Por un momento, tómese una pausa y recuerde la última recomendación interesante que obtuvo en YouTube o aquel e-mail que se autocompletó correctamente mientras escribía caminando. Los algoritmos a menudo nos sorprenden y hasta parecen inteligentes en su funcionamiento.
La IA resuelve problemas cada vez más críticos. ¿Se la puede usar para desarrollar mejores tests para el SARS-CoV-2, el virus que causa el COVID-19? Hace unos meses, el sistema de aprendizaje profundo llamado AlphaFold fue capaz de predecir la estructura de docenas de proteínas con un margen de error del tamaño de un átomo. Así, por primera vez, un método computacional igualó técnicas de laboratorio que son costosas, y que requieren años de ensayo y error. Esto significa que los investigadores podrán diseñar nuevos fármacos simulando la estructura molecular en 3D del SARS-CoV-2, la malaria y la leishmaniasis en mucho menos tiempo.
El mundo de la inteligencia artificial (IA) se mueve de forma bastante dinámica. Y estas seis predicciones nos abren una ventana hacia el futuro.
1. Videoconferencias
La pandemia nos presenta nuevas formas de comunicarnos y trabajar a distancia. ¿Recuerda la última vez que escogió su fondo favorito en Zoom mientras realizaba una videollamada? Detrás existe un algoritmo que predice qué parte del video tiene menos información y la reemplaza directamente. En el 2021, nuestras conversaciones pasarán a un siguiente nivel. Si un algoritmo reconoce los patrones comunes que definen un rostro humano, una videoconferencia solo necesitará enviar los detalles más finos a través de internet. Este concepto se implementará de forma transparente en nuestras videollamadas este año, transmitiendo la misma cantidad de información diez veces más rápido. Mejor aún, dicha segmentación también puede ser auditiva y hacer que aquellos ruidos molestos de la calle o casa se remuevan de forma automática mientras hablamos. Después de todo, para un algoritmo, estos sonidos no generan una alta probabilidad en su tarea de modelar la conversación entre seres humanos.
2. Transformación
El 2020 fue excepcional debido a la pandemia global. Trabajar desde casa o no poder desplazarnos han tenido consecuencias en la salud de la población, incluyendo síntomas físicos y emocionales persistentes. Esta situación también ha generado una gran cantidad de datos asociados al COVID-19. Es sabido que el desarrollo científico de la inteligencia artificial va de la mano con una mayor cantidad de datos. Así, el 2021 será el año en el que los investigadores dispondrán de más evidencias para desarrollar sistemas de salud basados en IA que modelen respuestas a futuras pandemias y entiendan aquellas señales sutiles en audio y video que se asocian a la depresión y ansiedad. En el caso de la biología, el 2021 marcará el momento en el que surjan muchas startups de IA que intenten descubrir y diseñar nuevos fármacos mediante la predicción de la estructura de las proteínas de algunas enfermedades, siguiendo el ejemplo histórico de AlphaFold de DeepMind.
3. Modelos más grandes
En 2020, OpenAI presentó el modelo GPT-3 para generar automáticamente texto con una calidad similar a la del ser humano. No solo este modelo tiene 175 millones de parámetros, sino que es 100 veces más grande que su antecesor GPT-2. La tendencia es clara: los algoritmos parecen ser más inteligentes si son entrenados con más datos y poseen una mayor capacidad. La carrera para construir modelos de IA más grandes seguirá en el 2021. Y, mientras Microsoft ya publicó el modelo DeepSpeed de 1 trillón de parámetros, este será el año en el que veremos modelos aún más grandes con 10 o 100 trillones de parámetros. Estos modelos se llamarán quizá GPT-4 y T6.
4. IA en Latinoamérica
Después de varios años de mirar el partido por televisión, los países latinoamericanos tomarán decisiones concretas en el desarrollo de la computación, y la IA en educación, gobierno y empresa. Algunos países definirán el financiamiento, prioridades de investigación y objetivos nacionales sobre la base de su cadena de producción. Aquellos que inviertan más y mejor exportarán servicios y productos automatizados por IA, y generarán una gran cantidad de trabajos bien remunerados. También llegaremos a un consenso acerca de qué implicancias éticas tiene la automatización de las labores manuales que definen el presente económico de la región. Dada la naturaleza extractiva de nuestros países en minería, pesca, agricultura y transporte, entenderemos que la automatización en Latinoamérica no se parece a ninguna otra en el mundo.
5. La cuántica
El florecimiento de las herramientas de la IA cuántica. Este año veremos la tendencia de construir circuitos de datos cuánticos que exhiban superposición y entrelazamiento. Será común el acceso abierto a nuevas redes neuronales cuánticas que desenlazan y descubren correlaciones en los datos de esta naturaleza. El acceso a simuladores de procesadores cuánticos también será abierto y estarán diseñados para integrarse fácilmente con hardware cuántico en la nube. Aprendiendo a caminar para después correr, la IA cuántica seguirá la receta más efectiva de la IA clásica: compartir los algoritmos con la comunidad para que su innovación sea distribuida, mientras que un grupo de empresas abstraen y mejoran progresivamente la complejidad del hardware que la soporta.
6. Machine learning
Finalmente, una predicción del mercado laboral de IA. En los últimos años, se ha puesto énfasis en crear herramientas para llevar un algoritmo de IA de su concepción hacia su uso. Por ejemplo, tareas como elegir los mejores atributos en los datos o escoger la mejor arquitectura de un modelo ya no son tan difíciles ante el auge de técnicas de autoaprendizaje en redes neuronales. Este conocimiento nos permitirá emplear menos tiempo en implementar modelos a medida y, más bien, usarlo en llevar estos modelos a producción. Basado en esto, mientras vimos antes la explosión del rol del científico de datos, el 2021 marcará el auge del ingeniero de machine learning: una persona con conocimientos de ingeniería de software que maneja todo el conjunto de componentes y servicios responsables de que un algoritmo funcione como un producto confiable.