CÓMO LA INTELIGENCIA ARTIFICIAL ME ENSEÑÓ A

APRENDER | PABLO CASAS

Lo que nos están queriendo transmitir. En mi caso, me sentía bastante perdido cuando
empecé en la universidad. Yo sabía que quería ser ingeniero en sistemas... pero no tenía
muy en claro la aplicación. Me gustaban las computadoras, eso sí. Sin embargo, a los
seis meses de estar cursando Ingeniería en sistemas pasé por los pasillos de la facultad y
vi ese cartel que decía: “Seminario de inteligencia artificial y robótica”. Y ahí quedé
sorprendido. Primero por el nombre de inteligencia artificial. En ese momento no era
tan popular y, sin embargo, capturó mi atención. ¿Qué era la inteligencia artificial? Y
también, ¿qué era la inteligencia? Así que asistí a este seminario y en él el expositor
empezó a mencionar muchísimas cosas... de ese momento, de lo que era la inteligencia
artificial. Hasta que llegó a la parte de la definición matemática. Para mí, en ese
entonces, las matemáticas solamente eran fórmulas en la repetición y mucha
abstracción, una abstracción de un mundo que todavía no conocía. Pero quedé
maravillado, porque en la parte de explicar cómo funcionaban, mencionaba una de las
técnicas que se llaman redes neuronales artificiales. Ya el nombre era extremadamente
atrayente, al menos para mí. Y quedé fascinado, porque esto es como la simulación de
lo que nosotros tenemos en el cerebro pero mediante algoritmos, mediante
procedimientos matemáticos. Y todo tomó otro color DESCUBRIR EL PROPÓSITO
cuando apareció el propósito de aprender matemática, cuando en esa pequeña fórmula
que explicaba cómo una red neuronal podía aprender. Había uno de estos conceptos que
lo voy a mencionar
solamente para que digan “uy, no” del otro lado, que eran las derivadas matemáticas.
Ese concepto que hemos visto siempre con abstracción, con mucha teoría. Quiero
contarles que ese es el fundamento por el cual una red neuronal artificial hoy día
aprende. Y quedé maravillado porque empecé a descubrir un propósito y fue más que
eso. Fue entender que, cuando a uno le explican para qué sirven las cosas, empieza a
tomar otro matiz, ¿no? Incluso, como bien decían los otros expositores, un profesor
cuando te explica, ¿no? Y cuando uno entiende para qué sirven las cosas,
ese conocimiento que estaba lejano, frío, empieza a ser parte de uno. Uno empieza a
sentir que tiene control y que no solamente tiene control, sino que puede usar lo que le
es útil.
APROBAR VS. APRENDER
Con esta emoción que tengo por la matemática y la inteligencia artificial quizás piensan
bueno, le habrá resultado fácil la carrera. Tenemos muchas materias de matemática, de
álgebra, de análisis matemático 1, 2... Muchísimo. Todo lo contrario: no podía conciliar
lo que era aprender versus aprobar. Yo sabía que la matemática me gustaba, me era útil,
o al menos sabía que me iba a ser útil, pero iba a los exámenes y muchas veces
desaprobaba o incluso, lastimosamente, me comparaba con mis colegas, con mis
amigos... Y ellos podían estudiar uno o dos días antes del examen y aprobar, y yo tenía
que estudiar 4 o 5 semanas y a veces ir a un profesor particular. La verdad es que tenía
la autoestima devastada, pero, por otro lado, estudiaba y leía muchísimo de este campo
tan apasionante que es la IA. Durante ese autodescubrimiento de aprender para qué
servían las cosas y para qué servía la inteligencia artificial, encontré una técnica, o
mejor dicho, una manera de aprender, que es estudiar de distintos lados, no solamente
de uno. Sé que puede parecer trivial, pero a veces vamos a la facultad, estudiamos
matemática y solamente estamos viendo un aspecto,
el que nos presenta el profesor, el de la guía de ejercicios. Sin embargo, cuando nosotros
profundizamos y escuchamos otras voces, empezamos a entender ese concepto que
trasciende lo que nos quiere decir el profesor y empezamos a generar un nuevo
conocimiento. Como un promedio de cosas que queremos aprender.
