Quan un concepte tecnològic es posa de moda, els mitjans de comunicació i la ciutadania solen tergiversar significativament. I això passa amb els algoritmes i la intel·ligència artificial.
Entenem per intel·ligència artificial el procés pel qual la tecnologia del silici aconsegueix emular la tecnologia del carboni. Hi ha mil definicions, però totes conflueixen en què les funcions de recollida de dades, emmagatzematge en memòria, procés de les dades i presa de decisions realitzades en dispositius amb semiconductors han d’assemblar-se a les mateixes funcions realitzades al el cervell humà.
La recollida de dades d’objectes correspon al que anomenem “internet of things”, amb milions (o bilions) de sensors per recollir dades “objectives”, d’ínfim valor individual però d’alt valor col·lectiu. Per exemple dades meteorològiques, o dades de trànsit, o dades de contaminació de l’aire o d’aqüífers, etc., que permeten fer prediccions o prendre decisions d’actuació.
Per a la recollida de dades de persones es fan servir altres tècniques, senzilles i directes per obtenir dades “objectives”, com dades de padró, d’hisenda, etc., i indirectes mitjançant anàlisi per algoritmes per obtenir dades “subjectives” com preferències, gustos, aficions o ideologia.
L’emmagatzematge en memòria està resolt gràcies a la llei de Moore, el cofundador d’Intel, que ens va predir el ritme exponencial durant 40, o potser més, anys de la miniaturització de la integració, i també del cost, de transistors en circuits integrats.
El procés de dades segueix també la llei de Moore, i així avui disposem de procés “quasi ad infinitum”. Només cal cuidar la generació de calor “col·lateral” que es produeix i el consegüent cost d’adquirir l’energia i de la refrigeració necessària. Millor fer el procés a Alaska que a Europa. Refrigera més barat.
Quan les dades són clares, estem en terreny conegut, però quan les dades són estimades o no poden estructurar-se en una base de dades convencional, jeràrquica o relacional, estem davant el “Big Data”. Les quatre Vs, “volume, variety, velocity & value”. I requerim d’algoritmes per al seu procés. Aquests algoritmes de “Big Data” permeten dos tipus d’anàlisi, el genèric per obtenir patrons col·lectius o de grup, i el individualitzat per particularitzar la publicitat (o propaganda) comercial o política en un individu. Hi ha sobrats exemples recents, des de la campanya a les presidencials de Trump, a la nova LOPD aprovada al novembre de 2018 Espanya, que permet als partits polítics processar els perfils dels ciutadans i ficar-se en els seus canals de comunicació privats.
Com es produeix la presa de decisions? Hi ha dues formes d’actuar, la “antiga” que era escriure un algoritme definint tota la casuística, i on el programador és el responsable de la presa de decisions del programa.
I la “moderna”, la intel·ligència artificial, on el programa aprèn a prendre decisions basant-se milers, milions, bilions de casos resolts, per després poder actuar en els casos pendents de resoldre. Així aprèn a reconèixer cares humanes, a valorar la gravetat d’un incident o accident, a definir prioritats o mals menors, a quantificar la probabilitat de no tornar un préstec, o de ser un futur delinqüent, o de ser un futur “mal ciutadà” . La intel·ligència artificial és un algoritme que s’auto-modifica i es torna autònom. I el programador perd el control del programat.
Hi ha diverses tècniques d’aprenentatge, de “machine learning”, des d’una primera generació d’aprenentatge de força bruta, per prova i error, a l ‘ “deep learning” amb xarxes neuronals per capes, i una mica més semblant a com aprèn un nen. S’utilitzen tècniques de reconeixement de patrons, regressió lineal, anàlisi de discriminants, arbres de regressió, models predictius basats en el teorema de Bayes, optimització de distàncies n-dimensionals entre veïns, models de models, etc. Estem en progrés continu.
La intel·ligència artificial resol millor que la humana casos “verticals” com jugar a escacs o al go, o reconèixer milions de cares, o organitzar i optimitzar un espai logístic, o potser trobar exoplanetes o desenvolupar nous antibiòtics, i cada vegada més s’apropa a la comprensió i utilització del llenguatge natural. Tenim ja intel·ligència artificial comercial. Google i Facebook l’apliquen en els seus algoritmes de cerca i suggeriment, Google i Tesla en la conducció automàtica de vehicles, IBM ofereix el seu programa Watson de respostes en llenguatge natural, i Microsoft Azure el lloga per a ús empresarial. A nivell d’estats, la Xina lidera la intel·ligència artificial i l’aplica massivament al control social dels seus ciutadans.
Quantitativament, i a causa de la llei de Moore encara vigent, el nombre de transistors i connexions en un computador ja s’acosta al de neurones i sinapsis en un cervell humà. Però (afortunadament?) encara no hem estat capaços de programar emocions, somnis, desitjos o amor. Em queda el dubte de si ja hem programat la creativitat i l’art. I no em queda cap dubte que en breu la intel·ligència del carboni haurà de conviure amb la intel·ligència del silici, amb els riscos ètics que això significa.
Ramon Palacios
Enginyer de Telecomunicacions
No Comments