Aprendizaje automatico

22

Harvard Deusto Business Review

23

El aprendizaje automático  y el mercado de la inteligencia  Un mercado en funcionamiento para las máquinas inteligentes se vislumbra en el horizonte, y aquellos que fracasen al prepararse para ello se quedarán fuera

Ajay Agrawal Profesor Peter Munk de Emprendimiento, profesor de Gestión Estratégica y director académico del Creative Destruction Lab en la Rotman School of Management

A

muchas personas no les resulta fácil visualizar la compra y venta de las capacidades cognitivas que tradicionalmente se han atribuido a los humanos (aspectos como el juicio y la toma de decisiones). Sin embargo, gracias a los últimos avances en el aprendizaje automático, tenemos la posibilidad real de estar

frente a lo que se conoce como “mercado de la inteligencia”. Debido al potencial de este mercado para transformar la economía mundial, todos debemos em pezar –ya– a prepararnos para su aparición. En 2014, el renombrado físico Stephen Hawking escribía lo siguiente al reflexionar sobre la importancia de alcanzar la inteligencia artificial (IA): “Los ➤➤➤

24

Harvard Deusto Business Review

➤➤➤

beneficios potenciales son increíbles; cualquier cosa que ofrece nuestra civilización es producto de la inteligencia humana. No podemos predecir lo que seremos capaces de alcanzar cuando esta inteligencia se vea implementada por las herramientas que  pueda facilitar la IA , pero la erradicación de las guerras, las enfermedades y la pobreza estaría entre lo más destacado de cualquier lista. Alcanzar el éx ito en

Gracias a los últimos avances en el aprendizaje automático, tenemos la posibilidad real de estar frente a lo que se conoce como “mercado de la inteligencia”. Debido al potencial de este mercado para transformar la economía mundial, todos debemos empezar –ya– a prepararnos para su aparición la creación de IA sería el acontecimiento más importante en la historia de la humanidad”.  Algunas de las empresas que no estaban preparadas  para la llegada de la última tecnología para transformar nuestra economía (Internet), todavía se están lamentando. Mientras que los resultados fueron menos severos para los países que para los negocios, este im pacto tecnológico también afectó a la riqueza relativa de las naciones. Por ejemplo, Estados Unidos fue uno de los principales beneficiarios entre los países más ricos, mientras que la India lo fue entre los más pobres. Queda claro que la inteligencia artificial todavía está en sus albores, y, aunque algunas de las aplicaciones actuales son extraordinarias, todavía no existe ninguna que sea transformacional a día de hoy. Por ejemplo, los motores de recomendación que usan em presas como Amazon y Netf lix, que aprenden nuestras preferencias y recomiendan qué libros deberíamos comprar o qué películas deberíamos ver, son una aplicación habitual del aprendizaje automático. Aunque consigan aumentar la venta de libros y películas (y puedan incluso mejorar el bienestar social, en cierta medida, al aumentar las combinaciones entre consumidores y productos), no representan una transformación de la economía. De manera similar, en el sector sanitario, las aplicaciones de inteligencia artificial que identifican y clasifican tumores a partir de los datos del diagnós-

