La Intel·ligència Artificial (IA) està de moda: darrerament apareix de forma recurrent als diaris, revistes i programes de tot tipus, en parlen fins i tot els polítics a les campanyes lectorals. Sembla que sigui una cosa màgica, que no se sap ben bé d’on ha vingut però que jugarà un paper crucial en el desenvolupament de la societat.

La IA és una disciplina de la computació digital que té connexions amb la ciència cognitiva i la neurociència. Les seves arrels vénen de la Segona Guerra Mundial, quan un grup de matemàtics anglesos —entre els quals hi havia Alan Turing— va aconseguir desxifrar el codi «enigma» (el mètode emprat per l’exèrcit alemany per xifrar els seus missatges) usant uns primitius ordinadors anomenats Bombe.

Acabada la guerra, el Regne Unit i els EUA van llançar programes per desenvolupar ordinadors multipropòsit més enllà del Bombe que només servia per desxifrar missatges. Turing, que fou un visionari, va proposar la idea que es podien crear màquines que pensessin, que els ordinadors podien simular els mecanismes propis del raonament humà. Ell mateix va desenvolupar el primer programa per jugar a escacs. Desgraciadament Turing es va suïcidar el juny del 1954 poc abans de cumplir 42 anys.

 

Pluja d’idees a Darmouth College

Dos anys més tard, l’estiu del 1956, un grup d’investigadors es va reunir al Darmouth College, una petita universitat a l’est dels Estats Units, per discutir sobre «màquines pensants». Finançats per la fundació Rockefeller, el format de la reunió sota el títol de Summer Research Project on Artificial Intelligence es va desenvolupar en forma de pluja d’idees i va reunir una vintena d’investigadors durant 6 setmanes. D’allà va sorgir el nom d’Intel·ligència Artificial i es van generar un seguit de projectes en què es preveien importants avenços en temes diversos com la comprensió del llenguatge natural, la traducció automàtica, la resolució de problemes, la demostració automàtica de teoremes o els jocs (com els escacs o les dames), tasques que fins aleshores estaven reservades en exclusiva als humans.

Aquelles promeses van resultar exagerades: quan les van voler fer realitat van trobar que els problemes tenien més complexitat que no s’esperava i el progrés ha estat força més lent. El 2006, quan a Darmouth se’n va celebrar el 50è aniversari, els participants d’aquella primera reunió van reconèixer que la IA estava essent un objectiu molt més difícil del que s’havien imaginat.

Què s’ha aconseguit? On estem avui? Per respondre a aquestes preguntes, revisarem alguns dels èxits de la IA que són resultat del treball d’un gran nombre d’investigadors.

Fundadors subscriptors:
més que lectors, actors disposats a canviar les coses.

El maig del 2007 es va donar un èxit impactant. A New York es van enfrontar, amb les regles dels tornejos oficials d’escacs, el programa Deep Blue i Garri Kaspàrov, aleshores campió mundial d’escacs. Deep Blue desenvolupat per IBM va guanyar i Kaspàrov, que havia menyspreat els programes d’ordinador, va haver de reconèixer la seva derrota i va deixar una frase per a la història: «La quantitat s’ha tornat qualitat».

Com va guanyar Deep Blue? Analitzava les combinacions possibles en seqüències de moviments consecutius (la longitud de les seqüències era variable, des de 6 fins a 20) i elegia la jugada més prometedora. Amb una capacitat de càlcul impressionant per a l’època —podia explorar 200 milions de posicions per segon— i amb una llibreria d’obertures i finals, es va comportar com un gran mestre.

Podia la IA tenir èxit en un context més obert que el dels escacs? El febrer del 2011, un programa anomenat Watson va participar a Jeopardy!, un concurs televisiu de preguntes i respostes, contra dos qualificats concursants humans. Watson, desenvolupat també per un equip d’IBM, va guanyar clarament i va aconseguir el milió de dòlars del premi final.

