El Blog de Enrique Dans - Investigación y opinión acerca de los Sistemas y Tecnologías de Información

Un grupo de científicos del Rensselaer Polytechnic Institute han conseguido emular la inteligencia de un niño de cuatro años en un avatar autónomo que se desenvuelve en Second Life con aspecto de niño de cuatro años, interacciona con otros avatares, razona y extrae conclusiones de situaciones en la manera en que lo haría un niño de esa edad (vía Slashdot).

El famoso vídeo Did you know? 2.0 predecía que en el año 2013, las capacidades de razonamiento de un supercomputador excederían las del cerebro humano, y que en el 2049, un ordenador de mil dólares podría exceder las capacidades de razonamiento de toda la raza humana. Estamos en 2008, y un avatar autónomo con la capacidad mental de un niño de cuatro años ya pulula por un mundo virtual, manejado por un ordenador, e interactuando con otros avatares manejados por personas. No vamos mal… (¿o sí?)

Una de las breves conversaciones que pude mantener con Sergey Brin cuando él y Larry Page vinieron al Instituto de Empresa allá por el 2003 a recibir su MBA Honoris Causa tenía que ver precisamente con este tema que Larry mencionó brevemente en una conferencia el pasado viernes por la noche en la Annual American Association for the Advancement of Science, en la que hablaba de la necesidad de los científicos de hacer marketing de sí mismos: los trabajos de Google de cara al desarrollo de inteligencia artificial (noticia en C|Net, comentario en 901am),.Concretamente, algo que no por ser imaginable desde hace tiempo dadas las características de la compañía y de los que en ella trabajan, deja de ser muy interesante:

“We have some people at Google who are really trying to build artificial intelligence (AI) and to do it on a large scale…It’s not as far off as people think.”

Es decir, que la compañía más avanzada del mundo, la que cuenta con el mayor parque de ordenadores jamás construído, está trabajando en la línea de obtener un desarrollo de verdadera inteligencia artificial, y afirman no encontrarse lejos de conseguirlo. Interesante, ¿no? En aquella conversación, con mi amigo Jose Mario Álvarez de Novales, auténtico apasionado del tema que había desarrollado incluso sus propios prototipos, lo que comentamos fueron unas cuantas ideas acerca del paso desde el search engine al learning engine, una araña capaz de indexar páginas pero, en lugar de únicamente cachearlas e indexarlas, construír además relaciones entre los términos aparecidos en ellas, de manera que el mismo proceso de crawling alimentase un conjunto de relaciones que, por su inmensidad, otorgase pesos de una manera razonable, en función de consenso - obviamente, estábamos de acuerdo en que la inteligencia no se obtiene por consenso, una relación puede ser completamente falsa aunque la crea o la escriba mucha gente, pero después de todo es como Google construye su índice, en el más puro “Wisdom of Crowds“. Obviamente, no hay manera de saber si será esa o no la dirección que siguen, pero al menos resulta interesante ver que están trabajando en ello. Además, me ha gustado ver que coincido con Larry en la elección de un magnífico chiste de Dilbert que llevo años utilizando en algunas de mis conferencias :-)

Inteligencia artificial a la Google… a mí, que siempre he tirado hacia ser un poco fanboy de la compañía, la idea me encanta. Pero seguro que no deja de haber algunos a los que la idea del enorme grid de ordenadores de Google “echándose a pensar” por su cuenta les genere alguna preocupación…