PRACTICAR CON LA COMPUTADORA
Entonces, en esta carrera, o mejor dicho, vamos a ponerle otro nombre, en este
descubrimiento, en este autodescubrimiento, me di cuenta, también por mi cuenta, de la
importancia de aprender con la computadora. Hoy tampoco está muy establecido esto de
estudiar matemática o álgebra practicando. Es algo que les recomiendo muchísimo y
ojalá me estén viendo algunos ingresantes que cuando estudien matemática, vayan y
vean cómo se hace con la computadora. Eso mismo que ven en la clase pero, ¿cómo se
usa? Porque ahí es mucho más fácil graficar, es mucho más fácil probar. No tiene
ningún costo equivocarse y realmente pueden acelerar muchísimo los tiempos de
aprendizaje. Esta es la técnica que uso hasta ahora, 15 años después, para aprender
cualquier cosa que quiera aprender hoy día. Practico, practico y practico.
RELACIONAR CON LO QUE YA SABEMOS
El otro punto que encontré es relacionar eso que estamos aprendiendo, ya sea por
nuestra cuenta o en la facultad, o en cualquier otro ámbito, con algo que ya sepamos.
Entonces, hay que hacer un pequeño esfuerzo. Pero fija el conocimiento de otra manera.
Por ejemplo, si estamos estudiando algo de matemática en la facultad, fijémonos y
busquemos, googleemos, para qué sirve o cómo se usa en la industria, cómo se usa en
los laboratorios de investigación. Les va a sorprender la cantidad de aplicaciones que
tiene fuera de ese mundo académico lo que estamos aprendiendo. Y el otro punto de
relacionar con lo que sabemos es aprender en base a comparar, por ejemplo, con cosas
de la vida cotidiana, o, como a veces se le dice, la vida real. Entonces, por ejemplo, acá
les quería contar
NETFLIX
si tuviésemos que hacer un algoritmo de recomendación de Netflix, o al menos
entenderlo, algo que creo que usamos todos hoy día. Sería algo así como que nosotros le
recomendamos a un amigo películas, que sabemos que en el pasado tuvimos gustos
parecidos y vimos una nueva serie, una nueva película, y se la recomendamos. Nosotros
conocemos a nuestro amigo y tenemos una pequeña certeza de que puede gustarle esa
tercera película que le queremos recomendar. Ahora, ¿cómo lo hará Netflix? Más allá
de que no sé el detalle, muy probablemente lo haga con estos algoritmos de redes
neuronales artificiales. Entonces, lo que hace Netflix es analizar masivamente
millones y millones de usuarios con millones y millones de películas vistas. Y luego
empieza a comparar y empieza a hacer la recomendación. Empieza a encontrar usuarios
parecidos que vieron películas, luego se fija en cuáles son las películas que no vieron los
usuarios, quizás de un grupo determinado, y se les recomienda. Esto es una manera de
aprender, o por lo menos de presentar,
lo que son los algoritmos recomendación, desde la práctica. Mejor dicho, desde lo que
nos rodea. Y poder llevarlo a la práctica sería equivalente a, por ejemplo, tener que
aprender a manejar y primero ir a la mecánica. En realidad, primero uno aprende a
manejar, aprende cómo se pasan los cambios, cómo se usa el volante, etcétera. Y luego,
quizás, va la mecánica. La mecánica, en este caso, sería la matemática.
¿PODEMOS APRENDER DE CÓMO APRENDE UNA IA?
Y, en este camino, como estamos hablando de inteligencia artificial, de que nosotros le
explicamos qué hacer a una computadora o un algoritmo, empecé a notar algunos
paralelos que no sabemos o, mejor dicho, podemos extraer de cómo aprende esta IA.
Entonces, la pregunta es: ¿Podemos aprender de cómo aprende una inteligencia
artificial? Y acá les traigo dos ejemplos prácticos y reales con cosas que están a su
alcance. En el primer caso hay una página web de Google que no puede entrenar para
que reconozca imágenes. En este caso, yo les voy a presentar una foto de un robot o
varias fotos de un robot y una foto mía. Y voy a decir “cuando veas el robot, decir que
estás viendo a un robot y cuando veas una foto mía, decir que estás viendo un humano”.
Y luego le voy a tomar examen a esta inteligencia artificial. No contando formalismos,
sino más bien mostrándole objetos en la webcam
y viendo a ver qué dice. Entonces ahí pueden ver como le muestro distintas fotos del
robot y cómo le voy a mostrar distintas fotos mías saludando. Espero que hayan
prestado atención de la parte de cómo le presenté al robot porque este es el momento del
examen.
