Los desarrollos como Inteligencia Artificial (AI), Machine Learning (ML) y Deep Learning (DL), han comenzado a impactar las soluciones de la industria audiovisual.
Andrea Mereghetti*
Ya dejamos en el pasado unos de los años más controvertidos de la historia de la humanidad, llegamos a un nivel de estrés social que creo es equiparable solamente a eventos pasados como las Brigadas Rojas en Italia, la Guerra Fría (USA y la antigua URSS) y la amenaza de una guerra nuclear, hace poco menos de 30 años. Personajes como Donald Trump, Kim Jong-un, y otros populistas alrededor del mundo, han definido y están definiendo nuestro futuro y la forma de percibir lo que vendrá.
Alan Touring, Matemático y mente brillante, el padre de la Ciencia de la Teoría Computacional y de la Inteligencia Artificial (AI), además de “Codebreaker” en la Segunda Guerra Mundial, recibió disculpas oficiales en 2013 por parte del Gobierno Británico de Gordon Brown, tras su suicidio a la joven edad de 41 años, por haber sido discriminado y humillado por su homosexualidad.
Suyo es el “Test de Touring”, que por décadas fue indicado como una de las pruebas por excelencia para poder reconocer si se estaba interactuando con una maquina o con una persona, ¿sigue siendo válido? ¿Cuáles son las herramientas que se disponen para definir o darse cuenta de las diferencias? Pues no hay.
Estas tecnologías (AI) están definiendo nuestras vidas y poco o nada se está haciendo para protegernos. En 2017, tomando las leyes1 de la robótica definidas en el 1942 por Isaac Asimov (famoso escritor del siglo pasado, autor de la Trilogía de la Fundación, Yo Robot, y muchas otras historias de ciencia ficción) la Unión Europea hizo un primer intento de reducir un posible impacto en la sociedad.
Elon Musk, unos de los visionarios de este siglo, en diferentes ocasiones hizo hincapié en que ya es tiempo de regular la Inteligencia Artificial (AI) antes de que sea demasiado tarde, es sorprendente y al mismo tiempo fascinante como SpaceX (una de sus empresas, además de Tesla) pudo hacer que un tubo de materiales compuestos pueda regresar de la atmósfera y aterrizar (después de un periodo de aprendizaje) sin aparentes problemas y poderlo reutilizar en un corto plazo. ¿Cómo lo hicieron?
Lars Blackmore2 egresado del MIT escribió algoritmos (Machine Learning) que podían aprender de acuerdo a variables relacionadas con su entorno ambiental y hacer que un vehículo no tripulado pueda definir su ruta, llegando a su destino final integro (obviamente él trabaja en SpaceX ahora). O como Waze que también se apoya al Machine Learning para definir la mejor ruta, a lo mejor sin considerar muchas variables externas (como las que tenemos en CDMX). Caso curioso es lo que pasó en New Jersey, donde por un periodo de tiempo la mejor ruta para llegar a Nueva York fue pasando por un pueblito de nombre Leonia, y el alcalde decidió cerrar las calles para evitar el incremento de tráfico. Logrará el algoritmo aprender de las decisiones impredecibles del hombre?
¿Vieron lo que lograron en Boston Dynamics3 aplicando AI y ML? Diseñaron y programaron un robot humanoide de nombre ATLAS y de su perrito SPOTMINI4, que son capaces de correr, saltar, evitar obstáculos, cargar pesas, si se caen se levantan y además trabajan en equipo. Obviamente todo financiado por el departamento de defensa de los estados unidos de América (DARPA5).
Hoy estas tecnologías están disponibles, a lo mejor aún no para todos, pero ya no es necesario tener un “Master Degree” en matemáticas o ser un desarrollador experimentado. Tenemos acceso a muchas APIs para poder crear aplicaciones, servicios que se apoyan a redes neuronales y a algoritmos de Inteligencia Artificiale, Machine Learning, o Deep Learning, desde Google Cloud Platform a Amazon ML, o como Microsoft Azure ML, IBM Spectrum, Intel Nervana, entre otras.
Es importante entender cuáles son las diferencias ya que con todos estos términos es fácil confundirse, podemos decir que ML y DL son ramificaciones de la AI.
Con “Machine Learning” se entiende lo que una computadora puede aprender de lo que un humano hace, por ejemplo análisis que se repiten, identificar patrones y aplicar soluciones lógicas, aprender del resultado y recordarlo.
Y con el término “Deep Learning”, como gran diferencia, se entiende que puede aprender y escribir su mismo código para aplicar mejoras y obtener el resultado. Ejemplos sorprendentes fueron obtenidos por Facebook donde un conjunto de algoritmos BOTS6 llegaron a un nivel donde desarrollaron un lenguaje que el hombre no podía entender (los ingenieros acabaron apagando las maquinas); o lo que Google7 logró hacer, sintetizando la primera voz digital sin poder distinguirla de la humana, con algoritmo de aprendizaje ML y DL.
Universidades prestigiosas como Harvard, licencian su plataforma de Deep Learning con el sector privado para desarrollar nuevos materiales para display e iluminación con tecnología OLED.
Con el “Deep Learning” las empresas multinacionales en ámbito tecnológico están definiendo nuestro futuro, resuelven problemas del mundo actual y hacen que las computadoras actúen y piensen como humanos; por ejemplo, imitando el funcionamiento de nuestro cerebro, pueden analizar una foto o un video y poder generar un texto descriptivo de dicha imagen, no solo de quien o que se trata, en qué lugar o ambientación, y todo con una precisión del 93.9%.
¿Y en la industria de la señalización digital? Todo esto ya se está aplicando, y la Asociación Mexicana de Digital Signage (DSMX) está muy al pendiente de su evolución y midiendo impactos, regulando y promoviendo la correcta aplicación. La medición de audiencia se basa en algoritmos ML y Redes Neuronales, que aprenden de la experiencia y se vuelven más precisos con el pasar del tiempo.
En Slovenia8 se moldea la experiencia de los usuario en una tienda departamental para que los algoritmos ML se encarguen de definir los patrones y, con la correcta señalización, comunicar de forma eficaz y en tiempo real. Todo esto se volverá predictivo aplicando DL, controlando la fabricación y distribución de los productos, anticipando las necesidades de los consumidores, de forma eficiente, sin la intervención del hombre. Y como si fuera una historia de Black Mirror, las maquinas serán capaces de crear nuevos productos, de volverse creativas y un día no muy lejano, prescindir del ser humano?
*Andrea Mereghetti es CTO de la compañía mexicana Kolo DS. Texto editado por Boris Dallafontana, MKT Manager de Kolo DS.
Referencias:
1 https://blogthinkbig.com/las-6-leyes-de-la-robotica-de-la-union-europea
2 http://www.larsblackmore.com/stochasticcontrol.htm
3 https://youtu.be/fRj34o4hN4I
4 https://www.youtube.com/watch?v=rnTyzwpz4JI
5 https://es.wikipedia.org/wiki/Defense_Advanced_Research_Projects_Agency
6 https://www.forbes.com/sites/tonybradley/2017/07/31/facebook-ai-creates-its-own-language-in-creepy-preview-of-our-potential-future/ - 221b61d9292c
7 https://www.theverge.com/2016/9/9/12860866/google-deepmind-wavenet-ai-text-to-speech-synthesis
8 https://www.researchgate.net/publication/290365887_Modelling_In-Store_Consumer_Behaviour_Using_Machine_Learning_and_Digital_Signage_Audience_Measurement_Data