Es un tema que he comentado un montón de veces y que me parece fascinante: la posibilidad de utilizar la web como una fuente de asociaciones conceptuales con las que alimentar un sistema de inteligencia artificial. Hoy, vía Slashdot, llego a esta página de Physorg.com en la que se apunta como un grupo de científicos israelíes de están usando la Wikipedia precisamente para eso, para poder entender reglas de asociación de una manera más amplia. Usando el mismo ejemplo que en el original, un sistema anti-spam que utilizase esa metodología podría tener la palabra “vitamina” metida en su base de datos, pero desconocería, por ejemplo, el término “B12″. A través de consultas en las páginas de la Wikipedia, podría fácilmente deducir una fuerte asociación entre las palabras “vitamina” y “B12″, de manera que podría tomar la decisión de bloquear también los mensajes con esa palabra, actuando a modo de “repositorio de conocimiento” relativamente equivalente al que los seres humanos obtenemos mediante aprendizaje y experiencia. Tendría también un importante potencial semántico, al proporcionar una fuente para deducir contextos que permitirían, por ejemplo, separar los conceptos de “ratón” como periférico de ordenador o “ratón” como roedor. Lógicamente, el interés por utilizar la Wikipedia y no la web en general vendría del nivel de depuración adicional que ésta posee, que evitaría así cuestiones como la contaminación a partir de páginas web en las que algunas asociaciones se desarrollasen de manera errónea.

El mayor repositorio de conocimiento, la mayor enciclopedia creada por la mano del hombre, utilizada como fuente para el desarrollo de inteligencia artificial… tiene un punto verdaderamente metafísico, bonito, interesantísimo, como si el alimentar esa “inteligencia al servicio de todos” hubiese sido siempre su verdadera función. Un cerebro powered by Wikipedia.

(Ilustración de Arnold Shimizu, “Artificial Intelligence”, 1991)

He pasado un rato muy entretenido haciendo pruebas con ALIPR, un sitio muy interesante al que llegué a través del indispensable Roland Piquepaille. ALIPR, o Automatic Linguistic Indexing of Pictures-Real Time, es un desarrollo de investigadores de Penn State que profundiza en algo que me resulta completamente fascinante, entre otras cosas por herencia de mi amigo Jose Mario, con quien hablaba muchísimo de temas relacionados con la inteligencia artificial y el machine-learning.

ALIPR intenta aplicar estos conceptos para enseñar a un ordenador a reconocer y etiquetar imágenes “pensando”, con unos resultados para mí muy interesantes. Se trata de ir suministrando imágenes a la máquina, y enseñándole qué son mediante las adecuadas tags o etiquetas, de manera que la máquina intenta posteriormente aplicarlas a otras imágenes que intenta etiquetar ella misma. La aplicación de algo así iría desde sistemas que realizan el tagging de imágenes en lugar del usuario, hasta procedimientos de búsqueda en imágenes no limitados a sus etiquetas, sino usando un análisis de su contenido.

El sistema es, por el momento, limitado, en palabras de uno de sus desarrolladores, “como un niño intentando aprender acerca del mundo”. Tiene un vocabulario de tan solo trescientas treinta palabras, aunque ya consigue un 98% de aciertos para situar al menos una palabra correcta entre las quince generadas. Al igual que Roland, yo también estuve haciendo pruebas con algunas imágenes de mi colección de Flickr, aquellas que me parecían más fáciles de describir, como ésta, ésta o esta otra, para encontrarme, efectivamente, con el nivel de acierto anteriormente comentado: entre las quince tags suministradas, entre una y tres resultaban relevantes para la fotografía (y hay un campo para introducir tus propias tags separadas con comas, contribuyendo así a “enseñar” al sistema). El funcionamiento es tan sencillo como proporcionar una imagen que subes desde tu disco duro o desde una dirección en Internet, con la que puedes hacer drag&drop al campo correspondiente en la página de ALIPR.

Por supuesto, el funcionamiento de un sistema como éste depende de muchas cosas, algunas de las cuales pueden “torcerse”, por ejemplo, en cuanto a una persona o grupo de personas les dé por empezar a introducir determinadas fotos con descriptores sesgados para provocar así resultados interesados, que se introducirían como legítimos en el “cerebro” del sistema. Pero la idea de una máquina “caminando por la web” y recogiendo imágenes con sus tags para ir aprendiendo con ello me parece fascinante. Está claramente en sus comienzos, pero la verdad es que me ha encantado.

