“Físicament, i fins a cert punt mentalment, un robot, qualsevol robot, és superior a un ésser humà”
Jo, Robot. Isaac Asimov (1950)
Inundat de frases i situacions icòniques, i amb la mítica formulació de les tres lleis que han de regir l’ètica i moral de màquines intel·ligents imaginades i autoconscients, llibres com el d’Asimov van alimentar els somnis tecnològics i futuristes de diverses generacions d’adolescents, i no tant (m’hi incloc). Davant dels recents avenços i, sobretot, la difusió mediàtica, en el camp de la intel·ligència artificial, que apareix per esdevenir una “nova revolució tecnològica” destinada a canviar la nostra manera de treballar i d’interactuar amb les màquines, ens veiem temptats de rescatar aquestes visions una mica “vernianes” que ens aparten de la utilitat pràctica que tenen, i els canvis que veritablement representaran per al nostre dia a dia.
La intel·ligència artificial és una àrea que se centra en la creació de sistemes i màquines capaces d’executar tasques que requeririen intel·ligència humana per a la seva resolució
Lluny de robots irredempts amb conflictes morals no resolts, la intel·ligència artificial és una àrea que se centra en la creació de sistemes i màquines capaces d’executar tasques que requeririen intel·ligència humana per a la seva resolució. En definitiva, aquests sistemes persegueixen simular processos cognitius associats a la condició humana, com el raonament, la percepció, l’aprenentatge o el reconeixement de patrons, de manera que els permetin la resolució de problemes i la presa de decisions d’una manera més o menys automatitzada. Una visió potser menys apassionant, però sens dubte amb molta més aplicació pràctica en el nostre dia a dia.
El terme “intel·ligència artificial” apareix per primera vegada en el context de la conferència de Darmouth pels voltants de 1956 de la mà del professor John McCarthy. Aquesta intervenció s’ha considerat el germen de la disciplina
De fet, per nou que pugui semblar, el terme “intel·ligència artificial” apareix per primera vegada en el context de la conferència de Darmouth pels voltants del 1956 de la mà del professor John McCarthy. Aquesta intervenció s’ha considerat el germen de la disciplina. Aquests inicis van continuar amb avenços com el que podem considerar el primer assistent virtual l’any 1966, ELIZA, no tan xerraire com els actuals. Però quedem-nos amb les dates; és una àrea que requereix molt temps de recerca i desenvolupament. I així s’ha anat avançant en diverses àrees, des de temes més científics i pràctics a altres de més lúdics i associats als jocs, de manera que s’ha implantat com un terme àmpliament utilitzat.
Així, doncs, el que ja tots coneixem com “la IA” (o bé AI, quan les fonts són en anglès) té aplicacions de rèdit en nombrosos àmbits. Des de la medicina a la indústria, a processos de seguretat, millora dels processos educatius o la seguretat, entre molts d’altres. Té, per tant, el potencial de transformar de gran manera la forma que tenim d’abordar la resolució de problemes, la nostra manera actual de treballar i fins i tot com interactuem actualment amb la tecnologia.
Si a aquestes consideracions afegim que es basen en algorismes i models matemàtics capaços de processar quantitats enormes de dades (cada vegada més), i fins i tot aprendre d’ells, oferint-nos conclusions sobre els mateixos i nous punts de vista sense necessitat d’una programació explícita de cada tasca necessària, l’aplicació de la IA en el camp de l’analítica de dades és, més que evident, i necessària.
L’aplicació de la IA en el camp de l’analítica de dades és més que evident, i necessària.
L’àrea d’activitat mateixa està atapeïda de termes, que acostumem a confondre entre ells; intel·ligència artificial és el més genèric i engloba la resta. Així, hi ha termes “hiperutilitzats”, com ara Machine Learning (aprenentatge automàtic) que és un subcamp de la IA. Entén els algorismes i models que permeten a les màquines aprendre a partir de les dades i millorar el rendiment de les tasques específiques que se’ls encomanen sense necessitat que es programin de forma explícita. Un altre terme també amb una literatura i difusió mediàtica dilatada és el de Deep Learning (aprenentatge profund), subcategoria de l’anterior, que es basa en l’ús de xarxes neuronals (Neural networks) i altres elements de tractament per aprendre representacions jeràrquiques de les dades capturant característiques complexes que els habiliten per fer tasques avançades (com ara la classificació d’imatges, traducció d’idiomes…).
Són diferents àmbits de la IA, i que convé tenir present que uns engloben els altres, la qual cosa ens pot provocar certa confusió.
Aquestes IA, o més aviat els sistemes que disposen d’aquestes IA, es classifiquen en aquests tres grans grups d’acord amb la seva capacitat:
1. Intel·ligència artificial feble (AI Narrow o Weak AI); referida a sistemes que estan dissenyats per fer tasques específiques i limitades. Especialitzats en un domini particular, no tenen capacitat per dur a terme tasques fora d’aquest àmbit. Tenim exemples d’IA febles en sistemes de reconeixement de veu, de reconeixements de patrons, assistents virtuals… Ens trobem, per tant, que la majoria de les aplicacions actuals que s’utilitzen ja en la nostra vida quotidiana entrarien en aquesta classificació.