Com va guanyar Watson tenint present que les preguntes de Jeopardy! estaven farcides de pistes, dobles sentits i paradoxes? Es va desenvolupar un mòdul adaptat al concurs, per poder identificar sense errors què es preguntava. Es confrontava amb una enorme base de dades i es generaven múltiples hipòtesis de resposta que s’avaluaven. La que tenia una avaluació més alta, sempre que superés un llindar, és la que es donava com a resposta. La base de dades incloïa la Wikipèdia i altres enciclopèdies, però durant el concurs Watson no tenia accés a internet.

 

Cotxes sense conductor

És obvi que Deep Blue i Watson realitzaven tasques intel·ligents. Però podia també la IA considerar tasques que fessin servir sensors i actuadors del món real? Des de molt aviat la IA estava interessada a aconseguir un cotxe autònom, un cotxe sense conductor. Després de dècades, avui diverses empreses automobilístiques tenen tecnologia en aquest sentit. El 2012 l’estat de Nevada va ser el primer a aprovar una legislació que permetia circular cotxes sense conductor. Altres estats com Califòrnia, Arizona, Florida o Washington DC han seguit el seu exemple.

La intel·ligència humana depèn en gran part de la seva capacitat d’aprenentatge. Els sistemes d’IA també tenen la capacitat d’aprendre. I en aquest camp s’han realitzat grans avenços.

Aquí mencionarem el programa AlphaGo, desenvolupat per Google DeepMind. Aquest programa juga al Go, un antic joc oriental de tauler amb regles senzilles però difícils d’automatitzar. Degut a la gran quantitat de jugades possibles i a la naturalesa del joc, les tècniques usades per a altres jocs no funcionen. Al març del 2016, AlphaGo es va enfrontar a un dels millors jugadors, el coreà Lee Sedol, al qual va guanyar per 4 a 1.

Com juga AlphaGo? Tècnicament, la resposta és complicada. A nivell conceptual és més senzilla: AlphaGo va aprenent a jugar i cada cop ho fa millor. A partir d’exemples de jugades humanes, juga contra si mateix i va aprenent i millorant el seu joc. Quan arriba als nivells més alts d’entrenament, té un joc molt depurat fins al punt de poder-se enfrontar a professionals i guanyar-los.

Quins tipus de sistemes d’IA tenim avui? Des de finals dels 70 s’ha desenvolupat la IA basada en el coneixement, que emula la utilització del coneixement humà en termes computacionals. Fa servir models conceptuals, ontologies, bases de coneixement, estratègies de raonament, etcètera, i fa servir tècniques de computació simbòlica basades en lògica. A finals del segle passat les xarxes neuronals van tenir un fort impacte en la IA. Permetien aprendre de forma assequible funcions complexes a partir d’exemples.

Recentment, això va donar lloc a l’aprenentatge profund, una tècnica que fa servir xarxes neuronals amb moltes capes. En aquestes capes es pot aprendre de milers d’exemples —que es poden extreure d’internet— per afinar els milers de connexions de la xarxa. Molts investigadors estan fascinats perquè aquesta tècnica té un alt rendiment i alguns diuen que és el futur de la IA. Es basen en grans bases de dades, de les quals són capaços d’extreure patrons abstractes que es poden usar per fer prediccions, recomanacions, etcètera. No obstant els seus èxits innegables, alguns investigadors fan notar que no es té una comprensió profunda de com funcionen les xarxes i posen sobre la taula errors greus que poden cometre.

 

IA general i específica

Aquests exemples proven que la IA ha arribat a un bon coneixement d’elements bàsics com comprensió del llenguatge natural, reconeixement d’imatges, tractament de dades, etcètera, però no s’han obtingut màquines ni algorismes que tinguin intel·ligència general (màquines que tinguin un comportament semblant al de les persones que poden jugar a escacs, conduir un cotxe o aprendre). En canvi s’han obtingut molt bons resultats quan es tracta d’obtenir algorismes i programes que resolen problemes concrets, el que es coneix com IA específica (concreta per al problema a resoldre). Avui la recerca en IA continua centrada en la IA específica i avança en sistemes més complexos que inclouen aspectes d’IA general.

