¿La IA ha ganado dos Nobel?
En los años 80, cuando estudiaba informática en la UAB, nos preguntábamos si algún día un programa de IA podría superar a los humanos. Muchos de mis compañeros que eran ajedrecistas decían que no, que derrotar un gran maestro sería siempre una tarea imposible.
En el año 1997, salimos de dudas cuando el Deep Blue de IBM venció a Garry Kaspàrov, gran maestro, campeón mundial y considerado el mejor jugador de todos los tiempos. Aquella victoria llevó a la conclusión que el ajedrez, a pesar de su complejidad, no eran un reto insuperable para los ordenadores. Instintivamente vamos poner el hito en el Go, el milenario juego de estrategia chino: la creencia general era que todavía harían falta unos 40 años para que una IA pudiera derrotar un campeón de esta disciplina.
A menudo he escuchado versiones de esta pregunta aplicada a otros ámbitos: ¿podrá nunca un robot pintar, escribir poesía o conducir un coche? En el horizonte, la pregunta de si algún día alguna IA ganaría un premio Nobel.
De los juegos al Nobel
Bien, para algunos, ya ha pasado. Esta semana hemos sabido, con dos días de diferencia, que el Nobel de física lo han ganado John Hopfield y Geoffrey Hinton, y el de química los científicos David Baker, Demis Hassabis y John Jumper. Los primeros "por descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales" y los últimos por predecir la estructura tridimensional de las proteínas gracias a la IA de AlphaFold, o lo que es lo mismo, para aplicar el trabajo de los primeros de hace 40 años. Sí, la artista e investigadora Caty Crawford tenía razón cuando decía que la IA era un problema de hombres blancos.
Es curiosa la dimensión temporal de estos Nobel: a los primeros les llega por un trabajo de hace 40 años —un poco tarde—, y a los últimos les llega por los éxitos por AlphaFold de hace poco más de 3 años (la fecha de publicación del artículo científico es del 15 de julio del 2021). Ni el uno ni el otro son tempos habituales para la Academia de las Ciencias de Suecia. Supongo que ni siendo una institución centenaria caracterizada por la mirada larga te puedes abstraer del fogoso verano actual de la IA.
Del ajedrez al código de la vida
Demis Hassabis es el niño prodigio británico que dejó una carrera ascendente en ajedrez para dedicarse a la computación y a la IA en particular. Su visión es "resolvamos primero el problema de la inteligencia y todo el resto ya vendrá solo después". Fundó Deep Mind en Londres en 2010 y la vendió a Google en 2014. Google se quería llevar todo el equipo a Silicon Valley pero Hassabis se resistió. Explica que les tuvo que justificar que en Europa también había inversores, talento y mercado. En la actualidad su jefe de investigación es el sabadellense de la UPC, Oriol Vinyals.
El niño que soñaba con resolver los problemas de la inteligencia tuvo su gran éxito tecnologico-mediático en 2016, cuando su sistema Alpha Go venció al campeón mundial de Go, el coreano Lee Sedol. En el canal de Deep Mind de YouTube está el documental, una joya audiovisual y filosófica maravillosa rodada en directo mientras se jugaba la partida en un momento en el que se podía decantar por cualquier lado. Uno de los aprendizajes más sorprendentes del match fue constatar como en momentos determintados la máquina jugaba de manera más creativa que el humano, que abrumado por el juego de Alpha Go empezó a jugar de manera más conservadora.
En el año 2021 Deep Mind creó AlphaFold, la IA que le tenía que hacer ganar el Nobel. AlphaFold supuso un hito en el campo de la biología computacional: resolvió el problema del plegamiento de proteínas, uno de los problemas más complejos e importantes de la ciencia moderna. El plegamiento de proteínas determina su función, y saber cómo se pliega una proteína es clave para entender enfermedades y diseñar nuevos medicamentos.
AlphaFold fue capaz de predecir, con un nivel de precisión extraordinario, las estructuras tridimensionales de miles de proteínas a partir de sus secuencias de aminoácidos. Esto supuso una revolución en el campo de la biología, acelerando la investigación científica que normalmente tardaba años, o incluso décadas, en obtener resultados similares mediante técnicas experimentales.
El trabajo de DeepMind con AlphaFold no solo fue aclamado por la comunidad científica, sino que también abrió la puerta a aplicaciones prácticas en el desarrollo de fármacos, terapias genéticas, e incluso en la ingeniería de proteínas. El impacto de AlphaFold fue tan grande que muchos expertos empezaron a hablar de una nueva era para la biología computacional.
De los 80 al AGI
Pero Hassabis y su equipo no se han parado aquí. La visión de DeepMind va más allá del plegamiento de proteínas o de la victoria en juegos como el Go. Hassabis siempre ha tenido en mente el objetivo final de desarrollar una inteligencia artificial general (AGI), capaz de resolver cualquier problema intelectual que los humanos puedan afrontar. Una inteligencia que pueda ayudar a encontrar soluciones a los grandes retos de la humanidad, como el cambio climático, la salud global o la exploración espacial.
Todo esto no habría sido posible sin el trabajo de John Hopfield y Geoffrey Hinton en los 80, los Nobel química de este año, que pusieron las bases de lo que hoy conocemos como aprendizaje profundo. John Hopfield, físico reconvertido a neurocientífico, fue pionero en los 80 con su contribución a los modelos de redes neuronales, ofreciendo una comprensión teórica de cómo se podría replicar el comportamiento del cerebro mediante computadores.
