Los Nobel y la IA

Esta es la semana en la que se conceden los premios Nobel, por lo que es probable que hoy se entregue el de literatura alguien que no conozca en absoluto y me haga pasar por iletrado. Es lo que lleva pasando desde hace algunos años de manera reiterada. El lunes se concedió el de medicina a unos avances en el uso del ARN, que todo el mundo entendió como meritorio y premiable, pero ayer con el de física se produjo una gran discusión, porque no se premió ninguna investigación teórica sobre los temas habituales en la materia, no, sino que se premió la tecnología de redes neuronales y el machine learning, que ha hecho posible la actual IA.

Las redes neuronales son una técnica conocida desde hace bastante tiempo. Se trata de combinar una serie de capas de neuronas artificiales, operadores sencillos que pueden hacer un cálculo muy básico con la información que reciben, y la reenvían a otra capa de operadores similares. Las múltiples relaciones que existen entre todos los operadores capa a capa, y las ponderaciones que definimos a la hora de que algunos de esos vínculos sean más importantes y otros menos, genera una complejidad creciente con un número de neuronas no muy elevado, y modelos de este tipo son capaces de realizar predicciones que compiten desde hace tiempo con técnicas econométricas clásicas en el mundo de la economía. Lo que ha revolucionado el mundo de estas redes es la capacidad de proceso que las nuevas tecnologías permiten a la hora de manejar millones de neuronas y miles de millones de vinculaciones entre ellas, y el llamado machine learning, o autoaprendizaje, que no es sino el recálculo constante de las ponderaciones de los vínculos que existen en el modelo de neuronas, de los miles de millones que componen todo el modelo. Así, diseñamos un modelo neuronal complejísimo para, por ejemplo, identificar imágenes, pongamos de gatitos. Entrenar al modelo consiste en suministrarle miles y miles de ejemplos de imágenes en las que pueden salir gatitos, o no, y el modelo irá ajustando sus vínculos y ponderaciones en función de sus aciertos y errores, consolidando cuando acierta y haciendo cambios cuando falla, de tal manera que su precisión se irá haciendo cada vez mayor. Todos los modelos de IA funcionan así, aunque esta sea una manera muy burda de explicarlo. La tecnología que hay en ellos, el trabajo de programación y la necesidad de personal cualificado, datos y energía que consumen son enormes, y cada uno de ellos se especializa en lo que aquellos que los han creado considera es lo más relevante. Chat GPT, el más famoso de todos, utiliza este procedimiento para entender texto y generarlo, bien escrito y hablado. Es un “loro estocástico” en el que, cada palabra que escribe, es el resultado de una gigantesca cantidad de cálculos que otorgan a esa palabra que se nos muestra la mayor de las probabilidades para ser lo que debía en función de lo que se le ha preguntado. Chat GPT no sabe ni leer ni escribir, no entiende lo que pone, y ni falta que le hace. Está entrenado para que sus objetos de cálculo, el texto, se genere cumplido las reglas de probabilidad que ha aprendido. Las IA que detectan tumores observando mamografías hacen lo mismo, generar resultado probabilísticamente lo más ajustados posibles a la secuencia de miles y miles de mamografías, con o sin cáncer, que se les han suministrado. Y aprenden, y logra ser más efectivos en el diagnóstico de lo que lo sería un doctor experto en la materia. Recordemos, no entienden la imagen, no saben lo que se les muestra, no viven en un mundo de conocimiento de conceptos y realidades como el nuestro, sino en otro de ajustes de probabilidad, algo tan abstracto como extraño, pero que acaba por generar resultados fascinantes. Con el uso y abuso de la fuerza bruta computacional, pero es evidente que funciona.

El avance tecnológico de estos modelos es incuestionable, pero la pregunta que se hacen muchos desde el martes es si eso es merecedor de un Nobel de física. Para echar más leña al fuego, el Nobel de química de ayer se otorgó a los desarrolladores de AlphaFold, la IA de Google que logró, por un sistema idéntico al anterior, descubrir todas las posibilidades de plegamiento que puede desarrollar una proteína, una de las bases de la vida biológica, compuesta por cadenas de aminoácidos que adoptan formas espaciales muy complicadas que, en gran parte, son las que determinan sus propiedades y usos. AlphaFold permitirá sintetizar nuevas proteínas, todas las que sean capaces de existir de hecho, pero es el segundo Nobel a la IA en una semana.