1..

Cómo encontrarle sentido a un mundo caótico

¿Listo para empezar?

Sí, gracias.

Ha habido una serie de cambios en la forma en que concebimos la informática en las

últimas décadas. Los científicos van y vienen en torno al término "inteligencia artificial". A
veces, se denomina "aprendizaje automático".

Hoy en día, solemos llamarla "inteligencia automática". Yo solo le llamo "inteligencia".

A veces, es solo el esfuerzo de crear mejores máquinas. Al principio, todo se creaba

basándose en la lógica. Se realizaban problemas de integración matemática. Se jugaba al
ajedrez. Pero nos dimos cuenta de que el desafío real era lo que la gente hace en su día a
día. El mundo real es muy caótico.

Las normas lógicas complejas no son la manera de resolver los problemas más
interesantes. Hay que tener un sistema capaz de incorporar el conocimiento.

No se puede programar todo. La inteligencia artificial pretende crear máquinas capaces de

aprender de su entorno, de los errores y de las personas. Y aún estamos en la etapa en la
que no sabemos cuál es el camino correcto ni las acciones acertadas. Sin duda, hay un
sinfin de enfoques.

Uno de los subcampos se denomina "reconocimiento de patrones". Pero hay más. Redes
neuronales artificiales. Aprendizaje por refuerzo, por ejemplo. Deducción estadística y
aprendizaje automático probabilístico. Aprendizaje supervisado y no supervisado. Y no
estamos muy seguros de qué técnica permitirá obtener mejores sistemas. De hecho, es
probable que no se utilice la misma técnica para todo. Es probable que se necesite una
gran variedad de técnicas y combinaciones de ellas. Todo avance en los sistemas
inteligentes dependerá del progreso tecnológico general.

Hasta hace poco, no teníamos ordenadores suficientemente rápidos ni bases de datos

suficientemente grandes para hacer eso. El hecho de poder coger un problema existente y
compartirlo en un sinfín de máquinas es un enfoque muy importante, ya que agiliza nuestra
investigación. La inteligencia artificial nos rodea. Cuando funciona o empieza a funcionar,
cambia de nombre rápidamente. Ya la estamos usando todos y nos sentimos a gusto con
ella. Cosas que ahora se consideran rutinarias, hace 30 años habrían sido extraordinarios
ejemplos de inteligencia artificial.

El sistema antibloqueo de ruedas. El sistema de piloto automático en los aviones. Los

buscadores. Las recomendaciones. Los mapas. La capacidad de decidir si un email es o
no spam. La capacidad de traducir de un idioma a otro con un teléfono. Hace 10 años,
tratar de hablarle a un ordenador o teléfono no habría tenido sentido. Vemos un flujo
permanente de estas aplicaciones en la actualidad.

Creo que muchos de los expertos en este campo tienen esa sensación inquietante de que
las cosas cambian muy rápido. Se trata de algo progresivo, de crear cosas que sean cada
vez un poquito mejores. La inteligencia es algo que jamás podremos definir de forma
inequívoca y concisa. Se trata de una constelación de diferentes capacidades. Y todas
ellas están orquestadas a la perfección y funcionan en conjunto. Es muy difícil predecir el
futuro a largo plazo. Nadie puede hacerlo, en realidad. Y lo que no se debe hacer es coger
aquello que mejor funciona ahora y asumir que el futuro será así siempre.
 OCULTAR
Aspectos clave

El mundo está lleno de cosas que la mayoría de nosotros puede comprender sin pensar
demasiado y ante las cuales podemos reaccionar sin dificultad. Por ejemplo, una señal de
stop parcialmente cubierta por la nieve sigue siendo una señal de stop, y una silla cinco
veces más grande de lo habitual sigue siendo un lugar para sentarse. Aunque para los
ordenadores comunes este tipo de lógica intuitiva es imposible, hoy el aprendizaje
automático puede ofrecerles esta ventaja gracias a su tecnología avanzada. En este vídeo
abordaremos cómo el aprendizaje automático está mejorando los ordenadores y muchas
de las tareas para las que los usamos.

