Mientras las personas de a pie seguimos asombradas por cada nueva frontera que atraviesa la tecnología, quienes se dedican profesionalmente a la inteligencia artificial se enfrentan ahora a dos importantes retos. El primero es mantener el pulso a la innovación en un entorno ultracompetitivo, donde las grandes empresas y centros del saber atraen ingentes cantidades de dinero. El segundo es conseguir máquinas que no sólo hagan cosas sorprendentes, sino que también sean entendibles y confiables para quienes, con cada vez más frecuencia, vamos a usarlas en nuestro trabajo o vamos a ser examinados por ellas.
Bajo una Sierra Nevada que hace más que nunca honor a su nombre, cubierta estos días por un espléndido manto blanco, se encuentran dos edificios que reúnen a buena parte del talento en computación e inteligencia artificial en España. Son el Centro de Excelencia AI Lab Granada (iniciativa de la Universidad de Granada, Google e Indra) y el vecino Instituto Andaluz Interuniversitario en Ciencia de Datos e Inteligencia Computacional (DaSCI). Ambos están el Parque Tecnológico de la Salud y adscritos a la Universidad de Granada, a la que varios ránkings internacionales sitúan entre las mejores de Europa en esta especialidad.
Naturaleza
Un importante inconveniente de la inteligencia artificial es su elevado coste energético. Se estima que entrenar a un sencillo algoritmo provoca tantas emisiones como cinco coches en toda su vida útil.
Hay dos maneras de atajar el problema. La primera es optimizar el uso para reducir el gasto energético. «Y la otra forma es tener aplicaciones transferibles a la sociedad y que ayuden a preservar el medio ambiente», señala Rosana Montes, investigadora del DaSCI.
Uno de sus proyectos, financiado por el Ministerio de Agricultura, está desarrollando «una solución tecnológica, que hoy no existe en el mercado», para controlar el tráfico ilegal de madera en aduanas, puertos y fronteras. El problema es que, en muchos casos, las especies protegidas de árboles son muy similares a otras que no lo están.
Un truco habitual de los traficantes de madera es rellenar la documentación con una especie parecida a la que se intenta colar de contrabando. «Hay un comercio ilegal que no hay forma de parar porque no existe una solución tecnológica para evaluar una muestra y decir qué especie es», aclara Montes. «Estamos hablando de unas 600 especies. Ni siquiera un experto puede, viendo un cargamento que llega en un barco, por ejemplo, distinguir si es una especie en protección».
Ahora, cuando un agente sospecha de un cargamento, hay que esperar una semana a que la muestra llegue del laboratorio. «Lo que tenemos nosotros es una solución de IA en una aplicación móvil. El agente de aduana puede tenerla en el teléfono, hace una fotografía -le tienes que poner una lupa, porque trabajamos con imágenes macroscópicas- y, en un segundo, te dice la especie con un gran porcentaje de acierto».
El algoritmo, que ha sido entrenado a partir de 20.000 imágenes y ha despertado el interés de la Interpol, es también un buen ejemplo de cómo funciona el aprendizaje de máquinas. Los expertos en madera pensaban que la máquina se fijaba en las vetas y las contaba, que es como lo haría un humano. «Y no es así. Al final, el algoritmo resuelve, pero no como ellos piensan», relata Montes.
Confianza
Cuando una máquina resuelve un problema a su aire, fijándose en cosas que los expertos desconocen, nos encontramos ante lo que los científicos llaman una caja negra. El desafío más importante de la inteligencia artificial consiste, precisamente, en abrir esa caja y poder ver las tripas del algoritmo. «La explicabilidad o interpretabilidad es el vehículo que nos lleva a una inteligencia artificial responsable y ética», señala Natalia Díaz, investigadora de la Universidad de Granada que acaba de recibir una beca Leonardo de la Fundación BBVA para trabajar en este campo.
