Inteligencia artificial: la tormenta perfecta

Para aclarar conceptos y conocer la situación actual de la inteligencia artificial aplicada al marketing, IPMARK ha entrevistado a un

Entrevista de IPMARK con Raúl Arrabales, uno de los mayores expertos en Inteligencia Artificial de España.

Para aclarar conceptos y conocer la situación actual de la inteligencia artificial aplicada al marketing, IPMARK ha entrevistado a un experto en este campo, Raúl Arrabales Moreno, ingeniero en informática, psicólogo, MBA y doctor en inteligencia artificial. “Podríamos decir que en inteligencia artificial se ha producido una tormenta perfecta por la confluencia de diversas tecnologías: la nube, el biga data, la evolución constante de los algoritmos y el abaratamiento del procesamiento y almacenamiento de datos”.

Lo que sigue es un resumen de la conversación telefónica que mantuvimos con él.

Se habla mucho de inteligencia artificial, machine learning, deep learning… pero ¿sabemos con certeza qué es cada cosa?

Existe cierta confusión y muchas veces se solapan los términos. Lo primero que habría que decir es que la disciplina de inteligencia artificial nace en la década de los cincuenta del siglo pasado y se empieza a usar en las empresas en los sesenta y setenta, en múltiples campos, porque el espectro de aplicaciones es muy amplio.

Pero como desde hace años se habla mucho  de inteligencia artificial en los medios generalistas, hay gente que piensa que es un fenómeno relativamente nuevo en el mundo empresarial.

En el ámbito del marketing, hay dos hechos que acrecientan su utilidad: el aluvión de datos en tiempo real de clientes y usuarios, con los que se nutren los sistemas de inteligencia artificial, y el abaratamiento del almacenamiento y procesamiento de los datos, que antes resultaba muy costoso y poco práctico si queríamos manejar datos desestructurados (imágenes, vídeos, texto, señales provenientes de sensores, etc.).

Estamos asistiendo a la maduración de técnicas que ya se conocían, pero cuya aplicación no resultaba práctica ni rentable, gracias a factores como la disponibilidad de recursos computacionales en la nube. Ahora es posible obtener los datos y ejecutar los algoritmos sin necesidad de disponer físicamente de una gran computadora. Fíjese si no en los asistentes virtuales de los teléfonos móviles, que procesan los datos en los servidores alojados en la nube.

Podríamos decir que en inteligencia artificial se ha producido una tormenta perfecta por la confluencia de diversas tecnologías: la nube, que facilita el almacenamiento y el cómputo en la red; el biga data y el internet de las cosas, que aumentan sobremanera el caudal de datos de los que disponemos; y la evolución constante de los algoritmos. Si a este cóctel le sumamos el abaratamiento de la capacidad de almacenamiento, de cómputo y de red, el resultado es explosivo.

Por ejemplo, antes para conocer a mis clientes o posibles clientes, y saber qué les gustaba o necesitaban, tenía que preguntarles, tenía que hacer una encuesta a una muestra, y contar, además, con que no siempre decimos la verdad, por el efecto de deseabilidad social. Ahora, en el mundo conectado, cualquier acción por nimia que sea queda registrada y pasa a engrosar el volumen ingente de datos que manejan las compañías. Gracias a la inteligencia artificial, y más concretamente al subcampo del aprendizaje automático, lo que en inglés se llama machine learning, somos capaces de generar modelos predictivos a partir de los datos.

Las plataformas de vídeo, por ejemplo, saben lo que vemos, lo que ven nuestros amigos, lo que ven otras personas de perfiles similares, etc., y, además conocen su catálogo al completo, por lo que pueden recomendarnos la película o serie que tiene más probabilidades de que nos guste. Ese algoritmo sabe mucho mejor que nosotros qué película nos puede gustar más, porque nosotros no estamos al tanto de todos los contenidos, y él sí. El algoritmo no solo comprende mis preferencias, sino que también entiende el contenido de la plataforma, porque lo analiza gracias al deep learning, un subcampo del machine learning que es más profundo en el procesamiento.