(Ilustración de Arnold Shimizu, “Artificial Intelligence”, 1991)

Antonio Vivaldi, a pesar de nacer en el año 1678 y morir en el 1741, fue un compositor inmortal. Hoy, esa afirmación es más cierta que nunca: a pesar de su fallecimiento el 28 de Julio de 1741 en Viena, Antonio Vivaldi continúa componiendo obras.

Breve y muy sugerente artículo en Wired, titulado “The Vivaldi code“, acerca de las posibilidades de la aplicación de la inteligencia artificial a la música. Un profesor de música de la Universidad de California en Santa Cruz, David Cope, ha desarrollado un programa, Experiments in Musical Intelligence (EMMY), que le permite alimentar una base de datos con las obras de un autor, hacer un completo análisis de patrones repetitivos, pautas y variaciones, y llegar a componer nuevas obras que respondan a éstos, y que, lógicamente, “suenan” a Vivaldi y llegan incluso a incorporar influencias recibidas por el compositor de otros autores barrocos contemporáneos suyos como Pachelbel, Albinoni o Tartini. De hecho, el resultado cuando incorpora únicamente obras de Vivaldi suena menos “auténtico” que cuando añade algunas composiciones de otros autores de la época, lo cual convierte a Cope en una especie de alquimista que juega con los elementos de la música para reconstruir lo que el genio veneciano podría haber compuesto si siguiese entre nosotros. La audición de las piezas inventadas produce todo tipo de sensaciones entre los entendidos en la obra de los autores, desde el simple “sí, suena parecido” a la genuina emoción, pasando por la consideración de falta de respeto.

El algoritmo sigue tres principios básicos: deconstrucción (análisis y separación en partes de los componentes esenciales de la música del autor), localización de firmas y partes comunes características del estilo del autor, y compatibilidad o recombinación en nuevas obras. El artífice del proyecto, David Cope, ha probado ya con numerosos autores, y da conciertos o graba discos como “Bach by design“, “Virtual Mozart“ o “Classical Music Composed by Computer“, disponibles en Amazon.co.uk y de los que se pueden escuchar algunos fragmentos.

Me parece sencillamente apasionante.

Me acaban de invitar a moderar parte de las sesiones del segundo día en Recommenders06, la impresionante conferencia que MyStrands ha organizado en Bilbao para los días 12 y 13 de Septiembre. La agenda está disponible aquí. Me tocará presentar y moderar a unas cuantas personas cuyo trabajo conozco y admiro, y que están en el programa porque son verdaderamente relevantes a la hora de tratar el tema de la naciente industria de la recomendación de contenidos, un fenómeno de importancia crucial en una época en la que dichos contenidos tienen cada día un nivel de disponibilidad mayor y nuestro problema empieza a ser cómo decidir entre unos y otros. Entre otros, estarán Chris Anderson (Wired y, por supuesto, The Long Tail), Jim Bennett (Vicepresident of Cinematch Engineering en Netflix), Paul Lamere (Principal Investigator, Sun Labs), Kaushal Kurapati (Director of Search Relevance and Quality en Ask.com), Todd Beaupré (primero en la mítica Firefly - anda que no he usado veces ese caso - y ahora en Launch.com, integrada en Yahoo!), Craig N. Rowley (MyStrands), Anton Nijholt (Profesor en Twente University), Markus G. Stoltze (IBM Research), y un panel con cuatro doctorandos que comentarán temas recientes de su investigación: Justin Donaldson (Indiana Univ.), Holger Grossman (Fraunhofer IDMT), Mori Kurokawa (Keio Univ.) y Jolie Martin (Harvard Univ.)

Vale la pena echar un vistazo a los perfiles de todos los ponentes. Creo que va a ser una conferencia de verdad muy interesante, lo más completo que he visto en este tema.