Un pionero del aprendizaje automático dice que hay que dejar de llamar a todo IA

https://spectrum.ieee.org/stop-calling-everything-ai-machinelearning-pioneer-says

EL INSTITUTO Los sistemas de inteligencia artificial no están ni mucho menos lo suficientemente avanzados como para sustituir a los humanos en muchas tareas de razonamiento, conocimiento del mundo real e interacción social. Muestran una competencia de nivel humano en habilidades de reconocimiento de patrones de bajo nivel, pero a nivel cognitivo se limitan a imitar la inteligencia humana, sin comprometerse de forma profunda y creativa, afirma Michael I. Jordan, un destacado investigador en IA y aprendizaje automático. Jordan es profesor del departamento de ingeniería eléctrica y ciencias de la computación y del departamento de estadística de la Universidad de California en Berkeley.

Señala que la imitación del pensamiento humano no es el único objetivo del aprendizaje automático -el campo de la ingeniería en el que se basan los recientes avances de la IA- ni siquiera el mejor objetivo. En cambio, el aprendizaje automático puede servir para aumentar la inteligencia humana, mediante el análisis minucioso de grandes conjuntos de datos, del mismo modo que un motor de búsqueda aumenta el conocimiento humano organizando la web. El aprendizaje automático también puede proporcionar nuevos servicios a los humanos en ámbitos como la atención sanitaria, el comercio y el transporte, reuniendo información encontrada en múltiples conjuntos de datos, encontrando patrones y proponiendo nuevos cursos de acción.

"La gente se confunde con el significado de la IA en los debates sobre las tendencias tecnológicas: que hay una especie de pensamiento inteligente en los ordenadores que es responsable del progreso y que compite con los humanos", dice. "No tenemos eso, pero la gente habla como si lo tuviéramos".

Después de todo, Jordan debería conocer la diferencia. El miembro del IEEE es una de las principales autoridades mundiales en aprendizaje automático. En 2016 fue clasificado como el informático más influyente por un programa que analizó las publicaciones de investigación, informó Science. Jordan ayudó a transformar el aprendizaje automático no supervisado, que puede encontrar estructura en los datos sin etiquetas preexistentes, de una colección de algoritmos no relacionados a un campo intelectualmente coherente, explica la Wiki de Historia de la Ingeniería y la Tecnología. El aprendizaje no supervisado desempeña un papel importante en aplicaciones científicas en las que no existe una teoría establecida que pueda proporcionar datos de entrenamiento etiquetados.

Las contribuciones de Jordan le han hecho merecedor de numerosos premios, entre ellos el Ulf Grenander Prize in Stochastic Theory and Modeling de la American Mathematical Society de este año. El año pasado recibió la Medalla John von Neumann del IEEE por sus contribuciones al aprendizaje automático y la ciencia de los datos.

En los últimos años, se ha dedicado a ayudar a científicos, ingenieros y otras personas a comprender todo el alcance del aprendizaje automático. Dice que cree que los avances en el aprendizaje automático reflejan la aparición de un nuevo campo de la ingeniería. Establece un paralelismo con la aparición de la ingeniería química a principios del siglo XX a partir de los fundamentos de la química y la mecánica de fluidos, y señala que el aprendizaje automático se basa en décadas de avances en informática, estadística y teoría del control. Además, dice, es el primer campo de la ingeniería centrado en el ser humano, en la interfaz entre las personas y la tecnología.

"Aunque los debates de ciencia ficción sobre la IA y la superinteligencia son divertidos, son una distracción", afirma. "No se ha prestado suficiente atención al verdadero problema, que es construir sistemas basados en el aprendizaje automático a escala planetaria que realmente funcionen, aporten valor a los humanos y no amplíen las desigualdades".