El deep learning se usa principalmente en aplicaciones de visión artificial y procesamiento del lenguaje natural. ¿Para qué sirve eso desde el punto de vista de los contenidos audiovisuales, por ejemplo? Pues para saber qué se dice, qué sucede, cuántos actores intervienen, si son famosos o no, cómo visten, qué época retrata, si hay violencia, etc.; es decir, para evaluar literalmente miles o cientos de miles de variables. Por eso decía hace un momento que ese algoritmo sabe mejor que yo qué película, qué camiseta o qué móvil me va a gustar más, porque conoce las dos partes, cómo soy yo y cómo es el contenido, o el producto o servicio.

Raúl Arrabales, científico cognitivo especializado en la inteligencia artificial, la psicología y las neurociencias habla con IPMARK en esta entrevista sobre la historia y las aplicaciones presentes y futuras de la Inteligencia Artificial.
Raúl Arrabales, científico cognitivo especializado en la inteligencia artificial, la psicología y las neurociencias.

¿Conlleva la aplicación de estas herramientas la automatización de tareas que hasta ahora desempeñaban personas?

En el ejemplo que le he puesto antes, el de las recomendaciones online, el algoritmo tiene que analizar y responder en menos de cien o doscientos milisegundos, y no a un solo usuario, sino a millones de ellos, con lo cual es imposible que lo haga un humano. Por tanto, todo tiene que estar automatizado.

Lo que se pretende es automatizar el lenguaje para que las máquinas sean capaces de contestar a nuestras preguntas. Pero es un campo todavía poco maduro y tenemos que ser conscientes de las limitaciones actuales. Al móvil, por ejemplo, le puedo preguntar qué tiempo va a hacer mañana o qué tengo en la agenda, e incluso pedirle que mande un mensaje a un amigo o cliente, pero todavía poco más.

Las grandes compañías tecnológicas, como IBM, Google, Facebook, Microsoft o Amazon, están trabajando en agentes virtuales especializados en dominios concretos, como la medicina o el derecho, por ejemplo, capaces de responder a cuestiones más complejas.

En el campo del marketing los esfuerzos se están centrando en la atención al cliente, donde se ha logrado una semiautomatización. Que nadie se piense que vamos a pasar del modelo tradicional a la automatización completa de golpe. Se irá reduciendo el número de agentes humanos y aumentando la capacidad de los bots. Pero por ahora las personas siguen siendo esenciales.

¿Hasta dónde puede llegar? ¿Superará a la inteligencia de los humanos?

Bueno, para empezar deberíamos ponernos de acuerdo en qué es la inteligencia. A efectos prácticos, sin entrar en definiciones, podemos decir que la inteligencia tiene muchas facetas. Las tareas se consideran inteligentes o no en función de si las puede desempeñar un robot o es necesaria la intervención humana.

Cada vez hay más tareas que realizan los robots, por lo que dejan de considerarse inteligentes. Por ejemplo, conducir un coche. ¿Hace falta ser inteligente para conducir un vehículo? Claro, pero está dejando de ser una habilidad netamente humana, ya que la tecnología permite la conducción autónoma.

¿Dónde está el límite? ¿Son las máquinas más inteligentes que los hombres? No se puede contestar en términos absolutos. La pregunta sería en qué tarea. ¿Puede una máquina jugar mejor al fútbol que los humanos? Todavía no, pero hay un reto para desarrollar un equipo de robots que en 2050 sea capaz de ganar al campeón del mundo, igual que pasó con el ajedrez en 1997, con el programa Jeopardy! en 2011, o con el Go en 2016.

Es muy complicado hablar en términos categóricos de algo que ni siquiera somos capaces de definir. Al final hay que ser pragmáticos y analizar cada caso. ¿Vendo más si pongo un bot en mi página web para atender a los clientes? Si la respuesta es sí, adelante.

De lo que hablado hasta ahora, se podría deducir que una de las principales funciones de la inteligencia artificial en el marketing es la obtención del conocimiento. 