Los problemas del mundo real son complejos, por lo que no siempre se pueden
solucionar con reglas lógicas fijas.

También es improbable que solo se necesite una técnica para solucionar todos
los problemas. En su lugar, es más probable que se necesiten varias técnicas y
combinaciones de ellas para solucionarlos todos.

 Cómo resolver problemas pequeños, grandes y complicados

De pequeña, me fascinaban los exploradores. Crecí en Seattle. Lewis y Clark eran como
héroes locales. Y yo quería ser como ellos cuando fuera mayor.

Como ingeniera eléctrica, siempre busco nuevos retos. El aprendizaje automático y la

investigación son un tipo de exploración. Es como una exploración intelectual. Sin duda, en
los últimos cinco años, hemos observado un gran aumento en lo que las máquinas pueden
hacer en comparación con hace una o dos décadas. Con el gran aumento de datos y de
capacidades informáticas podemos pensar más a lo grande y romper los esquemas del
tipo de modelos que podemos vislumbrar. El mundo real es muy caótico.

Las complejas normas lógicas no resuelven los problemas del mundo real. El aprendizaje
automático consiste en aprender a partir de ejemplos. En vez de escribir 500.000 líneas de
código, hacemos que la máquina aprenda mediante la observación del mundo. Analizamos
ejemplos del algoritmo de aprendizaje automático, quizá millones, miles de millones o
hasta billones, para identificar patrones y generalizar.

En reconocimiento de imágenes, enseñamos a los modelos a tomar los píxeles de una

imagen y obtener características de alto nivel a partir de ellos. La máquina aprende que si
hay una tarta y un niño, tal vez se trata de una fiesta de cumpleaños. Si hay una tarta y
muchos niños, es muy probable que lo sea.

Así se le enseña a la máquina a hacer las mismas deducciones que los humanos hacemos
con tanta naturalidad y destreza. Uno ve lo asombrosos que son los seres humanos y lo
asombroso que es un niño que puede reconocer caras. El aprendizaje automático fue el
preludio de una gran revolución en el reconocimiento de voz. Para enseñar el
reconocimiento de voz interactuamos con una sala ruidosa. Usamos sonidos del mundo
real y los combinamos con los ejemplos que ya tenemos. ¿Hace frío fuera? ¿Hace frío
fuera? ¿Hace frío fuera? Sin importar cuán ruidoso sea el entorno los sistemas de
reconocimiento pueden comprender lo que uno dice. Pueden distinguir un interlocutor de
otro. Gracias al aprendizaje automático, ahora contamos con un algoritmo que aprende a
imitar a un lingüista humano. La mayoría del lenguaje que utilizamos actualmente es muy
informal. Bla, bla, bla, bla, bla, bla y dice: "Bien". Intercalado con emojis y pegatinas.
Ahora, con Google, estamos llegando al punto donde uno puede tener una conversación
mucho más natural. ¿Hay algún lugar cercano que venda comida mexicana? Aquí está.

El asistente de Google usa lo mejor de nuestras técnicas de aprendizaje automático en

reconocimiento de voz, interpretación de imágenes y comprensión del lenguaje natural. Es
un rumbo prometedor para el desarrollo de sistemas que puedan navegar por el caos del
mundo real. Deseábamos que este proyecto fuera de código abierto para que las personas
ajenas a Google pudieran usar el mismo sistema que usamos a nivel interno. Hay muchas
personas que propusieron usos muy creativos sin saber nada del aprendizaje automático.
Así que tienen las ideas. Y no deben repetir el trabajo pesado que ya hicimos nosotros. Vi
un ejemplo muy bueno. Alguien tenía un gato que merodeaba por casa todo el día.
Entonces, enseñó al modelo a identificar cuando aparecía el gato y activar los aspersores
para asustarlo. Había una pareja de ancianos en Japón que cultivaba pepinos. Una de las
principales tareas es separar los pepinos en rugosos, suaves, derechos y curvos. Es una
tarea complicada. La mujer dedicaba muchas horas al día a ordenar los pepinos. Así que
su hijo tomó un modelo de visión computerizada artificial y creó un sistema para
categorizar los pepinos y ordenarlos automáticamente. El tiempo que se perdía en
clasificar los pepinos, ahora se podrá aprovechar mucho mejor. 387 millones de diabéticos
corren el riesgo de desarrollar retinopatía diabética. Esta afección causa ceguera. Para
hallar los signos de la retinopatía, se tienen que hacer fotos de la parte posterior del ojo.
Pero no hay suficientes médicos, y una interpretación puede llevar horas. Por eso,
diseñamos un algoritmo que puede leer las imágenes al momento. El algoritmo ayuda a los
médicos a estudiar a más personas para detectar la enfermedad.

