Google se está gastando cientos de millones en crear software capaz de aprender de la información almacenada en sus centros de datos.
Esta semana, Google supuestamente ha pagado esa cantidad por
la adquisición de DeepMind Technologies, una start-up con sede en Londres
(Reino Unido) que tiene una de las mayores concentraciones del mundo de
investigadores trabajando en aprendizaje profundo, un campo de la inteligencia
artificial relativamente nuevo cuyo objetivo es lograr que los ordenadores
hagan cosas como reconocer caras en un vídeo o las palabras en el lenguaje
humano (ver "Aprendizaje profundo").
La adquisición, cuyo objetivo es contar con expertos más que
con productos concretos, supone acelerar los esfuerzos de Google, Facebook y
otras empresas de internet por monopolizar los mejores cerebros en el campo de
la investigación en inteligencia artificial.
En una entrevista publicada el mes pasado, antes de la
compra de DeepMind, un director de investigación en Google, Peter Norvig,
calculaba que su empresa ya tenía contratado a "menos del 50% pero desde
luego más del 5%" de los principales expertos mundiales en aprendizaje
automático.
Las empresas como Google esperan que el aprendizaje profundo
les permita crear nuevos tipos de productos capaces de comprender y aprender de
las imágenes, textos y vídeos que abarrotan la web. Y gran parte de los
principales investigadores académicos se han rendido a Silicon Valley, donde
pueden dirigir a equipos de ingenieros en vez de estudiantes y tienen acceso
las series de datos más grandes e interesantes. "Es una mezcla de los
recursos de computación con los que contamos y la plantilla que podemos
ofrecer", declaraba Norvig. "En Google si quieres una copia de la
web, resulta que la tenemos por ahí".
El investigador en inteligencia artificial de la Universidad
de Montreal (Canadá), Yoshua Bengio, calcula que sólo hay unos 50 expertos en
aprendizaje profundo en todo el mundo, muchos de los cuales aún son estudiantes
universitarios. Calcula que DeepMind emplea a una docena de ellos en su
plantilla, formada por 50 personas. "Creo que esta es la razón principal
por la que Google ha comprado DeepMind. Tiene una de las mayores
concentraciones de expertos en aprendizaje profundo", afirma Bengio.
Empresas como Amazon, Microsoft y también Facebook compiten
con Google por este tipo de talento. De hecho Facebook creó su propio grupo de
aprendizaje profundo en septiembre pasado (ver "Facebook lanza un proyecto
avanzado de IA para encontrar el sentido de tus actualizaciones") y
reclutó al que probablemente sea el científico dedicado al aprendizaje profundo
más conocido del mundo, Yann LeCun, de la Universidad de Nueva York (EEUU) para
dirigirlo. Su colega en NYU, Rob Fergus, también ha aceptado un trabajo en la
red social.
Foto: El software de DeepMind aprendió por su cuenta a jugar
a Space Invaders.
Ahora que el aprendizaje automático avanzado está pasando de
ser un campo de interés sólo para los científicos a uno con gran importancia
industrial, el banquillo de Google probablemente sea el más surtido. Entre los
científicos que ha atraído del mundo académico, ya sea a tiempo parcial o
completo, se cuentan Sebastian Thrun (que ha trabajado en el proyecto del coche
autónomo de la empresa); Fernando Pereira, antiguo informático de la
Universidad de Pennsylvania (EEUU); Andrew Ng de la Universidad de Stanford
(EEUU); y el director de la Universidad en línea Singularity, Ray Kurzweil.
El año pasado Google también cazó al reconocido investigador
en aprendizaje profundo de la Universidad de Toronto (Canadá), Geoff Hinton, y
a un aluvión de sus alumnos al adquirir la empresa de Hinton, DNNresearch.
Ahora Hinton trabaja a tiempo parcial en Google. "Le dijimos a Geoff: Nos
gusta tu trabajo, ¿te gustaría ejecutar modelos 100 veces más grandes que los
de cualquiera? Eso le resultó atractivo", afirmó Norvig.
