¿Qué tienen que ver el primer programador de videojuegos por computadora y el automóvil autónomo? Más de lo que piensas o, mejor dicho, más de lo que los algoritmos y los aprendizajes automáticos de una computadora realmente inteligente piensan.
“No podemos resolver problemas usando
el mismo tipo de pensamiento
que usamos cuando los creamos”.
Albert Einstein.
En la década de 1950, un programador informático de IBM llamado Arthur Samuel, programó una computadora que jugara contra él al ajedrez. Las primeras partidas eran interesantes, porque la computadora registraba las jugadas y respondía conforme a las jugadas legales. Pero conforme pasó el tiempo, Samuel se aburrió porque siempre ganaba. Así que desarrolló un subprograma, en el cual al mover una pieza, la computadora calculara las probabilidades de los futuros movimientos. Pero la máquina seguía sin funcionar, así que Arthur resolvió que la computadora esta vez era la que se aburría de jugar con él, porque siempre tenía las mismas respuestas. Entonces tuvo una gran idea: puso a la computadora a jugar contra ella misma.
La computadora, guardaba cada una de las jugadas y aprendió a mejorar sus jugadas al punto de ganarle todas las partidas a su creador.
Pero una partida entre hombre y máquina seguía sin funcionar bien; el sistema se encontraba en un estado demasiado embrionario. Entonces la máquina jugaba contra sí misma. Al hacerlo, recopilaba nuevos datos. Al reunir más datos, la exactitud de sus predicciones mejoraba. Así que jugó contra la computadora y perdió. Una y otra vez. El hombre había creado una máquina que le superaba en habilidad en una tarea que él mismo le había enseñado.
Más de sesenta años después, en la Universidad de Stanford, algunos investigadores introdujeron en un algoritmo de aprendizaje automático miles de muestras de células mamarias cancerosas, así como las tasas de supervivencia de las pacientes, y le pidieron al ordenador que identificara los signos que mejor predecían que una biopsia determinada resultara claramente cancerosa. El ordenador produjo once indicadores que pronosticaban que una biopsia de células mamarias sería positiva. Y hasta esa fecha, los patólogos sólo tenían ocho claves. Es decir, encontraron tres factores más que los especialistas no habían tomado en cuenta. La computadora lo hizo sin ellos.
Todos estos avances se han convertido en lo que hasta el día de hoy es algo sumamente revolucionario, la posibilidad de que un carro ande de manera autónoma y su conductor pueda dormir sin la menor preocupación. Kenneth Cukier, editor de datos de la revista The Economist y coautor de Big Data: La revolución de los datos masivos (2013),lo define de manera magistral:
[…] ¿Por qué tenemos coches que se conducen solos? ¿Acaso a la industria del software se le da mejor incluir todas las normas de circulación en un código? No. ¿Es por el aumento de la memoria de los ordenadores? Tampoco. ¿Procesadores más rápidos? No. ¿Algoritmos más inteligentes? De nuevo, no. ¿Chips más baratos? Tampoco. Todo esto ayudó, pero lo que de verdad hizo posible la innovación fue que los expertos en tecnología cambiaron la naturaleza del problema.
Lo que idearon fue cambiar el problema. Ellos no querían enseñarle a conducir al auto. Más bien le enseñaron a guardar todos los datos a su alcance, aquellos que lo rodean, y le enseñaron a tomar la decisión correcta basándose en todas las lecciones. El auto es capaz de predecir hasta mil eventos diferentes. Si el semáforo está en rojo, el auto debe detenerse, pero si el semáforo está descompuesto, o hay un obstáculo, o si de casualidad el semáforo se cayó en medio de la calle, el auto sabe cómo proceder. Incluso, cuando nosotros no estamos en condiciones de manejarlo.
Estas lecciones nos dan una conclusión clara: necesitamos cambiar la naturaleza de nuestros problemas. Pensar en el cómo se debería y en cómo lo haríamos de manera diferente. Las computadoras con sus aprendizajes automáticos seguramente nos ayudarán a resolver muchas cuestiones de la vida diaria, que nuestro ojo no puede percibir, o simplemente no podemos recordar con tanta exactitud como una máquina. Nuestros negocios ahora también necesitan entender qué hay más allá de las decisiones de los clientes. Tienen que comenzar a pensar de acuerdo a lo que el Big Data descubre, y que nosotros todavía no nos damos cuenta.
También te puede interesar: Crear o resolver problemas, enseñanzas de lo digital.