tico de imágenes (con un grado superior de precisión al de las mejores técnicas humanas) aumentarán, con total seguridad, la productividad de los médicos, pero no transformarán el conjunto de la economía. Quizá la razón por la que el vehículo autónomo se ha convertido en todo un símbolo es porque esta aplicación en particular de la inteligencia artificial permite a la población en general vislumbrar algo realmente transformacional. Cuando un individuo se monta en un vehículo autónomo por primera vez, raramente baja de él y empieza a hablar sobre el incremento  potencial de la productiv idad para la industria del transporte o del automóvil. Por el contrario, lo que esta persona experimenta es la sensación de haber observado tecnología transformacional que trasciende más allá del automóvil. Sospecho que el motivo por el que el vehículo sin conductor produce este efecto en la gente es porque imaginaban una brecha mayor entre el “sistema de recomendación” de la máquina y las necesidades cognitivas del conductor humano. Estamos acostumbrados a que los vehículos analicen datos a partir de cámaras  y otros sensores y nos faciliten recomendaciones sobre cómo conducir con seguridad: no nos sorprende cuando nuestro coche nos avisa de que dejemos de dar marcha atrás o nos dice que no cambiemos de carril o que frenemos porque estamos acercándonos rápidamente al vehículo que tenemos enfrente en un semáforo. Sin embargo, con el vehículo autónomo, nos choca saber que esta nueva máquina no necesita ningún tipo de interacción humana en absoluto. En el caso de algunos vehículos del mercado actual, estos solo aportan su juicio en forma de recomendación para ofrecer al conductor una sensación de control o incluso de pertinencia (y, por el momento, porque es una obligación legal).

LECCIONES DE INTERNET ¿Cómo pasarán los avances en la inteligencia de las máquinas de proveer simples mejoras en la producti vidad en mercados individuales y limitados a transformar la economía en general? ¿Una transición así sucederá de forma gradual o de repente? De acuerdo con el último i mpacto tecnológico (Internet), la respuesta sería “de las dos maneras”. En el caso de Internet, el desarrollo de la tecnología y de su infraestructura asociada se produjo gradualmente,  pero el impacto transformador en la economía global sucedió repentinamente. En particular, la transformación económica empezó súbitamente en 1995, si bien es verdad que Inter net no se inventó en 1995. A continuación mostramos una breve cronología de su eclosión:

El aprendizaje automático y el mercado de la inteligencia  •

Años 60. El gobierno estadounidense empieza a tra-

bajar en una red computacional de comunicaciones a prueba de fallos. •

Años 80. La Agencia de Proyectos de Investigación

 Avanza da (Advanced Resea rch Projects Agency Network, ARPANET) sirve como red central para la interconexión de redes académicas regionales y militares. •

1991. PSINet y UUNET, dos de los primeros provee-

dores de servicios de Internet, inician su primer año como empresas privadas. Se aprueba la Ley de Computación de Alto Rendimiento (The High Per formance Computing Act ).

•

1992. Network Solutions toma el control del sistema

de nombres de dominio y se crea la Internet Society. •

1993. Se lanza el navegador web Mosaic para los

sistemas operativos Unix y Windows. •

1994. Se inventa la cookie en Netscape y se funda el

 World Wide Web Consortium. Luego, en 1995, Bill Gates escribió su famoso correo electrónico “El tsunami de Internet”, Microsoft lanzó  Windows 95 y la National Science Foundation Net work, que había estado promoviendo la investigación avanzada y las redes de educación desde 1985, fue desmantelada, lo que eliminó las últimas restricciones

en el uso de Internet en relación con el tráf ico comercial. Poco después, Netscape salió a bolsa con una ca pitalización de tres mil mi llones de dólares (sin un céntimo de beneficios). En ese momento, todo empezó a cambiar a un nivel tan fundamental y a un ritmo tan rápido que los expertos y especialistas comenzaron a hablar de la denominada “nueva economía”. Las empresas de la lista Fortune 100 cambiaron más en la siguiente década que en cualquier otro período de diez años de la mitad del siglo anterior. Por tanto, ¿cuándo experimentará la inteligencia de las máquinas su propio “1995”? Como en cualquier tecnología de uso general en un período inicial, exi ste mucha especulación y debate. Por ejemplo, el pasado otoño, Elon Musk destacaba: “La IA está mucho

más desarrollada de lo que la gente cree”. A lo que  Yann LeCun respondía por Twitter: “No, no lo está . Más bien lo contrario”. Ninguno de los dos está poco informado. Musk, director ejecutivo de Tesla, ha lanzado recientemente una actualización de software inalámbrico que permite a los modelos S y X conducir  por carreteras públicas, cambiar de carril, moverse con tráfico e incorporarse y salir de las autopistas de forma autónoma. A su vez, LeCun, un pionero del aprendizaje profundo, es un destac ado profesor de Informática en la NYU y director de AI Research, una de las empresas más desarrolladas de inteligencia artificial en el mundo, Facebook. En esta maraña de incertidumbre, las representaciones futuristas abundan. No solo los escritores ➤➤➤

