Generadores de Personas: ¿el nuevo test de mercado?

Cuando te dispones a lanzar un nuevo producto al mercado los test previos para evaluar el grado de aceptación o rechazo son paso obligado, con el peaje asociado de tiempos más o menos extensos antes del lanzamiento comercial y sobre todo, la ausencia de diversidad de perfiles de consumidores, en un mercado que se parece más a un crisol que a un conjunto homogeno

Por eso, no fue nada extraño que muchas empresas y labs empezaran a emplear modelos LLM para hacer estas simulaciones, no obstante, el problema fue y es que estos modelos (probabilisticos pero casi mágicos en sus limitaciones) hasta ahora nunca han logrado reproducir el abanico diverso de los tipos humanos, donde al aparecer los outlayers no son normalidad estadistica pero casi

Y digo hasta ahora porque un equipo de investigadores de DeepMind ha presentado un nuevo metodo para generar poblaciones sinteticas con un mayor grado de diversidad y en contextos mucho más amplios que hasta ahora

No es un secreto para (casi) nadie que para personalizar más las respuestas de un modelo basta con añadir un perfil concreto al prompt (soy vegetariano o profesor de literatura) y éste aproxima mucho la respuesta, siempre con la limitacion de que ofrece respuestas promedio dentro de este rango de personalidades, es decir no esta mal pero no cubre los matices de muchas micro-personalidades dentro incluso de una categoria 

La propuesta ahora para superar esta limitación es volver a programar el modelo con hasta 25 preguntas generadas por un algoritmo sobre personalidad hasta que los resultados muestren un rango espeficifico de opiniones y actitudes, lo que por supuesto incluye factores tan importantes en algunas investigaciones como el grado de acuerdo o desacuerdo (lease aceptación o rechazo) 

Aparentamente y según los autores de esta investigación estos generadores de personas (el nombre es de por si es retador) aceleran las pruebas de sistemas y productos y son más hábiles a la hora de detectar desviaciones aka outliers

Claro y como era de esperar los propios investogadores advierten que esto se puede utilizar con fines maliciosos para desarrollar bots que impacten más al target o incluso crear campañas de desinformación mucho más granulares que las actuales, por eso recomiendan que estas personalidades sinteticas sean complementadas con participación humana 

Como veis en apenas 4 años de IA para muchos hemos logrado atinar bastante bien en el promedio humano (lo que no deja de ser grato para la mayoria) y ahora el siguiente paso es incluir los extremos y sus matices intermedios para que los modelos se parezcan mucho más a como realmente somos, o sea un paso más sensato y menos marketinero hacia la AGI 

IA capaz y la hipótesis de un nuevo Test de Turing: falaz por el momento

 A la espera de que el boom de los sistemas de IA se concreten en algo que genere riqueza, que no es lo mismo que dinero pero se suele asociar, lo que si estamos asistiendo es a un intento de encauzar el debate sobre la IA al terreno más idóneo para cada participante, nada extraño por otra parte

Mustafa Suleyman uno de los fundadores de la hasta hace poco estelar (Google) DeepMind hasta que OpenAI le arrebató el protagonismo mediático y probablemente inversor, escribía hace unos dias un articulo breve donde analizada el actual estado de la IA y apuntaba algunas propuestas, alguna más sensata y otras no tanto 

Suleyman dice básicamente que el Test de Turing no vale ya para medir la inteligencia de los actuales sistemas LLM (modelos de lenguaje grandes) y propone un nuevo test que mida no lo que el sistema es capaz de decir o generar sino los logros concretos que es capaz de llevar a cabo

En esencia si le preguntas a una IA como hacer 1 millón (US$ o Euros) en una web de comercio electrónico con una inversión inicial de 100.000 y te completa el plan de negocio para llevarlo a cabo entonces estaríamos antes una Inteligencia Artificial que pasaría el nuevo Test de Turing (bingo!)