2. Intel·ligència artificial general (AGI o Strong AI); és un objectiu a llarg termini dins del camp de la intel·ligència artificial. Aspira a replicar la intel·ligència humana completament, amb la capacitat de comprendre, aprendre i raonar en diversos contextos. Podria, per tant, afrontar un ampli ventall de problemes de manera similar a com ho fem els éssers humans. Com us dic, es troba en procés de recerca i desenvolupament, i va molt més enllà dels avenços que tant ens sorprenen (alimentats de manera conscient pels mitjans de comunicació) però que segueixen dins de la IA feble que comentàvem anteriorment.
3. Superintel·ligència artificial (ASI); aquesta aniria més enllà de la intel·ligència humana en tots els aspectes, i la superaria en totes les àrees cognitives i creatives. No ens equivoquem; actualment, només és un títol de classificació i, com a concepte, és absolutament especulatiu. Per molt que algunes vegades ho pugui semblar, la consecució d’aquest tipus de sistemes és encara avui qüestionable (més encara amb l’estat incipient dels dos anteriors). S’aproparien a fer autèntica la frase amb què començàvem l’article.
També podem abordar la classificació de les intel·ligències artificials, d’acord amb la proposta d’Arend Hinze (investigador de la Universitat de Michigan), tenint en compte la seva funcionalitat, la complexitat de les mateixes i els problemes que són capaces de resoldre. Dividides en quatre grans grups d’acord amb la seva funcionalitat:
1. IA reactiva; la més bàsica de totes, basada únicament en la informació disponible en el moment present. No té capacitat d’aprenentatge ni memòria a llarg termini. Exemples icònics són sistemes de joc com el d’escacs de Deep Blue (la qual en el seu moment encara ens sorprenia…).
2. IA limitada o basada en la memòria; aquí ja s’inclou l’aprenentatge d’experiències passades i prendre decisions basades en aquesta informació emmagatzemada. Encara està limitada, per això el seu nom, ja que no és capaç de generalitzar per anar més enllà de la seva àrea d’experiència. La trobem en determinats assistents virtuals, en sistemes de recomanació…
3. IA teòrica o de consciència; fem el salt a la capacitat de raonar i entendre el món de manera similar als humans (segons la classificació per capacitat ja són IA fort…). Basada en aquesta capacitat d’entendre el context i d’aprendre de l’experiència, s’adaptaria a situacions noves de les quals no s’ha aportat una solució prèvia. Aquí ja ens movem en el camp del desenvolupament i recerca.
4. IA conscient o d’autodescobriment; tornem al camp de la hipòtesi (i les ASI). Són IA que tenen consciència del seu entorn i de sí mateixes. Van molt més enllà del que s’ha assolit en l’actualitat, encara que són objectiu de recerca a llarg termini.
Vistes les classificacions i posada en context de la IA com a àrea tecnològica, el nostre enfocament se centrarà en la seva aplicació real (ens oblidem d’hipòtesi, teories…) i actual d’aquests elements fonamentals per a l’extracció i processament de dades i per a la presa fonamentada de decisions sobre conjunts de dades cada vegada més complexos.
El nostre enfocament se centrarà en elements fonamentals per a l’extracció i processament de dades i per a la presa fonamentada de decisions sobre conjunts de dades cada vegada més complexos.
Aquí abordarem diversos elements o subcamps de la IA. Des de l’aprenentatge automàtic, per a la detecció i comprensió de patrons en les nostres dades que puguin ser entrenades per ajudar-nos en les tasques de classificació i recomanació sobre aquests, fins als models predictius que, partint de tendències històriques, ens permetin assolir prediccions de comportaments futurs amb un cert grau de fiabilitat.
També l’automatització de decisions que proposin accions per dur a terme d’acord amb les conclusions obtingudes, de manera que permeti optimitzar processos dins de les nostres organitzacions. Sense oblidar-nos de la generació de contingut sobre la qual l’usuari pugui interactuar, seleccionar o preguntar, en què ja entrem en el camp del tractament de llenguatge natural (PLN) i les IA generatives aplicades a la creació de quadres de comandament i visualitzacions de dades que evolucionen amb les nostres dades, i l’ús i resultats que n’obtenim.
Aquests temes d’IA aplicada disposen de prou entitat perquè els anem desglossant en pròximes entrades del nostre bloc, per donar una visió objectiva de l’aplicació de la IA al món de les dades d’avui, i arribat el moment, què podem esperar que es vagi materialitzant en un futur immediat. Durant aquest viatge, passarem de les conjectures i la literatura a la feina real i els beneficis que la seva aplicació portarà als nostres equips.
(* Nota informativa: totes les imatges han estat generades mitjançant “prompts” sobre la plataforma Copilot)