25

26

Harvard Deusto Business Review

➤➤➤

de ficción incluyen la IA en historias como Transcendence , Her  y Ex Machina, también los gobiernos (en especial, Japón, Alemania, China y Estados Unidos) incorporan este tipo de inteligencia en sus estrategias industriales. Esto suscita dudas sobre la potencial deslocalización masiva de la fuerza laboral. ¿Reemplazarán las máquinas inteligentes a los humanos en una gran variedad de tareas cognitivas de la misma manera que sucedió con las tareas manuales? Seguramente, esto no sea inminente; sin embargo, hace cinco años tampoco lo era el vehículo autónomo. En medio de toda esta especulación, las empresas importantes y los inversores ya están tomando decisiones de asignación de capital importantes. Por ejem plo, Google adquirió en 2014 la startup Deep Mind por

quinientos millones de dólares y creó AlphaGo, que derrotó ese mismo año al mejor jugador del mundo del antiguo juego chino go. En el proceso, se demostró lo que parecía ser “intuición” automática en vez de solo la implementación de la lógica por la fuerza bruta. En marzo de 2016, General Motors adquirió la startup  de inteligencia artificial Cruise por más de mil millones de dólares, que ayudó a convertir vehículos normales en coches autónomos. Al mes sigu iente, Salesforce adquirió la startup MetaMind para automatizar y personalizar el márketing y la atención al cliente de la compañía. Empresas como estas están apostando por cómo se desarrollará el futuro, y todos deberíamos prestar atención, ya que sus apuestas son endógenas: influirán

La oportunidad de negocio del siglo En la era de la información, contamos con más opciones que nunca, lo que significa que elegir es más complicado que nunca. Si vas a tu tienda local de Barnes & Noble, seguramente podrás escoger de entre más de cincuenta mil libros, pero Amazon ofrece millones. Por suerte, también tiene un “modelo para ti”, basado en todo lo que has hecho en la página. Este modelo realiza la navegación por ti de manera eficaz y te presenta una estantería de libros personalizada, diferente a cualquier otra. Netflix lleva a cabo un modelo similar para las películas. Estos modelos de consumo generan el 33% del beneficio de Amazon y el 75% en el caso de Netflix. Estos modelos no solo se usan para libros y películas: cada vez más se crean para cualquier cosa que consumimos, ya sea online o fuera de Internet. Incluso Walmart utiliza el aprendizaje automático para decidir qué artículos va a ofrecer y dónde se van a colocar en la tienda. El aprendizaje automático es el nuevo “intermediario” en todas y cada una de las transacciones: desde los productos o los trabajos hasta los tratamientos médicos o incluso las relaciones. En la actualidad, una tercera parte de los matrimonios surge en Internet, y los encargados de realizar las combinaciones son algoritmos del aprendizaje automático. Hay un gran problema con todo esto: cualquier “modelo sobre ti” de una empresa se basa en sus propias interacciones contigo. Como resultado, estos modelos son extremadamente limitados e incompletos. Existe un método mejor, que implica acumular todos los datos que generas y, a partir de estos, crear un modelo sobre ti completo, de 360 grados. Piensa en todas las variables que te caracterizan y en cómo dependen las unas de las otras. En principio, el aprendizaje automático puede calcular esas dependencias. Como resultado, pronto será posible predecir lo que necesitas ahora mismo, o saber si dos personas son una buena combinación romántica (no solo según los perfiles, sino por el análisis de sus vidas). También se podrá predecir si te gustará un determinado trabajo en una empresa en particular, a partir de todo lo que se sabe sobre ti, el trabajo y la empresa. Y gracias a tus constantes vitales (capturadas por los sensores de tu smartphone de manera continua), se podrá detectar si estás a punto de sufrir un ataque cardíaco y llamar al 911.