Sí, esa sería la labor del científico de datos, que se ocupa de gestionar los datos con la ayuda de la inteligencia artificial para responder a preguntas del tipo de qué está pasando, qué va a pasar y qué tengo que hacer para conseguir mis objetivos. Y a partir de ahí, automatizar las tareas susceptibles de ser automatizadas.

Estos sistemas artificiales se pueden caracterizar como sistemas cognitivos, igual que el de los humanos. El humano capta los datos a través de los sentidos, los procesa a través del sistema nervioso y actúa en consecuencia. Los sistemas cognitivos artificiales que estamos construyendo replican el proceso: obtienen datos a través de los sensores, en vez de los sentidos; procesan la información a través de los algoritmos, en vez del sistema nervioso; y actúan mediante acciones programadas en función de los datos.

¿Hoy sería posible entender el big data sin el machine learning y el deep learning?

Podríamos verlo de otra forma: ¿puede haber inteligencia artificial sin big data?, sí; ¿puedo desarrollar y aplicar algoritmos de inteligencia artificial con un conjunto de datos pequeño y homogéneo?, sí, pero obtendré un valor muy reducido. Si no lo alimentamos adecuadamente, el sistema no aprende, o aprende muy poco.

¿Qué diferencia hay entre el aprendizaje automático supervisado y no supervisado? 

Son dos estrategias diferentes que también se dan en los sistemas cognitivos naturales. Los niños, al igual que los sistemas artificiales, aprenden principalmente de forma supervisada, guiados por los adultos.

En el modo supervisado, somos nosotros los que establecemos las pautas, los que decimos al algoritmo lo que es deseable, lo que está bien, etc. El no supervisado, por el contrario, lo empleamos para detectar cosas para las que todavía no tenemos nombre, pero que el algoritmo es capaz de identificar y clasificar. Cuando le pedimos, por ejemplo, que nos haga una segmentación de clientes, sin darle más pautas, creará clústeres afines, que luego alguien tendrá que examinar y catalogar.

¿Hay suficientes profesionales con la formación necesaria para trabajar en el campo de la inteligencia artificial en marketing y comunicación?

No, no hay, porque el perfil necesario es multidisciplinar: tiene que tener conocimientos de informática y de inteligencia artificial, tiene que saber manejar soluciones tecnológicas de big data, tiene que saber aplicar el método científico y, además, tener nociones de negocio. Encontrar alguien formado en tecnología, negocio y ciencia es difícil. Cuesta encontrarlos.

¿Cuáles son los sectores o las compañías más avanzados en este campo?

Clarísimamente, las que están más avanzadas son las grandes compañías de internet, como Google, Facebook y Amazon, que han tomado el testigo del mundo académico, que era el que lo lideraba hace diez años.

Los gurús en esta área son los responsables de inteligencia artificial de estas compañías, que además desarrollan su propia tecnología. Toda la tecnología de big data que se está usando ahora en las empresas, viene de las compañías de internet, no de los proveedores de tecnología habituales como Oracle, IBM o Microsoft.

Los líderes son ellos, y banca, telecomunicaciones, energía, etc., son seguidores que están replicando los sistemas de big data y aplicando los algoritmos de inteligencia artificial que emplean las compañías de vanguardia para extraer valor de los datos.

Lo que está impulsando a los seguidores a invertir en este campo es, además del afán de conocimiento, el miedo a desparecer, a que una gran compañía de internet acabe prestando los servicios que ellos brindan.

¿Qué papel desempeña la legislación? ¿Existe un marco legal que ampare el desarrollo de esta disciplina?

La ley va por detrás de la tecnología, pero, en cualquier caso, existe un vacío que no se da en otras profesiones. Los informáticos —y no nos olvidemos que la inteligencia artificial forma parte de la informática— no tenemos colegio profesional, ni firma ni atribuciones. Teniendo en cuenta que de la informática dependen muchos sistemas críticos, es una carencia grave. La informática no se ha regulado como práctica profesional.

Pedro Urquidi