Incluso para los especialistas es a veces muy complicado ver qué falla en un sistema o saber por qué acierta. «La explicabilidad es una herramienta indispensable para cualquier desarrollador de un modelo, para intentar depurar y certificar, validar y verificar que el modelo no se va a comportar de forma extraña cuando vea datos diferentes», explica Díaz. En 2023, se espera que la Unión Europea apruebe una nueva regulación de la inteligencia artificial que obligará a los sistemas a ser más transparentes.
«En Nueva York, el Ayuntamiento ya ha exigido que todo algoritmo que se use para seleccionar personal debe ser auditado. Que haya exigido eso ya un paso adelante», valora Díaz. Desde el próximo 1 de enero, en la ciudad de los rascacielos ya no se puede seleccionar personal con un algoritmo si no sabemos qué está haciendo o en qué características se fija. Aunque «la clave», recuerda esta investigadora, está también en la definición de «cómo auditar», pues no siempre está claro «cómo garantizar el comportamiento 100% correcto de un modelo».
Huesos
Uno de los programas estrella del DaSCI, con 17 años a sus espaldas, es el Laboratorio de Inteligencia Artificial para Antropología Forense e Identificación Humana. También es un gran ejemplo de lo importante que es conocer qué está haciendo una máquina. Como mínimo, cuando tratamos con personas. Por allí han pasado los huesos de Cristóbal Colón, pero su principal función es la de ayudar a los forenses cuando una catástrofe o una matanza dificultan la identificación de las víctimas.
Liderado por los catedráticos Óscar Cordón y Sergio Damas, el laboratorio ha colaborado con las autoridades de Ciudad Juárez (México) o Chile, además de las fuerzas de seguridad españolas. También ayudó a identificar los restos de 10 líderes de un levantamiento contra Rusia en la Lituania del siglo XIX. «La idea es tratar de automatizar todos los procesos con inteligencia artificial, en la mayoría de casos explicable, porque se trata de que apoyemos las decisiones de los forenses y el sistema pueda explicar la decisión», dice Cordón.
El forense tiene la última palabra, pero el algoritmo ve cosas a las que ningún humano llega. El reto es que ambos trabajen juntos. «La técnica es aplicable para identificación de personas desaparecidas, inmigración, memoria histórica o zonas de crimen», detalla Damas. El software que ha creado el departamento, Skeleton-ID, ya está comercializado y en uso en todo el mundo. Como cada vez lo estarán más y más aplicaciones en cualquier campo imaginable...
Imágenes
Un área en que la inteligencia artificial es especialmente eficaz es el análisis de imágenes. Si un sistema se entrena adecuadamente, es capaz de observar detalles que escapan al ojo humano mejor entrenado. Vivimos, además, en un mundo saturado de imágenes, que se convertirán en alimento para una infinidad de nuevos modelos. La investigadora Siham Tabik trabaja en varios proyectos que vinculan la capacidad de la tecnología para escudriñar imágenes con la necesidad de monitorizar cambios en el medio ambiente
Uno de estos proyectos emplea imágenes de satélite para detectar cambios en la población de juníperos en Sierra Nevada. Estos pequeños arbustos sirven como centinelas o indicadores del cambio climático: «Con una resolución bastante buena, de 30 centímetros por 30 centímetros, analizamos toda Sierra Nevada y diseñamos modelos que saben diferenciar muy bien esta centinela y analizar el impacto del cambio climático a lo largo de los últimos 30 años», desgrana Tabik desde el DaSCI. «Primero, el modelo aprende a distinguir el junípero de resto del resto de objetos -árboles, pueblecitos, ríos, etcétera- y luego a aplicarlo a la serie temporal de imágenes», detalla.
El sistema, por tanto, puede adaptarse a otros entornos y especies. «La idea es que cualquier cosa que se haga en Sierra Nevada pueda extrapolarse y ser usada en otros lugares», afirma.
Conforme a los criterios de