Por otro lado, Geoffrey Hinton, considerado el padre del aprendizaje profundo conocido como "el padrino de la IA", fue uno de los responsables de la popularización de las redes neuronales como herramientas capaces de aprender patrones complejos a partir de datos masivos. Sus investigaciones cuando nadie creía en las redes neuronales fueron fundamentales para superar los obstáculos técnicos que habían limitado el progreso de la IA durante décadas. Hinton, junto con investigadores como Yann LeCun y Yoshua Bengio (los tres comparten el premio Turing de 2018), consiguió que las redes neuronales empezaran a entrenarse con una eficacia sin precedentes. Él es quien desarrolló la técnica de 'propagación atrás' (backpropagation), que es la que se utiliza ajustando los parámetros de las redes neuronales.
"Geoffrey Hinton, junto con Yann LeCun y Yoshua Bengio, consiguió que las redes neuronales empezaran a entrenarse con una eficacia sin precedentes"
Del AGI a la extinción
Los adelantos de Hinton y Hopfield fueron la semilla de la actual revolución de la inteligencia artificial. Sin sus contribuciones, ni AlphaGo ni AlphaFold habrían sido posibles. Los adelantos en el reconocimiento de patrones, el entrenamiento de modelos con grandes cantidades de datos, y la capacidad de hacer que estos modelos aprendieran de manera autónoma se basan en el trabajo de estos pioneros.
"Los adelantos de Hinton y Hopfield fueron la semilla de la actual revolución de la inteligencia artificial"
La visión de Hinton sobre las IA no es solo técnica, también es filosófica. Y cada vez más. Siempre ha defendido que las máquinas podían llegar a simular la inteligencia humana si somos capaces de construir modelos suficientemente grandes.
Desde el 2013 hasta el 2023, dividió su tiempo trabajando para Google —donde trabajó con Hassabis— y la Universidad de Toronto. En mayo del 2023 en una ruidosa aparición pública anunció su salida de Google, alegando preocupaciones sobre los riesgos de la tecnología de inteligencia artificial (IA).
Geoffrey Hinton explicó que, pese a los impresionantes adelantos conseguidos en el campo de la IA, empezaba a sentir que la tecnología estaba avanzando a un ritmo tan rápido que podía representar peligros para la sociedad si no se gestionaba adecuadamente. Hinton puso énfasis en la necesidad de establecer medidas de control y regulaciones más estrictas para evitar que la IA aconteciera una herramienta que escapara al control humano. Destacó también los peligros potenciales en términos de pérdida de puestos de trabajo, desinformación y el uso de la IA con fines maliciosos.
Su salida de Google se produjo en un momento en que el debate sobre la ética de la IA y los riesgos asociados a su aplicación estaba en su punto de mira de la comunidad tecnológica y científica. Hinton, un defensor de la colaboración abierta y la transparencia en la investigación de IA, animó a otros científicos y desarrolladores a pensar no solo en lo que la IA podía hacer, sino también en lo que tendría que hacer, dando prioridad a los beneficios para la sociedad y minimizando los riesgos potenciales.
De todos modos, no todo son luces en la carrera de Geoffrey Hinton. Con los años, ha abrazado una visión cada vez más apocalíptica de la IA, que bien podría parecer un guion salido directamente de la serie Black Mirror. Entre sus afirmaciones más famosas, destaca la predicción del 2016 en la que recomendó a las facultades de medicina que dejaran de formar radiólogos, argumentando que la IA los sustituiría completamente en poco tiempo.
Esta declaración generó un fuerte debate dentro del sector médico y científico. Hinton sostenía que los algoritmos de visión artificial ya estaban a punto de superar los humanos en la detección de patologías en imágenes médicas, y que pronto sería mucho más eficiente y económico utilizar sistemas de IA para este propósito. Si bien la tecnología ha progresado mucho y las IA han empezado a asistir en el diagnóstico médico, la predicción de Hinton todavía no se ha hecho del todo realidad. Pese a la gran capacidad de las IA para analizar imágenes, el juicio clínico, la relación con los pacientes y la experiencia acumulada de los profesionales humanos continúan siendo indispensables.
Los Nobel también son personas
A pesar de todo, Hinton no ha abandonado su postura radical. Incluso más allá de los radiólogos, advierte sobre la capacidad de las IA para reemplazar otras profesiones y las implicaciones que esto tendrá para el mercado laboral. Con la creciente automatización de tareas, Hinton teme una oleada de desocupación y desigualdad, donde solo aquellos con acceso al conocimiento y las herramientas tecnológicas más avanzadas puedan prosperar.
Su visión oscura de la IA la extiende a otros ámbitos, como la política y la seguridad global. Nos advierte del potencial peligro de las IA autónomas que pueden tomar decisiones sin supervisión humana, alimentando una narrativa de posibles "IA fuera de control" que recuerda a las distopías futuristas.
¿Podríamos afirmar que la IA ha ganado ya dos Nobel? Sin duda, este será un titular atractivo, pero la respuesta es uno no contundente. Del mismo modo que detrás del Deep Blue, que venció Kaspàrov, había la inteligencia de los ingenieros de IBM y de las generaciones anteriores, detrás de la AlphaFold de Hassabis hay la inteligencia del equipo de DeepMind, y, en última instancia, la de dos premios Nobel de física: John Hopfield y Geoffrey Hinton.
"La IA no gana premios por ella misma; es el resultado del trabajo colectivo y del conocimiento acumulado de innumerables investigadores, ingenieros, científicos"
La IA no gana premios por ella misma; es el resultado del trabajo colectivo y del conocimiento acumulado de innumerables investigadores, ingenieros, científicos y de gente anónima, como los millones de jugadores que jugaron los centenares de miles de partidas de Go con las que AlphaGo se entrenó.