Quin impacte té la IA en les nostres vides? Avui, la IA ja té una presència molt «transversal» encara que sigui bastant imperceptible als ulls de la gent. Apareix en els nostres mòbils, en el tractament de fotografies, en els buscadors d’internet, en els recomanadors, en els sistemes de presa de decisions o de predicció, en els cotxes autònoms, etcètera. I, acompanyada del potencial de còmput i de comunicació que avui posseïm, té una influència bàsica en la nostra vida. També és «escalable» en el sentit que un programari que pot processar gran quantitat d’informació (no imaginable abans), pot anar actualitzant els resultats i difondre’ls de forma pràcticament instantània. Finalment pot «predir», pot prendre decisions basades en un gran nombre de dades (en cert sentit de forma més «objectiva» que els humans).

Quin impacte té la IA en el món econòmic? Segons molts experts l’impacte econòmic de la IA l’any passat va superar els 4.000 milions de dòlars i es preveu que l’any 2030 superi els 15 bilions, encara que aquestes xifres són aproximades ja que l’impacte de la IA és indestriable del de la 4a revolució tecnològica de la qual la IA és una part important. Els Estats Units lideren el mercat, fins fa pocs anys Europa ocupava la segona posició, però la forta irrupció de la Xina l’ha deixat enrere. Avui, de les 20 empreses tecnològiques més importants del món, no n’hi ha cap d’europea, tot i que té una recerca prou forta en IA.

Quin impacte té la IA en el món laboral? L’automatització de molts llocs de treball farà canviar de feina a molta gent encara que crearà molt treball nou que sembla que superarà el que destrueixi però que requerirà nous coneixements. També tindrà impacte en molts altres camps. Un exemple simple: la fabricació de samarretes variarà quan a la xarxa sigui possible trobar tot tipus de dissenys i els puguis utilitzar per dissenyar el teu model i enviar-lo a un lloc on amb una impressora 3D la fabriquin. Necessitarem perfils d’enginyer/informàtic i persones disposades a aprendre/reciclar-se al llarg de la seva vida i pel camí s’hi quedaran persones que no s’adaptaran a la nova societat o tindran dificultats.

 

Quatre principis bàsics

Quin serà el món que sortirà de la revolució tecnològica? La IA pot ajudar a fer un món millor si s’utilitza de forma adequada. Mal utilitzada pot augmentar la desigualtat (el poder està passant a les dades i el que som capaços d’extreure’n) i concentrar el poder. Hi ha qui defensa que si el que s’obté es reparteix de forma equitativa seria possible algun tipus de renda garantida universal que asseguri a tothom un mínim d’ingressos. Això permetria temps per als reciclatges necessaris i tenir possibilitats de ser emprenedors, de ser amos del propi projecte de vida. Diuen que si la 3a revolució industrial va permetre un horari laboral de 40 hores setmanals, aquesta podria permetre tenir autonomia personal i ser emprenedor.

Finalment, voldríem fer algunes consideracions sobre les implicacions socials i ètiques de la IA. Si deixem moltes de les decisions a algorismes ens podem preguntar sobre qui els fa, amb quina finalitat, com preservar la nostra autonomia personal i la privacitat, etcètera. La Comissió Europea ha creat un grup d’experts per avaluar aquestes implicacions ètiques. Entre els molts estudis sobre el tema, citem la declaració de Barcelona, fruit d’un debat liderat per Ramon López de Mántaras, de l’Institut d’Investigació en IA del CSIC, en el marc dels B-debates organitzats per Biocat i La Caixa, en què es defineixen alguns principis bàsics per a un desenvolupament ètic de la IA. Entre aquests principis destaquen els de confiança, responsabilitat, identitat i autonomia.

La confiança requereix que la societat tingui mecanismes per garantir la fiabilitat dels sistemes d’IA que s’usen. La responsabilitat exigeix que si un sistema pren una decisió les persones afectades tenen dret a saber com s’ha pres. La identitat vol regular l’existència dels chat-box, sempre s’ha de saber qui envia què, si és una persona o una màquina i en aquest segon cas qui n’és el responsable. Per últim, l’autonomia es refereix a la responsabilitat que tenen els algoritmes sobre les decisions en el món real. Per exemple, quan tenim un algoritme que condueix un cotxe (o més en general quan pren les decisions d’un sistema autònom). És necessari regular com es poden comportar i establir qui té la responsabilitat de les decisions que prenguin.