Als anys 80, quan estudiava informàtica a la UAB, ens preguntàvem si algun dia un programa d'IA podria superar els humans. Molts dels meus companys que eren jugadors d’escacs deien que no, que derrotar un gran mestre seria sempre una tasca impossible.
L'any 1997, vam sortir de dubtes quan el Deep Blue d'IBM va vèncer Garry Kaspàrov, gran mestre, campió mundial i considerat el millor jugador de tots els temps. Aquella victòria va portar a la conclusió que els escacs, malgrat la seva complexitat, no eren un repte insuperable per als ordinadors. Instintivament vam posar la fita al Go, el mil·lenari joc d’estratègia xinès: la creença general era que encara caldrien uns 40 anys perquè una IA pogués derrotar un campió d'aquesta disciplina.
Tot sovint he sentit versions d’aquesta pregunta aplicada a d’altres àmbits: podrà mai un robot pintar, escriure poesia o conduir un cotxe? A l’horitzó, la pregunta de si algun dia alguna IA guanyaria un premi Nobel.
Dels jocs al Nobel
Bé, per alguns, ja ha passat. Aquesta setmana hem sabut, amb dos dies de diferència, que el Nobel de física l’han guanyat John Hopfield i Geoffrey Hinton, i el de química els científics David Baker, Demis Hassabis i John Jumper. Els primers "per descobriments i invencions fonamentals que permeten l'aprenentatge automàtic amb xarxes neuronals artificials” i els darrers per predir l’estructura tridimensional de les proteïnes gràcies a la IA d’AlphaFold, o el que és el mateix, per aplicar la feina dels primers de fa 40 anys. Sí, l’artista i investigadora Caty Crawford tenia raó quan deia que la IA era un problema d’homes blancs.
És curiosa la dimensió temporal d’aquests Nobel: als primers els arriba per una feina de fa 40 anys —un pèl tard—, i als darrers els arriba pels èxits per AlphaFold de només fa poc més de 3 anys (la data de publicació de l’article científic és del 15 de juliol del 2021). Ni l’un ni l’altre són tempos habituals per l’Acadèmia de les Ciències de Suècia. Suposo que ni essent una institució centenària caracteritzada per la mirada llarga et pots abstreure del fogós estiu actual de la IA.
Dels escacs al codi de la vida
Demis Hassabis és el nen prodigi britànic que va deixar una carrera ascendent en escacs per dedicar-se a la computació i a la IA en particular. La seva visió és “resolem primer el problema de la intel·ligència i tota la resta ja vindrà sol després”. Fa fundar Deep Mind a Londres el 2010 que va vendre a Google el 2014. Google es volia emportar tot l’equip a Silicon Valley però Hassabis s’hi va resistir. Explica que els va haver de justificar que a Europa també hi havia inversors, talent i mercat. A l’actualitat el seu cap de recerca és el sabadellenc de la UPC, Oriol Vinyals.
El nen que somniava amb resoldre els problemes de la intel·ligència va tenir el seu gran èxit tecnologico-mediàtic l’any 2016, quan el seu sistema Alpha Go va vèncer el campió mundial de Go, el coreà Lee Sedol. Al canal de Deep Mind de YouTube n’hi ha el documental, una joia audiovisual i filosòfica meravellosa rodada en directe quan es jugava la partida i podia tombar de qualsevol banda. Un dels aprenentatges més sorprenents del matx va ser constatar com en moments determintats la màquina jugava de manera més creativa que l’humà, que aclaparat pel joc d’Alpha Go va començar a jugar de manera més conservadora.
L’any 2021 Deep Mind va crear AlphaFold, la IA que li havia de fer guanyar el Nobel. AlphaFold va suposar una fita en el camp de la biologia computacional: va resoldre el problema del plegament de proteïnes, un dels problemes més complexos i importants de la ciència moderna. El plegament de proteïnes determina la seva funció, i saber com es plega una proteïna és clau per entendre malalties i dissenyar nous medicaments.
AlphaFold va ser capaç de predir, amb un nivell de precisió extraordinari, les estructures tridimensionals de milers de proteïnes a partir de les seves seqüències d’aminoàcids. Això va suposar una revolució en el camp de la biologia, accelerant la recerca científica que normalment trigava anys, o fins i tot dècades, a obtenir resultats similars mitjançant tècniques experimentals.
El treball de DeepMind amb AlphaFold no només va ser aclamat per la comunitat científica, sinó que també va obrir la porta a aplicacions pràctiques en el desenvolupament de fàrmacs, teràpies genètiques, i fins i tot en l'enginyeria de proteïnes. L’impacte d’AlphaFold va ser tan gran que molts experts van començar a parlar d’una nova era per a la biologia computacional.
Dels 80 a l’AGI
Però Hassabis i el seu equip no s’han aturat aquí. La visió de DeepMind va més enllà del plegament de proteïnes o de la victòria en jocs com el Go. Hassabis sempre ha tingut al cap l’objectiu final de desenvolupar una intel·ligència artificial general (AGI), capaç de resoldre qualsevol problema intel·lectual que els humans puguin afrontar. Una intel·ligència que pugui ajudar a trobar solucions als grans reptes de la humanitat, com el canvi climàtic, la salut global o l’exploració espacial.
Tot això no hauria estat possible sense la feina de John Hopfield i Geoffrey Hinton als anys 80, els Nobel química d’enguany, que van posar les bases del que avui coneixem com a aprenentatge profund. John Hopfield, físic reconvertit a neurocientífic, va ser pioner als anys 80 amb la seva contribució als models de xarxes neuronals, oferint una comprensió teòrica de com es podria replicar el comportament del cervell mitjançant computadors.