A medida que se observan más casos de aprendizaje automático y lo que éste puede
hacer, se descubren más oportunidades para mejorar la vida de las personas.

El aprendizaje automático se puede usar para ahorrar energía a gran escala o hacer un
seguimiento de la propagación de enfermedades. O usar un modelo de visión artificial para
personas con problemas de vista. Podríamos crear un sistema de reconocimiento de voz
para los habitantes del planeta y mejorar radicalmente la experiencia de millones de
personas. No hay ningun área de la ciencia ni del conocimiento humano que no se
beneficie del aprendizaje automático. Si me hubieran preguntado hace unos años si un
ordenador podría hacer esto a corto plazo, habría respondido que no. Es muy motivador
pensar en lo que está por venir. Estamos pensando y haciendo cosas que jamás hizo
nadie. Estamos planteando nuevos territorios intelectuales y adentrándonos en ellos. La
promesa de la inteligencia artificial y el aprendizaje automático es que podemos crear
soluciones para problemas aún sin resolver y así ayudar a las personas.
 OCULTAR

Aspectos clave

Desde ayudar a los granjeros en Japón a clasificar pepinos hasta ayudar a los médicos en
la India a diagnosticar enfermedades oculares, el aprendizaje automático está cambiando
la forma en la que utilizamos el código para resolver problemas y mejorar nuestras vidas.
En este vídeo abordaremos cómo el aprendizaje automático es útil para resolver una
amplia variedad de problemas en todas las industrias, sectores y aplicaciones.

El aprendizaje automático tiene muchas aplicaciones posibles en el lugar de

trabajo.

Por ejemplo, puede ayudar a los clientes a encontrar los productos adecuados
para ellos o incluso predecir tendencias y estilos futuros que querrán los
usuarios.
Cómo aplicar el aprendizaje automático para resolver los problemas de
las empresas

La idea fundamental del aprendizaje automático es coger una parte de un sistema de

software que solíamos programar mediante un conjunto de normas y, en su lugar, hacer
que la máquina aprenda a realizar la tarea.

El aprendizaje automático resulta adecuado para automatizar procesos y mejorarlos. Las

empresas que se benefician hoy en día del aprendizaje automático tienen algún proceso
informativo sencillo por completar.

Por ejemplo, en Google, usamos el aprendizaje automático en todos nuestros productos y

servicios. Lo usamos para todo, desde la traducción automática de páginas web a varios
idiomas hasta la ayuda que se da a los usuarios para buscar imágenes y la redacción
automática de respuestas de correo electrónico.

Es posible que haya áreas de tu empresa donde se haga prácticamente lo mismo en torno
a la información. Puede ser cualquier caso, desde un banco que detecta movimientos
fraudulentos hasta el administrador de una tienda Etsy que les recomienda arte a sus
clientes. Se trata del proceso de coger algo repetitivo y, por lo general, aburrido para los
humanos y automatizarlo. Pero ahora opera a un nivel diferente. El aprendizaje automático
hace muchas cosas. Pero no significa que sea la respuesta para todos los problemas.

Si eres contable, no necesitas usar el aprendizaje automático para descubrir cómo sumar
dos cifras. Ya existen programas que hacen eso a la perfección. Si estás tratando de
decidir cómo usar el aprendizaje automático en tu empresa y tienes un equipo de
científicos de datos, debes comenzar hablando con ellos. Pero si tienes una pequeña
empresa, deberías centrarte en una buena idea, una oportunidad de cómo el aprendizaje
automático puede suponer una gran diferencia en lo que ofreces y cómo lo ofreces.