Hay una cosa en la que estoy de acuerdo con Suleyman (et al) actualmente nos encontramos en una etapa de confusión donde lo realmente definitorio es que NO sabemos donde estamos. A partir de aquí vienen las matizaciones desmitificadoras: 

Si un sistema de IA capaz (capable) con él lo denomina pudiera hacer el solo un plan de negocio para lograr una rentabilidad tan alta sin apenas mediación humana (firmar y cíao) entonces dejaría al instante de ser una ventaja competitiva para muchos pues (casi) todos intentarían llevarlo a cabo ¿no?

Esto es algo que ya aprendimos en estos 50 años de digitalización, en cuanto una ventaja competitiva de una empresa incumbente se digitaliza entonces deja de ser una ventaja (algo que Christensen se dio cuenta)

El factor humano en las empresas seguirá siendo el factor definitivo que le lleva a triunfar o quebrar , aunque también es más que probable que buena parte de la infraestructura humana que sostiene una empresa pueda ser en algún momento relevada por una IA , no por que lo haga inicialmente mejor sino por que lo hará más rápido y más barato 

Lo más aprovechable de este argumentario es que tenemos que reorientar el análisis de la IA hacia la capacidad real de realizar cosas concretas y olvidarnos (tras la necesaria etapa de fascinación) de los textos e imágenes que genera pues estos tiene un limite que lo devalúa, exactamente cuando haya tal inflación de creaciones que no valgan nada para nadie

DeepMind: humanoides cracks del futbol en 3 semanas

Con la Inteligencia Artificial procuro mantener la cabeza fría o no dejarme llevar por el entusiasmo de la novedad pero con la británica DeepMind confieso que tengo muchas dificultades simplemente por que me fascina (casi) todo lo que hacen 

El último proyecto que han dado a conocer no es un gran hito como AlphaFold el sistema que permitió predecir la estructura de todas proteínas conocidas, sino el proceso de aprendizaje de como jugar al futbol (soccer) de humanoides digitales, mira este video por que es realmente asombroso

Aunque estamos acostumbrados a las simulaciones más que realistas de los videojuegos de futbol hace décadas y sobre todo como han ido mejorando, lo más atrayente de este proyecto soccer de DeepMind es como en apenas 3 semanas pudieron transformar un humanoide que se movía como la pericia de un bebe en un experto jugador de futbol

Para ello utilizaron las toneladas de material almacenado de simulaciones de futbol, o sea lo mismo que se emplean en robots de hardware pero acelerando notablemente el proceso de modo que 1,5 millones de tiempo de simulaciones de futbol lo aprendió en 24 horas, lo que incluyo movimientos complejos y sobre todo coordinación 

Como podéis ver en el video el sistema no empleo un equipo completo de 11 jugadores sino un 2 contra 2 con reglas simplificadas y además permitió fallos en el control del balón  

En definitiva el aprendizaje en 3 fases duró 3 semanas lo que supuso asimilar datos de 30 años de simulaciones de partidos, con el resultado de que estos humanoides se desempeñan como cracks virtuales, lo que no quiere decir que en breve veamos robots jugando al futbol con ese pericia

pero,....no cabe duda que estamos más cerca y sinceramente no descarto que ese futuro siempre impredecible la gente pague por ver los mejores torneos de futbol robótico o haya partidos híbridos (humanos/robots) o que los mejores entrenadores se inspiren en estas humanoides para que sus equipos cada vez jueguen mejor   

La Inteligencia Artificial y el nicho de inscripciones de la Edad antigua

DeepMind es otra de esas empresas que sigo con creciente entusiasmo desde que Alphabet la compró en el 2014. En efecto, esta empresa con sede británica nos ha proporcionado hitos y sorpresas como derrotar al campeón mundial de GO en 2016, el anciano y complejo juego de estrategia chino

Ahora en un articulo científico publicado en Nature, DeepMind presenta una especie de Google search que permite descifrar, datar y la localización más probable de las inscripciones de la antigua Grecia, un nicho en principio focalizado en historiadores y lingüistas, pero que demuestra las (casi) infinitas posibilidades de los programas de Inteligencia Artificial, en especial los de machine learning  