Si los modelos actuales sobre ti, basados solamente en una pequeña parte de  tus datos, ya son tan valiosos, ¿te imaginas cuán valioso podría ser un modelo sobre ti de 360 grados? En un futuro muy cercano, todo lo que se compre y venda estará basado en estos modelos. Los modelos personales son la plataforma definitiva, y la economía mundial girará en torno a estos. No creo que sea una exageración afirmar que puede que esta sea la mayor oportunidad de negocio de nuestra historia, y aquellos que provean a las personas con sus modelos personales estarán en posición de dirigir la economía mundial. No es sorprendente que varias empresas con gran poder ya se estén inclinando al completo hacia esta tendencia: Google posee Google Now, Apple a Siri, Microsoft a Cortana, Facebook a M, Amazon a Echo. Y hay muchas otras. ¿No sería de locos tratar de competir con estos gigantes? La verdad es que no. El problema es que cada una de estas empresas cuenta con un modelo de negocio existente, y, después de todo, ninguno es compatible con la idea de los modelos personales. La razón es sencilla. Estas empresas mantienen un conflicto de intereses. Quieren servirte, pero también quieren ganar dinero a su manera: Apple al venderte dispositivos, Google al mostrarte anuncios, etc. Lo que realmente necesitamos es un tipo de empresa diferente: una que sea a los datos, un poco, como lo es tu banco a tu dinero. Tu banco te guarda el dinero y lo mantiene a salvo, pero hace algo más que eso: lo invierte en tu nombre. De manera similar, tu banco de datos almacenará tus datos, aprenderá y actualizará continuamente el modelo sobre ti, y lo usará para conseguir cosas para ti. Una vez cuentes con un modelo personal, podrás decirle que estás buscando un trabajo y, al instante, serás entrevistado para todos los puestos vacantes que combinen bien con tus especificaciones, interactuando a gran velocidad con los modelos de los departamentos de RR. HH. de los empleadores. Y mientras que una copia de tu modelo esté haciendo esto, otra podrá estar buscando un coche nuevo, al comprobar exhaustivamente todas las opciones y regatear con los concesionarios para que no lo tengas que hacer tú. Pero, para sacar esto adelante, necesitamos tres cosas.

El aprendizaje automático y el mercado de la inteligencia  en el ritmo y la dirección del desarrollo tecnológico, así como en el dónde y el cómo ocurrirá.

EN DEFINITIVA Para aquellos que contemplan una estrategia de “es perar y observar” en relación con la IA, la caída de las que, en su día, fueron poderosas corporaciones, como Barnes & Noble y Blockbuster, significa un aviso más que suficiente. Corresponde a los inversores, gobiernos y empresas de todos los sectores disponer de una tesis acerca de cómo se transformará su industria cuando las piezas regulatorias y tecnológicas necesarias vayan cogiendo forma y el mundo se enfrente a un mercado de la inteligencia realmente en funcionamiento.

Teniendo en cuenta la dismi nución de los costes de la capacidad de procesamiento, del almacenamiento  y de los sensores, además del aumento de la recogida de datos de los dispositivos móviles, portátiles y otros dispositivos del Internet de las Cosas, podemos decir que estamos cerca de una turbulencia económica sustancial. Si bien es verdad que hay un gran desacuerdo respecto a cuándo la IA dará resultados, una cosa está clara: las decisiones con grandes consecuencias están por venir. ■ "El aprendizaje automático y el mercado de la inteligencia". © Rotman School of Management. Este artículo apareció anteriormente en Rotman Management , revista publicada por la Rotman School of Management de la Universidad de Toronto (www.rotmanmagazine.ca), con el título "Machine Learning and the Market for Intelligence".

