¿Qué tan importante es entender las relaciones sociales para la investigación en inteligencia artificial (I.A.)?

Es básico. Tenemos que ser capaces de entender a las personas para hacer avances en este campo. Si quieres tener una computadora o un teléfono al que le puedas hablar y mantener un diálogo, primero esa máquina debe entender las relaciones sociales. Sin embargo, en Facebook tenemos varias especialidades. Mi área crea y empuja la tecnología hacia adelante, otra la convierte en tecnología que puede ser usada fácilmente y una tercera sección se encarga de desarrollar productos con ella.

¿En qué se basa su trabajo?

Cuando te conectas a Facebook te vas a encontrar con entre 2 mil y 3 mil piezas de información publicadas por tus contactos. Facebook selecciona de 200 a 250 de ellas, para esto, los sistemas primero deben entender el contexto de las publicaciones, de qué trata el post, qué contienen las fotos y además saber qué es lo que te interesa. En el departamento de investigación no hacemos directamente esta selección, pero creamos la tecnología para hacerla posible.

Dentro del mundo de la I.A. se están desarrollando avances en aprendizaje profundo (A.P.) –Deep Learning– para volver a las máquinas más autónomas. ¿Cómo esta tecnología es útil para una persona común?

Cuando hablas con tu teléfono y reconoce tu voz, eso es A.P. Se habla ahora de los vehículos que se manejan solos, y el sistema de visión de esos autos usa A.P. Este campo ha cambiado por completo cómo las computadoras hacen el reconocimiento de voz e imágenes y entienden un lenguaje natural. Para lograr eso, se necesita enseñar a las máquinas en muchos aspectos, por eso es profundo. La máquina entenderá que se trata de un carro o un peatón, porque ha visto miles de imágenes de carros y peatones, así puede identificarlos.

¿Desde cuándo se hacen estos estudios?

Esto no es nuevo, ya se viene haciendo hace casi 30 años. Cuando yo era estudiante de doctorado, en 1988, empecé a trabajar en estas técnicas y colaboré con la creación de las que reconocen voz. En ese momento, las computadoras eran lentas y el número de imágenes que teníamos para entrenar a esos sistemas no era muy grande. Solo podíamos reconocer la escritura a mano, por ejemplo. En los noventa, muy pocos investigábamos estos métodos y quisimos, en el 2006, renovar el interés de la comunidad científica. Recién en el 2011 la gente empezó a darse cuenta de que se podía resolver la performance de sistema de reconocimiento de voz con estas técnicas. Desde ese día, todas las compañías se interesaron en esas técnicas, nadie hablaba de la I. A. hace cinco años.

Cuando Facebook apareció, en el 2004, ¿no tenía este departamento?

No, solo se remitían a investigar el reconocimiento de rostros e imágenes. Empezaron a usar esta tecnología en el 2013, un poco antes de que yo ingrese. Mark Zuckerberg estaba muy interesado y decidió que A.I. iba a ser una tecnología importante para los próximos diez años de la compañía.

¿En qué se está trabajando ahora en ese campo?

Ahora nos queremos centrar en el aprendizaje no supervisado (Unsupervised Learning). En los procesos de A.I. regulares, alguien monitorea que se haga la mejor elección. La meta es que la máquina logre esto sin ayuda, pero esta, a diferencia de los humanos, no tiene el contacto con el mundo que nos ha servido para aprender a distinguir situaciones. La idea nació hace tres años, así que esperamos que en cinco más tengamos grandes avances. Queremos lograr que las máquinas tengan sentido común.

¿Cómo serviría esta tecnología para Facebook y para el mundo fuera de él?

A Facebook le interesa que el sistema se pueda comunicar virtualmente contigo y te ayude en tus tareas diarias. En otros temas puede salvar vidas. En transporte puede reducir accidentes, gracias a los carros que se manejen solos; en medicina, transformará técnicas por completo, como en los exámenes de rayos X o de laboratorio, incluso se puede hacer una aplicación que, con una foto de tu celular, indique qué enfermedad de la piel tienes.

¿PARA QUÉ NOS VISITA?
Evento: XXI Congreso Iberoamericano de Reconocimiento de Patrones – CIARP 2016
Organizadores: Maestría en Informática, el Departamento de Ingeniería y la International Association for Pattern Recognition (IARP)