La mayoria de estas inscripciones de la antigua Grecia nos ha llegado deterioradas o con una parte del texto ausente, ya sea por el soporte donde fueron grabadas (muchos en metal y piedra ) ya sea por los avatares de 3000 años de historia 

El programa de DeepMind denominado Ithaca (si, como la isla de Ulises) no es que suplante a los historiadores, pero según esta empresa les permite incrementar su ratio de aciertos en casi un 300%, lo que quire decir que los historiadores suelen acertar que partes del texto falta o datar un documento un 25% de las veces y con esta herrramienta en software abierto lo harían un 72%

Ithaca por si solo, puedes probar una versión web aqui,  es capaz de descifrar los trozos de texto que faltan en una inscripción un 62% de las veces, señalar su origen geográfico un 71%  y predecir su edad con un margen de error de apenas 30 años (piensa en el rango de años que estamos hablando) 

Desde luego que NO es la piedra roseta de los textos griegos pero si es un avance considerable respecto a los sistemas que hasta ahora se empleaban hace apenas 3 años como Pythia 

Nuevamente vemos como la Inteligencia Artificial NO busca, al menos inicialmente, sustituir al ser humano pero si complementarle allí donde le cuesta mucho (esfuerzo, tiempo, dinero!), como en este nicho aparentemente poco rentable pero de extraordinaria importancia para saber quienes somos, cuando empezamos a saber y quizá que sabíamos y ahora no  

Un programa de IA predice el 98% de la estructuras de las proteínas

Es muy difícil que esto no signifique un (enorme) salto en la investigación de enfermedades y nuevas medicinas (drugs) para curarlas

DeepMind, la empresa de IA propiedad de Google y el Instituto europeo de bioinformatica han desarrollado un programa llamado AlphaFold capaz de predecir la practica totalidad de las estructuras de protenias de un ser humano o Proteoma (unas 20.000)

Antes de AlphaFold conocíamos el 17% de todas las estructuras de las proteínas y ahora el 98%, de igual modo con las técnicas convencionales se tardaban hasta 6 meses para determinar la estructura de una proteína y ahora es cuestión de un par de minutos

La trascendencia de esta investigación es tan grande que Nature (en general muy rigurosa con lo que publica) ha acelerado su publicación con los resultados de la investigación prácticamente en crudo sin revisión 

Las predicciones de estructuras que se han publicado (unas 350.000) se limitan a los organismos más comunes en la investigación, como la mosca de la fruta, los ratones o el pez cebra, pero se van ampliar en las próximos meses hasta los 100 millones de protenias conocidas 

¿Qué consecuencias tendrá esto? teniendo en cuenta que las proteínas son los pilares fundamentales de la vida tal como la entendemos, es más que probable que se acelere la aparición de nuevos medicamentos para enfermedades humanas pero también el desarrollo de cultivos inmunes al cambio climatico...y un largo etcetera que solo depende de hasta donde podemos imaginar su uso

Los resultados están disponibles en licencia Creative Commons Attribution 4.0 

IA y la mirada sin prejuicios: ¿el fin de los misterios?

Hay algo demasiado atractivo en la IA que la convierte en algo más que una rama (palpitante) de la tecnología, en una de las (escasas) esperanzas que la humanidad tiene de resolver los pocos pero graves misterios que aun quedan    

Hace exactamente 15 meses vimos (y celebramos) como un programa creado por la inglesa DeepMind batía a uno de los mejores jugadores del mundo de Go, que a su vez es uno de los juegos más complejos que se han inventado jamas 

El hito era una demostración de fuerza del estado de la IA pero a su vez tuvo consecuencias sobre el propio juego, como le paso al ajedrez con la mítica Deep Blue de IBM  al ganar al no menos mítico Kasparov

