Vostede é experto en aprendizaxe automática, especialmente en métodos kernel ou causalidad. Que traballo fixo neste campo?

Os métodos Kernel son un campo de aprendizaxe automática. En realidade, son métodos de aprendizaxe de normas, adiccións ou relacións desde as observacións, e son especiais porque están conectados con diferentes ámbitos das matemáticas: análise funcional, teoría de optimización… Desta maneira, proporcionan unha forma de aprender normas a partir dos datos, bonita e elegante, que se poden utilizar en campos como o medicamento ou a industria. Son útiles non só para coñecer as relacións existentes entre os datos, senón para ir máis aló e detectar a causalidad. Por tanto, vai un nivel máis profundo que a aprendizaxe automática.

Unha das aplicacións non é, quizais, a primeira en pensar. Utilizouno na detección de exoplanet. Como foi iso?

Bo. Estaba a pasar un ano sabático coa miña familia en Nova York e empecei a falar cos astrónomos. Dixéronme que a partir dos datos recolleitos polo telescopio espacial Kepler tiñan un problema para detectar exoplanetas. Porque para detectar os exoplanetas, ao pasar por diante da súa estrela, baseábanse na perda de luz desta. Pero esta perda é moi pequena e é difícil distinguila do ruído que produce a propia observación. Este ruído e os erros do telescopio poden deducirse dos datos doutras estrelas e aproveitámolo.

Con iso, en poucos anos, atopamos entre 20 e 30 exoplanet, confirmados posteriormente por outros métodos. E, ao pouco tempo, confirmouse que un deles atopábase a unha distancia vivible da súa estrela. Isto significa que estaba a unha distancia que permitía ter auga líquida. O primeiro exoplaneta detectado foi estimulante.

En que outros ámbitos é aplicable?

En principio, en todas as áreas nas que se poden realizar observacións experimentais. É necesario, por unha banda, dispor de gran cantidade de datos, moitas medicións e, por outro, establecer relacións entre diferentes observacións. Por exemplo, podemos relacionar as medidas dun biomarcador co risco dun tumor e saber se este biomarcador pode predicir un tumor antes de detectalo. É dicir, unha norma pode deducirse dos datos, mesmo cando para unha persoa é difícil percibila.

Á marxe dos métodos Kernel, que cres que serán os principais desenvolvementos da intelixencia artificial?

Agora mesmo, unha das áreas máis excitantes é o procesamiento da linguaxe natural (NLP). Fai 20 ou 10 anos levaron a cabo numerosas investigacións sobre a visión computacional: como recoñecer obxectos, ou como separar coches e peóns… para desenvolver coches automáticos, por exemplo. Nos últimos 10 anos avanzouse moito na análise da linguaxe e na predición de textos. E de súpeto os programas son capaces de producir textos. Isto xerou asombro e admiración, e creo que vai ter un gran desenvolvemento nos próximos anos.

 

Ed. © MPI for Intelligent Systems / Annette Cardinale

Como podemos garantir que os beneficios dos sistemas de intelixencia artificial cheguen a todos?

Para que os beneficios dos sistemas de intelixencia artificial sexan o máis accesibles posible, o primeiro paso é publicar a investigación. Non só describir métodos nunha revista científica, senón tamén publicar o código. É máis, os datos que se utilizaron para adestrar este código.

Con todo, non é unha cuestión calquera. Por exemplo, en medicamento, os datos non poden facerse públicos de calquera xeito. Ou, noutro ámbito, quizais non sexa conveniente, xa que corre o risco de malintencionarse. Pero, en xeral, creo que si queremos que sexa beneficioso para o maior número de persoas e sociedades, a investigación debe ser o máis transparente posible.

A intelixencia artificial pode xerar problemas noutros ámbitos como o medio ambiente?

É certo que para adestrar os programas de intelixencia artificial necesítase unha enerxía enorme que consome unha chea de recursos. E os centros de investigación tampouco están sempre no lugar máis axeitado desde a perspectiva da sustentabilidade.

Pero desde outro punto de vista, a intelixencia artificial tamén pode ter un efecto positivo sobre o medio ambiente. Efectivamente, o clima é un sistema complexo para o que non temos un modelo completo. O uso das intelixencias artificiais tamén nos pode axudar a comprender o clima, que nos axudará a frear ou mitigar o cambio climático. Tamén nos axudará a crear mellores tecnoloxías: mellores células solares, mellores baterías eléctricas…

Lin que se negou a participar nas investigacións militares. É así?

Si. Tradicionalmente, nas guerras está implicado o home. Alguén decide atacar ao outro ou dispararlle, alguén manda e é a decisión de alguén. Isto significa que hai responsabilidades e xuízos morais.

E a guerra sempre é mala. Pero se as máquinas se fan cada vez máis intelixentes e asígnaselles a responsabilidade de tomar esas decisións, de quen é a responsabilidade? De quen desenvolveu un programa para coñecer e matar a unha persoa? Do que deseñou? Do vendido? O do goberno que utiliza o sistema? É difícil prever como pode cambiar a guerra.

Creo que hai que discutir sobre iso e que é unha cuestión que hai que analizar con moito coidado. Pero son moi escéptico, non vexo que esteamos niso. Por tanto, sempre tento protexer e apoiar a quen din que hai que prohibir este tipo de armas.

Doutra banda, aprendiches filosofía. Cres que é útil ou, máis aínda, é necesario ter en conta a filosofía na formación da intelixencia artificial?

Sen dúbida, a filosofía foime moi útil. Creo que calquera cousa que aprendas pode ser útil algunha vez. E si aprendiches filosofía, influirá como pensas sobre os problemas da intelixencia artificial. Por suposto, moitos técnicos ocúpanse unicamente dos aspectos técnicos da intelixencia artificial. Pero as preguntas que nós queremos aclarar non son só técnicas, é dicir, como imos detectar a estrutura do mundo? Por que parece que o mundo está suxeito ás leis e non ao azar? Na miña opinión, este tipo de preguntas, en profundidade, son filosóficas e desde esa perspectiva debemos entendelas.

Que outras disciplinas habería que ter en conta?

En definitiva, influirá cando se trata de intelixencia artificial, polo que habería que ter en conta todos os aspectos, desde as ciencias naturais até a arte. Pero a economía, a politología, a sociedade… Efectivamente, a sociedade necesita máis debate.

 

Ed. FBBVA

Que opina das solicitudes de paralización temporal da investigación?

Como acabo de dicir, paréceme necesario discutir e reflexionar sobre o desenvolvemento e as consecuencias da intelixencia artificial. Pero estas moratorias non son nada realistas, non ocorrerá. É significativo que detrás dunha das solicitudes estea Elon Ms. O certo é que hai competencia entre compañías, e os que veñen de atrás piden tempo para poder atrapar aos seus predecesores.

É moito máis importante entender como funcionan estes sistemas, que consecuencias poden ter e como podemos garantir que se utilicen en beneficio. E iso hai que facelo coa xente, non se pode deixar todo en mans das compañías.

Que pode traer agora a intelixencia artificial no futuro?

Pregunta non contestable. Non se pode prever que vai ocorrer. Mesmo cando se creou Internet, era imposible saber como o usariamos hoxe e que nos ía a traer. Na actualidade contamos con sistemas capaces de crear poemas. Aí hai un salto e no futuro a conversación entre máquinas e persoas será cada vez máis común.

Debemos pensar como fortalecer a sociedade para que sexa consciente do bo e mal uso da intelixencia artificial.