Francisco J. Martín: "¿Abrir el grifo en una empresa y que salga IA? Ya estamos cerca"

CASTELLÓ. Francisco J. Martín, CEO de BigML, fundó esta compañía estadounidense especializada en el desarrollo de la Inteligencia Artificial para empresas, junto a Tom Dietterich, uno de los padres del machine learning. Este martes 19, a partir de las 16 horas Martín impartirá, junto a otros expertos, una charla enmarcada en el quinto webinar del ciclo internacional de conferencias Smart Business Innovación & Valores que organiza la Cámara de Comercio de Castellón bajo el patrocinio premium de Caixabank y Castellón Plaza como media partner. La inscripción aún está abierta a través de este enlace. En este foro, compartirá escenario con Adolfo Plasencia, divulgador científico que fue profesor del MIT y la Universidad de Harvard. En esta entrevista a cargo de este especialista y autor del libro De Neuronas a Galaxias, ambos dialogan aquí sobre el binomio empresa-Inteligencia artificial en un avance de lo que será esta nueva entrega de webinar internacional de conferencias.

- Adolfo Plasencia: ¿Es la AI, llegados a donde estamos, más cosa de la ciencia o de las empresas? ¿Fundaste BigML solo para hacer inteligencia artificial? ¿En qué que momento estamos de la AI vista desde tu empresa?
- Francisco J. Martín: Co-fundé BigML para crear una herramienta de machine learning más accesible, más fácil y más barata para todo el mundo. De hecho, para "democratizar el Machine Learning" y no dejarlo en manos de una élite de científicos o empresas muy sofisticadas tecnológicamente hablando. Las herramientas disponibles en su momento eran muy complejas, creadas por científicos para científicos; o muy complejas y también muy caras. Con el machine learning se pueden programar los ordenadores para hacer tareas complejas utilizando datos en lugar de tener que programarlos instrucción por instrucción. Conforme las empresas acumulan más datos producto de la digitalización de los últimos 20 años, el machine learning permite optimizar muchas tareas y procesos y vamos acercando a un momento de utilización masiva.

- A. P: ¿Se puede abrir hoy un "grifo" en la empresa y que salga inteligencia artificial como si fuera un servicio o una 'commodity' más en la empresa?
F. J. M.: Estamos cerca de conseguir eso con el machine learning. Se puede abrir el 'grifo' y obtener servicios que permiten obtener un modelo predictivo sin necesidad de saber nada de las técnicas estadísticas que hay detrás para crearlo. Nuevas APIs como las nuestras de BigML han sabido abstraerlo al mismo nivel que en su día las bases de datos hicieron con el almacenamiento de datos. Así que la respuesta es sí. Servicios MLaaS (Machine Learning as a Service) como los de nuestra empresa permiten el mismo nivel de acceso a las técnicas más avanzadas de machine learning tanto las empresas más grandes como las pequeñas, y además de forma 'descentralizada' y deslocalizada', es decir, en cualquier parte del mundo.

- A. P:  En la mercadotecnia actual de productos, y sobre todo de servicios, un área muy importante es la de la “última milla”, el último kilómetro junto al consumidor. ¿Hay también en la Inteligencia Artificial, en el machine learning, un 'último kilómetro' en las cercanías del usuario de esta tecnología? 
F. J. M.: Por supuesto, existe tanto el problema de la última milla como el de la primera milla. La "primera milla" consiste en preparar los datos de la forma en la que se necesitan para los algoritmos de machine learning. La última milla es como los modelos creados por los algoritmos de machine learning se utilizan en producción. Nosotros queremos que esa ayuda sea 'de principio a fin'.

- A. P: ¿Los límites del machine learning que aplicáis, tienen más que ver con los límites del entorno concreto del mundo real para aplicarlo, o con los de los propios algoritmos y del software de que está hecho?  Lo digo porque ya hace mucho se han divulgado cartas abiertas firmadas por científicos sobre los límites que hay que poner a la inteligencia artificial, en el caso de que actúe autónomamente, en la que ya hay muchos que ven una futura amenaza, como, por ejemplo, en el caso de las llamadas 'armas letales autónomas', etcétera.
F. J. M.: Creo que esos científicos deberían pasar algún tiempo creando sistemas reales para darse cuenta de la cantidad de involucración humana que todavía existe en cualquier sistema de información utilice más o menos técnicas de machine learning. Estamos muy muy lejos de que nada sea autónomo por sí mismo. Quizás en 100 años exista esa preocupación, pero ahora es prematura y me recuerda, –dice con ironía–, a las 'cartas abiertas' creadas por los detractores de la rueda.