A partir de ahora ya no se trata de averiguar si algún humano puede ganar a AlphaGo, sino de forzar los limites del juego con equipos mixtos hombre-maquina o incluso equipos formados por varios expertos en el juego que se enfrenten al programa, algo que la propia Google va a hacer el próximo mayo en una cumbre sobre el futuro del Go

Lo más fascinante de la superioridad de la IA, en el ejemplo de AlphaGo, es que el programa se enfrenta al juego con una mirada libre de prejuicios (todo lo que se sabe ya del juego) lo que le confiere una gran capacidad de hacer movimientos creativos o que nadie se atreve a hacer

Si extrapolamos estas conclusiones sobre AlphaGo a toda la IA, podemos entender que está en mejores condiciones que nosotros de acercarse a la resolución de problemas que llevamos mucho tiempo sin resolver del todo, tales como enfermedades, catástrofes naturales, accidentes, incluso problemas sociales, los cuales todavía tendemos a analizar con herramientas sesgadas por la ideología

Pero ¿un (hipotético) mundo con la mayoría de los problemas graves resueltos o al menos solventados en niveles muy aceptables, sera una utopia o una distopía? ¿alcanzaremos un estado de nirvana donde las energía humana se volcara en la autosatisfacción o más bien generará tensiones ante la falta de retos de la raza humana? 

Quizá el avance en la resolución de los misterios de estos primeros 50.000 años nos eleve a un nivel donde aparecerán nuevos misterios más complejos aún, y necesitaremos nuevas formas de pensar y un periodo de dimensión desconocido para desarrollar nuevas Inteligencias Artificiales 

¿Que es ganar? Alphago vs Lee Sedol

Desde que el miercoles de la semana pasada Alphago, el programa de AI de DeepMind, comenzó su match con uno de los masters mundiales del GO, el coreano Lee Sedol, se generó una expectación paradójica por que nadie realmente tenia claro que significaba que ganará el algoritmo (como en Enero pasado) o el humano que representa el campeón coreano

Cuando se plantea una partida en un juego se produce de manera natural una división entre los que apoyan  a cada uno de los dos rivales, pero en este caso ¿que ganamos si ganaba Alphago o Lee Sedol? 

Como sabréis muchos ya el resultado final ha sido que Alphago ganó las tres primeras partidas seguidas y que el ultimo dia en la partida numero cuatro, Lee Sedol ganó por fin una partida al programa de AI

La superioridad de Alphago en las tres primeras partidas parecía la confirmación de la previa de Enero cuando el programa batió 5 -0 al campeón europeo de Go, pero la victoria de Lee Sedol en la última partida demostró que el algoritmo tenia todavia (algo) que aprender

En una partida entre humanos a 5 juegos, el que gana 3 de ellos ya deja sin sentido la victoria del otro, pero en el caso de un programa de AI supone la mejor aportación que puede hacer un humano al desarrollo de programas cada vez más semejantes a como pensamos

Si Alphago hubiera arrasado en las 5 partidas seria una señal más que evidente de que la AI ha dado un salto de una década en un par de años, lo que parece (bastante) esperanzador y amenazante a la vez

Si hubiera ganado Lee Sedol la mayoría de las partidas hubiera demostrado que la AI ha avanzado pero no a los ritmos exponenciales que creen algunos, y que la creatividad humana todavía es dificilmente replicable

El resultado final supone una victoria para todos pues el objetivo de Alphago no es convertirse en el Deep Blue del Go, sino aprender de los mejores, de modo que cuantas más veces pierde más aprende de la estrategia del oponente 

Eso es la conclusión más emocionante que saque de estos 5 dias de juego, que los desarrolladores del programa estaban contentos de que hubieran perdido esa partida ya que eso les permite margenes de mejora!...

En esta partida de Go no hay humanos vs maquinas en pos de una superioridad, hay una linea de evolución que nos lleva a aprovechar al maximo la inteligencia existente ya sea en algoritmos o en nuestros cerebros