseñamos cómo pensar. No le enseñamos qué pensar. Le decimos: «Piensa como haga falta para darme el resultado». El resultado de Amazon son más ventas.
El de un banco, menos impagos. El resultado del reconocimiento de voz es una precisión excelente. Así que el aprendizaje automático, en general, se basa en grandes cantidades de datos para clasificar, decidir o predecir. Y el aprendizaje profundo es un aprendizaje automático muy especial que crea redes complejas y profundas. Por eso, requiere muchos datos y toma decisiones más precisas que la gente. Gracias a esa cantidad ingente de datos, puede aprenderlo todo.
Antonio. Buenos días, señor Lee. Yo soy profesor. Me gustaría saber cómo puede ayudar la inteligencia artificial en mi labor diaria. Por ejemplo, a mis alumnos o a mí. Muchas gracias.
“Necesitamos destrezas, la inteligencia artificial eliminará los empleos monótonos”
Kai-Fu Lee. Creo que puede ayudarte a corto plazo y a largo plazo. A corto plazo, si descomponemos el trabajo del profesor, algunas tareas se hacen más fácilmente con inteligencia artificial, y otras solo puede hacerlas el profesor. La educación general implica componentes como clases, deberes en casa, exámenes y tutorías.
Esas son las cuatro áreas principales de la educación. Respecto a las lecciones en clase, si se hacen bien, no deberían desaparecer. Se pueden apoyar en cursos de extensión o charlas de gente de prestigio. Respecto a los deberes, la inteligencia artificial puede personalizar las tareas de cada alumno al estudiar sus capacidades individuales.Por ejemplo: un alumno no sabe multiplicar y pasamos a la división. Ese alumno debería seguir practicando ejercicios de multiplicación.
No puedes aprender a dividir si no sabes multiplicar. Pero quizás otro alumno vaya tan adelantado, que quieras avanzarle los deberes. Todo esto puede basarse en la observación de los deberes, los exámenes, las notas, las aptitudes y aspiraciones, y también de otros aspectos que pueda observar el profesor. Por eso, los deberes deberían ser personalizados. Como cuando entramos en Amazon. Cada uno vemos una página. Cuando entramos en Facebook, cada uno vemos una página.
La educación debería integrar esta optimización para obtener los mejores resultados en cada niño. También podemos integrar la inteligencia artificial en sus deberes, optimizando su comprensión de la asignatura, ya sea en Matemáticas o en Inglés. Puedes adiestrar a esta tecnología para que asigne a cada alumno el material educativo más adecuado.
De esa forma, el niño sacará la nota más alta en cada categoría. Está personalizado, es preciso. Tal y como hacen Amazon y Facebook. Los exámenes también pueden estar personalizados, condicionados, seleccionados, al igual que los deberes. Y la puntuación de los exámenes. Creo que los profesores pierden demasiado tiempo puntuando exámenes.
De hecho, en China, la inteligencia artificial en educación está muy avanzada, así que la mayoría de profesores ya no puntúan exámenes. Todavía se hacen por escrito, pero luego se escanean y se convierten en textos o fórmulas. Hasta en Matemáticas y Química. La inteligencia artificial entiende los problemas matemáticos y las fórmulas químicas y puntúa automáticamente.
Esta entrevista fue publicada originalmente por BBVA: aprendemosjuntos.bbva.com
NOTA DE REDACCIÓN: La Web del Psicólogo publica los textos originales de su autor, no necesariamente coincide con lo expuesto en el tema, no se hace responsable de las opiniones expresadas, y no promociona ningún producto, servicio, marca, grupo trabajador o empresa. Sugerimos a nuestros lectores conocer la identidad de la fuente o de su autor, para tener mayores elementos de juicio.
REDACCIÓN WEB DEL PSICÓLOGO