1. Un modo de almacenar todos tus datos conjuntamente en un lugar. Esto se puede conseguir al enrutar todas tus interacciones mediante un “servidor proxy ”. Una vez instalas el proxy  en tus dispositivos, todo pasa por un intermediario en la nube y queda grabado. Entonces puede iniciarse el aprendizaje. 2. Algoritmos de aprendizaje mejores que los que tenemos hoy en día. Para crear un modelo sobre ti unificado, necesitamos un algoritmo de aprendizaje unificado capaz de obtener datos sobre ti de cualquier tipo e integrarlos en un todo congruente. En este aspecto estamos apreciando buenos progresos. No tendremos el algoritmo de aprendizaje definitivo en los próximos años, pero tendremos uno que sea lo suficientemente bueno para gran parte de estos propósitos. 3. Una manera de ponerse en marcha. Si no tienes datos para empezar, no  tienes nada que ofrecer. Aquí es donde las empresas más establecidas (Google y Apple) tienen su mayor ventaja, ya que disponen de interacciones ya creadas con sus usuarios que generan montañas de datos. En mi opinión, quien gane esta carrera tiene una buena oportunidad de convertirse en la primera empresa del mundo con tres billones de dólares. Y, como ocurre con cada oleada de innovación tecnológica, habrá numerosas oportunidades para aprovecharse del cambio. Pongamos, como ejemplo, las aplicaciones. El futuro de las aplicaciones se prevé totalmente contrario al presente. Actualmente, cada aplicación es un producto independiente que intenta monopolizar tu atención y mantenerte lejos de las otras aplicaciones. Pero nadie tiene la paciencia de aprender muchas aplicaciones diferentes, y es un engorro cuando tienes que usar más de una para conseguir algo, así que el futuro no pinta muy bien. En el mundo de los modelos personales, el modelo triunfador se situará entre todas las aplicaciones y el usuario, y será quien escoja qué aplicación usar para según qué cosa, por lo que las aplicaciones más exitosas serán las que funcionen bien con muchas otras. Para los directivos, no solo se trata de que los productos y servicios que se ofrecen sean más personalizados; hay que tener en cuenta que las

27

decisiones respecto a qué productos y servicios ofrecer y sobre cuáles serán sus características (empezando por los detalles más pequeños) se guiarán por los modelos del consumidor. Sin embargo, estos modelos no serán de tu propiedad, ni tratándose de una empresa Fortune 500, salvo excepciones; no se tendrán suficientes datos sobre los clientes para construir un modelo que sea competitivo frente al “banco del Big Data”. Por consiguiente, se tendrán que crear alianzas y entrar a formar parte de un ecosistema de datos y modelos, bien centrándose en uno de los bancos de datos, bien adquiriendo una escala suficiente como para convertirse en uno de ellos. Si se falla en esto, se corre el riesgo de pasar a ser un “satélite” y de que los bancos de datos se queden con gran parte del valor, o incluso puede conllevar salir totalmente del negocio. Como sociedad, vamos a tener que decidir qué clase de “sociedad de modelos” queremos tener. ¿Qué estará y qué no estará permitido? ¿Cómo aseguraremos que todo el mundo se beneficia de ello? ¿Cómo haremos la  transición lo más fluida posible? Hay algo que tenemos que hacer como individuos y como sociedad, y hay algo que tenemos que hacer como emprendedores, innovadores e inversores: como individuos, tenemos que tomar el control de nuestros modelos; como innovadores, tenemos que hacerlo posible. Si lo hacemos bien, nos espera un futuro brillante en el que nuestras vidas serán más felices y más productivas. Si no lo hacemos, perderemos una gran oportunidad.

Pedro Domingos Profesor de Informática e Ingeniería en la Universidad de Washington y autor de The Master Algorithm: How the Quest for t he Ultimate Learning Machine Will Remake Our World (Basic Books, 2015)