Uno de los aspectos más importantes es tener ejemplos de comportamiento que quieres
que la máquina aprenda. En la práctica, las máquinas aprenden mejor cuando reciben
ejemplos correctos y, luego, aprenden a imitarlos. Entonces, debes buscar una idea
relacionada con una tarea que se haya hecho cientos o miles de veces y de la que existan
registros precisos de cómo debe hacerse de forma correcta. Luego, puedes usar máquinas
para automatizar ese mismo comportamiento un millón o mil millones de veces. Como las
máquinas aprenden de los ejemplos que obtienen a partir de datos, deben tener cierta
cantidad de datos para empezar. Las máquinas aprenden mucho más despacio que los
humanos. Así que, si una persona necesita diez demostraciones para aprender una tarea,
es posible que una máquina requiera cien o mil.

Hasta hace poco, una de las principales barreras de entrada para las empresas que
querían usar el aprendizaje automático era la disponibilidad de un software eficaz.
TensorFlow es un paquete de software de código abierto que Google desarrolló a nivel
interno para nuestros sistemas de aprendizaje automático. Y lo pusimos a disposición
externa para uso de otras empresas y demás instituciones académicas. La idea es que en
vez de tener que diseñar el aprendizaje automático de cero, nosotros ofrecemos los
componentes básicos de este tipo de aprendizaje que puedes usar para tus propios
productos y servicios.

El aprendizaje automático puede ser ideal para automatizar los procesos existentes y
hacerlos más eficientes, pero no puede descubrir ni decidir cuál es el siguiente paso. Ese
tipo de creatividad y liderazgo es lo que tu, como empresario, debes aportar al proceso.
Para cada nuevo conjunto de herramientas, debes destinar tiempo para explorar y
experimentar. La primera vez que lo pruebes no funcionará perfectamente ni resolverá
 mágicamente todos tus problemas. Las oportunidades de uso del aprendizaje automático
son específicas para cada empresa. Y hay muchas posibilidades que aún ni imaginamos.
 OCULTAR

Aspectos clave

El aprendizaje automático es una herramienta eficaz para las empresas. Puede ofrecer
nuevas oportunidades para crecer y ayudar a automatizar los procesos existentes a fin de
que sean más eficientes y eficaces. En este vídeo, abordaremos cómo las empresas
pueden comenzar a usar el aprendizaje automático y aplicar esta tecnología para
satisfacer sus necesidades.

Los sistemas aprenden mejor si se les proporcionan ejemplos de un

comportamiento que luego puedan adaptar a cada situación. Indícales una
tarea que ya se haya realizado cientos o miles de veces para que tengan una
buena cantidad de datos con la que empezar.

ExaMEN

¿Cuál de las siguientes afirmaciones describe mejor el aprendizaje automático?

Correcto. Los problemas del mundo real son complejos, por lo que no se
pueden solucionar con reglas lógicas fijas. Además, no podemos estar seguros
de que todos esos problemas reales se puedan solucionar con un solo método.
Es probable que se necesiten varios métodos y combinaciones entre ellos para
solucionarlos todos.

 Se trata de una combinación de varias funciones trabajando a la vez y

en sintonía.

¿Cuál de las siguientes afirmaciones describe mejor cómo se usa el

aprendizaje automático para resolver problemas del mundo real?
Correcto. Al usar sistemas de aprendizaje automático, se les deja analizar e
interpretar ejemplos y observaciones del mundo real en lugar de escribir miles
de líneas de código. El algoritmo del sistema analiza miles, millones o miles de
millones de ejemplos para detectar patrones y encontrar soluciones.

 El sistema aprende de ejemplos y observaciones reales.

¿Cuál de los siguientes tipos de empresa se podría beneficiar más gracias al

aprendizaje automático?
Correcto. Las empresas que más pueden beneficiarse de la tecnología de
aprendizaje automático actual son aquellas que dependen de procesos simples
de gestión de información.

 Las que dependen de procesos simples de gestión de información.