MOMENTO DEL EXAMEN!
Entonces vamos a ver qué dice la inteligencia artificial. Ahí estoy apareciendo yo y dice
que está detectando un humano. Aparece el robot y tiene un ciento por ciento de certeza
de que es un robot. Justamente, ¿sí? Ahí lo pongo. Bueno, aprobó el examen y los
quería invitar a anotar
a ver si aparecía algo llamativo para ustedes, sobre todo en lo que era la presentación de
lo que yo le he estado enseñando y lo que la inteligencia artificial me estaba
devolviendo. El punto es que en un momento, cuando le estaba tomando examen a la
inteligencia artificial,
giré el robot, es decir, le di un caso nuevo que nunca vio. Y esta inteligencia artificial de
Google, siguió reconociendo que había un robot. Y es algo muy interesante. ¿Por qué?
Porque, si lo hacemos un paralelo con la educación... Es que la inteligencia artificial
pudo ver más allá de lo que se le enseñó .
VER MÁS ALLÁ DE LO QUE NOS ENSEÑARON
Esto es exactamente lo mismo como cuando nosotros aprendemos y se nos dice: “tienes
que decir las cosas tal cual como te las estoy enseñando”. Eso es un error tremendo. Si
se van a dedicar a este mundo de datos, patrones e inteligencia artificial, sería un error
tremendo. Porque nosotros tenemos que aprender a generar algoritmos que puedan
generalizar, que puedan aprender el patrón, que aprendan la esencia. Después no
importa si giro el robot o no. Esa es la primera enseñanza que me dejó la inteligencia
artificial. Y el segundo caso, que es muy vistoso, es de Mario Bros. Pero lo curioso es
que, en este caso, una inteligencia artificial, una red neuronal, como pueden ver arriba
de la cabeza de Mario aproximadamente, puede tener acceso a la pantalla y acceso al
joystick, al control. Entonces, lo que van a ver ahora es un algoritmo que va
aprendiendo solo, sobre la marcha, en base a la experimentación. Es decir, acá el
diseñador, el científico de datos, solamente le dijo avanza, busca cuál es la combinación
para avanzar. Ahí lo que pueden ver, esos destellos en pantalla, son distintos juegos de
Mario, que siempre se queda quieto, hasta que la inteligencia artificial detecta que,
apretando el botón de la derecha, Mario avanza. Avanza, avanza...
Hasta ahora todo bien, pero se encuentra con un enemigo que lo mata. Esto es al
principio, porque dejamos a la inteligencia artificial corriendo un fin de semana y luego
podemos ver cómo aprendió a desarrollar una estrategia sola de avance. Esta estrategia
es ir saltando y girando para poder ir eliminando a los enemigos y que Mario no tenga
que volver a reiniciar la partida. Y lo interesante de esto es que lo hizo de manera
autónoma. Otro punto es que esto no lo vean lejos, lejanos a ustedes, porque esto se
puede hacer con lenguajes de programación como por ejemplo Python o C++ y está a su
alcance. No es algo que esté sumamente lejano.
PRUEBA Y ERROR PARA AVANZAR
Entonces, como me acabo de equivocar, prueba y error. Prueba y error para avanzar.
Ese es el mensaje que quiero dejarles de Mario Bros. Prueba y error. Mario prueba...
Mejor dicho, la inteligencia artificial prueba, se equivoca, vuelve a probar y se vuelve a
equivocar hasta que puede avanzar. Así que, si les va mal al principio en la carrera, no
se preocupen, es prueba y error. Esta es la mejor manera... Esta es la mejor manera que
lo hace una inteligencia artificial.
Entonces, en este camino... Les presenté algunos casos de cómo fui percibiendo la
matemática, de algunos consejos que me parecen útiles si están empezando a estudiar o
si quieren dedicarse a este campo. Y los quiero invitar, como la nena, a ver por más allá.
Más para ver para el otro lado del pizarrón. No solamente lo que se nos está mostrando,
sino también a que puedan encontrar una nueva manera de aprender y de percibir el
mundo, de que puedan encontrar un camino y no cualquiera, sino su mejor camino.
Gracias.