No todo el mundo está contento con la llegada del famoso
autobús de Google a los exclusivos recintos del mundo académico. En diciembre,
durante una reunión científica en Lake Tahoe, el fundador y director ejecutivo
de Facebook, Mark Zuckerberg, hizo una aparición sorpresa acompañado de
guardias uniformados, según un investigador en bioinformática del Centro Médico
Mount Sinai (EEUU), Alex Rubinsteyn, quien se quejó en una entrada de blog de
que se había cruzado "una frontera cultural entre el mundo académico y
Silicon Valley".
"En el mundo académico, el estatus viene dado por los
méritos en investigación, por lo que sabes", afirma Rubinsteyn. "En
Silicon Valley viene dado porque diriges una empresa o porque eres rico. Y la
gente que rodea a esa gente también piensa en hacerse rica".
El director de Microsoft Research, Peter Lee, declaró a Bloomberg
Businessweek que había tal demanda de expertos en aprendizaje profundo que
consiguen sueldos millonarios comparables a los de algunos quarterbacks novatos
de la NFL.
Sin embargo, hay quien todavía se resiste a los cantos de
sirena de la industria. De los tres expertos en computación considerados como
parte de los originadores del aprendizaje profundo, Hinton, LeCun y Bengio, por
el momento sólo Bengio se ha quedado en su torre de marfil. "No creo que
ganar 10 veces más me vaya a hacer más feliz", afirma. "Como
académico elijo en qué trabajar y tengo en mente objetivos a muy largo
plazo". Además, afirma, ha empezado a recibir becas de la industria ahora
que las empresas se dan cuenta de que pronto se quedarán sin reclutas. Este año
planea aumentar el número de alumnos que entrena de 4 a 15.
DeepMind lo cofundó hace dos años Demis Hassibis, un
diseñador de juegos, neurocientífico y antiguo prodigio del ajedrez de 37 años
según la descripción del periódico londinense The Times. Los investigadores de
DeepMind son muy conocidos en la comunidad científica gracias a su presencia en
las reuniones científicas y su presentación de artículos "de bastante
nivel" en aprendizaje automático, aunque aún no hayan lanzado ningún
producto, explica Bengio.
DeepMind es experta en un campo que se conoce como
aprendizaje de refuerzo, en el que los ordenadores aprenden del mundo partiendo
incluso de un feedback muy limitado. "Imagina que te dijera qué nota has
sacado en un examen, pero no te digo ni por qué, ni cuáles eran las
respuestas", plantea Bengio. "Saber cómo podrías hacerlo mejor es un
problema difícil".
Pero, en diciembre, DeepMind publicó un artículo en el que
demostraba que su software podía hacer justamente eso aprendiendo a jugar a
siete juegos de la consola Atari2600 usando como input sólo la información
visible en una pantalla de vídeo, por ejemplo la puntuación. Para tres de los
juegos, los clásicos Breakout, Enduro y Pong, el ordenador acabó jugando mejor
que un experto humano. Se le dieron menos bien Q*bert y Space Invaders, juegos
en los que la mejor estrategia posible es menos evidente.
Los programas informáticos con esta habilidad podrían tener
aplicaciones comerciales importantes, entre ellas la de mejorar los motores de
búsqueda (ver "La escala y la precisión del Gráfico del Conocimiento es
única en toda la historia") y podrían ser especialmente útiles para ayudar
a los robots a navegar el mundo humano. El año pasado Google adquirió varias de
las principales empresas de robótica, incluyendo los fabricantes de varios
tipos de robots humanoides.
Evidentemente, las grandes empresas no gastarían tanto
dinero para monopolizar el talento en la inteligencia artificial a menos que
creyeran que estos cerebros informáticos les pueden dar una importante ventaja
competitiva. Podría parecer la trama de una película, pero quizá ha llegado el
momento de reflexionar sobre qué haría la primera empresa que se hiciera con
inteligencia artificial de verdad con el poder que eso supondría.
Bengio sostiene que aún no hay que preocuparse por eso.
"A la industria le interesa aplicar el aprendizaje automático, y sobre
todo el aprendizaje profundo para las tareas que quieren resolver",
explica. "Esos proyectos van por la senda de la IA, pero aún les queda
mucho camino que recorrer".
POR ANTONIO REGALADO
TRADUCIDO POR LÍA MOYA
http://www.technologyreview.es/read_article.aspx?id=44707