D'altra banda, Geoffrey Hinton, considerat el pare de l'aprenentatge profund conegut com “el padrí de la IA”, va ser un dels responsables de la popularització de les xarxes neuronals com a eines capaces d'aprendre patrons complexos a partir de dades massives. Les seves investigacions quan ningú creia en les xarxes neuronals van ser fonamentals per superar els obstacles tècnics que havien limitat el progrés de la IA durant dècades. Hinton, juntament amb investigadors com Yann LeCun i Yoshua Bengio (tots tres comparteixen el premi Turing de 2018), va aconseguir que les xarxes neuronals comencessin a entrenar-se amb una eficàcia sense precedents. Ell és qui va desenvolupar la tècnica de 'propagació enrere' (backpropagation), que és la que s’utilitza ajustant els paràmetres de les xarxes neuronals.
"Geoffrey Hinton, juntament amb Yann LeCun i Yoshua Bengio, va aconseguir que les xarxes neuronals comencessin a entrenar-se amb una eficàcia sense precedents"
De l’AGI a l’extinció
Els avenços d’Hinton i Hopfield van ser la llavor de l’actual revolució de la intel·ligència artificial. Sense les seves contribucions, ni AlphaGo ni AlphaFold haurien estat possibles. Els avenços en el reconeixement de patrons, l’entrenament de models amb grans quantitats de dades, i la capacitat de fer que aquests models aprenguessin de manera autònoma es basen en la feina d’aquests pioners.
"Els avenços d’Hinton i Hopfield van ser la llavor de l’actual revolució de la intel·ligència artificial"
La visió de Hinton sobre les IA no és només tècnica, també és filosòfica. I cada cop més. Sempre ha defensat que les màquines podien arribar a simular la intel·ligència humana si som capaços de construir models suficientment grans.
Des del 2013 fins al 2023, va dividir el seu temps treballant per a Google —on va treballar amb Hassabis— i la Universitat de Toronto. El maig del 2023 en una sorollosa aparició pública va anunciar la seva sortida de Google, al·legant preocupacions sobre els riscos de la tecnologia d'intel·ligència artificial (IA).
Geoffrey Hinton va explicar que, tot i els impressionants avenços aconseguits en el camp de la IA, començava a sentir que la tecnologia estava avançant a un ritme tan ràpid que podia representar perills per a la societat si no es gestionava adequadament. Hinton va posar èmfasi en la necessitat d'establir mesures de control i regulacions més estrictes per evitar que la IA esdevingués una eina que escapés al control humà. Va destacar també els perills potencials en termes de pèrdua de llocs de treball, desinformació i l'ús de la IA amb finalitats malicioses.
La seva sortida de Google es va produir en un moment en què el debat sobre l'ètica de la IA i els riscos associats a la seva aplicació estava al punt de mira de la comunitat tecnològica i científica. Hinton, un defensor de la col·laboració oberta i la transparència en la recerca d’IA, va animar a altres científics i desenvolupadors a pensar no només en el que la IA podia fer, sinó també en el que hauria de fer, donant prioritat als beneficis per a la societat i minimitzant els riscos potencials.
De totes maneres, no tot són llums en la carrera de Geoffrey Hinton. Amb els anys, ha abraçat una visió cada cop més apocalíptica de la IA, que bé podria semblar un guió sortit directament de la sèrie Black Mirror. Entre les seves afirmacions més famoses, destaca la predicció del 2016 en què va recomanar a les facultats de medicina que deixessin de formar radiòlegs, argumentant que la IA els substituiria completament en poc temps.
Aquesta declaració va generar un fort debat dins del sector mèdic i científic. Hinton sostenia que els algoritmes de visió artificial ja estaven a punt de superar els humans en la detecció de patologies en imatges mèdiques, i que aviat seria molt més eficient i econòmic utilitzar sistemes d'IA per a aquest propòsit. Si bé la tecnologia ha progressat molt i les IA han començat a assistir en el diagnòstic mèdic, la predicció de Hinton encara no s’ha fet del tot realitat. Tot i la gran capacitat de les IA per analitzar imatges, el judici clínic, la relació amb els pacients i l'experiència acumulada dels professionals humans continuen sent indispensables.
Els Nobel també són persones
Malgrat tot, Hinton no ha abandonat la seva postura radical. Fins i tot més enllà dels radiòlegs, adverteix sobre la capacitat de les IA per reemplaçar altres professions i les implicacions que això tindrà per al mercat laboral. Amb la creixent automatització de tasques, Hinton tem una onada de desocupació i desigualtat, on només aquells amb accés al coneixement i les eines tecnològiques més avançades puguin prosperar.
La seva visió fosca de la IA l’estén a d’altres àmbits, com la política i la seguretat global. Ens adverteix del potencial perill de les IA autònomes que poden prendre decisions sense supervisió humana, alimentant una narrativa de possibles "IA fora de control" que recorda a les distopies futuristes.
Podríem afirmar que la IA ha guanyat ja dos Nobel? Sens dubte, aquest serà un titular atractiu, però la resposta és un no contundent. De la mateixa manera que darrere del Deep Blue, que va vèncer Kaspàrov, hi havia la intel·ligència dels enginyers d’IBM i de les generacions anteriors, darrere l'AlphaFold de Hassabis hi ha la intel·ligència de l'equip de DeepMind, i, en última instància, la de dos premis Nobel de física: John Hopfield i Geoffrey Hinton.
"La IA no guanya premis per ella mateixa; és el resultat del treball col·lectiu i del coneixement acumulat d’innombrables investigadors, enginyers, científics"
La IA no guanya premis per ella mateixa; és el resultat del treball col·lectiu i del coneixement acumulat d’innombrables investigadors, enginyers, científics i de gent anònima, com els milions de jugadors que van jugar els centenars de milers de partides de Go amb les que AlphaGo es va entrenar.