- A. P: El machine learning impulsa en muchos casos la automatización que está en la causa de la desaparición de ciertos empleos y puestos de trabajo, sobre todo en economías como la española donde hay muchas pequeñas empresas que son más vulnerables que las grandes. ¿Crees que esto forma parte de la inexorable evolución tecnológica y sus consecuencias sobre las empresas, -lo que el economista Joseph Alois Schumpeter llamó la 'destrucción creativa' en economía–? ¿Habría que llegar a un equilibrio en relación a ello en nuestras sociedades y reorganizar la distribución del trabajo humano para una colaboración mucho más sofisticada entre trabajadores humanos y automatización? 
F. J. M.: Creo que el “machine learning” va a automatizar muchas más tareas de las que nos podemos imaginar en la actualidad. Nos vamos a 'liberar' de esas tareas, lo mismo que la rueda nos ha ayudado a transportarnos y transportar mercancías sin tanto esfuerzo y nadie se plantea que te bajen los impuestos si fuéramos a caballo o andando a los sitios. Creo que al liberar nuestros cerebros de esas tareas tediosas y que tengamos una economía mucho más productiva nos va a permitir poder pensar en retos más ambiciosos como colonizar la Luna o Marte. No queremos que nuestra preciosa inteligencia y humanidad desaparezca por un meteorito fortuito porque pasamos nuestras vidas haciendo tareas que una máquina podía haber hecho por nosotros.

- A. P: Andrew Ng, famoso investigador en AI y ex-profesor de Stanford, fundador del equipo del proyecto de IA Google Brain y que además fue fichado por el gigante chino de internet Baidu, (el 'google chino'), del que después dimitió, hizo unas declaraciones a MIT TechReview en las que dijo que "no creo que la sociedad se vaya a quedar sin trabajo que hacer, sino que hoy carece de las habilidades necesarias para el futuro. Y añadió que "La revolución del deep learning (y del machine learning) en la inteligencia artificial ha sucedido demasiado rápido". ¿Crees que es cierto que todo está pasando hoy demasiado rápido en relación al ML, dentro de la evolución explosiva actual de la AI? ¿Habría que tener más los pies en el suelo al respecto?

F. J. M.: Creo que el exceso de optimismo con respecto al deep learning hace que muchas cosas se estén aceptando sin el escrutinio tan estricto que anteriormente tuvieron otras técnicas. Hay pocas lecciones compartidas de uso común y esto va a hacer que muchos proyectos, aplicaciones y empresas fracasen de forma estrepitosa. Como hay mucha gente equivocándose a la vez, pronto habrá un gran halo de negativismo. Soy de los que piensa que lo único válido que hemos visto, hasta la fecha, en AI es el machine learning tradicional y algo de deep learning para dominios muy concretos. El resto es puro hype que se volverá en contra de la AI más pronto que tarde. Necesitamos todavía unas cuantas décadas de investigación en planificación, razonamiento, representación del conocimiento, frameworks estandarizados de AI, para que veamos aplicaciones mínimamente inteligentes sin mucha intervención humana.

- A. P: Y ¿con respecto a las nuevas habilidades necesarias para el futuro de que carecen los profesionales, que cita Andrew, qué opinas?
F. J. M.: Muchos trabajos se van a sustituir por trabajos de mucho más alto nivel. La humanidad lo lleva haciendo desde que introducimos los animales, los tractores, la maquinaria de vapor, eléctrica, etcétera. Que ahora el software permita automatizar tareas de mayor nivel como la concesión de créditos, detección de fraude, diagnóstico de enfermedades, etcétera no nos debería sorprender lo más mínimo. Por otra parte, soy de los que piensan que la necesidad de un trabajo es una imposición social. En una sociedad más avanzada podríamos dedicar mucho más talento a planificar mejor como poder viajar a otros planetas, curar más enfermedades, etcétera y no quedarnos ejerciendo tareas repetitivas que una máquina puede hacer mejor en lugar de nosotros.

Ahora hablo por mí. Desde el principio nosotros queríamos diseñar y construir una plataforma accesible que no solo permitiera a todo el mundo descubrir el poder predictivo oculto de los datos con facilidad, sino que también hiciera que toda la experiencia fuera "agradable", para liberar el poder del aprendizaje automático como servicio (MLaaS). Creo que estamos demostrando en la práctica que es posible. Hemos creado, estoy convencido, el servicio basado en la nube de aprendizaje automático más sencillo posible, que además, es fácil de usar. De eso se trataba."

Adolfo Plasencia, autor de la entrevista-diálogo, es divulgador científico y autor del libro “De Neuronas a Galaxias”, publicado por la UV. Ha sido profesor del MIT y la Universidad de Harvard. Conferenciante del V webinar “El último tramo de la IA” de Smart Business: Innovació&Valores, que organiza la Cámara de Comercio de Castellón en colaboración con Caixabank.