Haciendo posible lo imposible

Andrés Torrubia, ingeniero y emprendedor alicantino, cuenta cómo la percepción por ordenador pasó de la ciencia ficción a la realidad cotidiana, usando su propia vida como hilo conductor. Arranca con películas (la IA que juega contra sí misma en Juegos de guerra, HAL leyendo los labios, la visión de Almas de metal, la retransmisión manipulada de Perseguido) y señala que casi todas esas hazañas «imposibles» ya son posibles: self-play, redes que leen los labios y deepfakes 1:29.

Con 17 años, en 1992, lee en Investigación y Ciencia un artículo sobre redes neuronales que aprenden de ejemplos en lugar de reglas explícitas. Lo explica sin miedo a las fórmulas: una neurona multiplica sus entradas por unos pesos, las suma y aplica una función. Con más de una capa oculta ya es «deep learning». El descenso del gradiente simplemente mueve cada peso en la dirección que mejora la predicción 6:34. Su ordenador de 8 MHz y 1 MB de RAM no daba para entrenar nada. Después vinieron los inviernos de la IA y lo que él llama «el Medievo de la programación», con equipos enormes para hacer cosas sencillas 10:01.

El punto de inflexión fue ImageNet 2012: el equipo de Hinton (Alex e Ilya) arrasó a Microsoft, Oxford y compañía con una red profunda 12:27. Las matemáticas no habían cambiado en 20 años. Lo que hizo falta fueron cuatro ingredientes: matemáticas, personas, capacidad de cálculo (GPU) y muchísimos ejemplos etiquetados 14:13.

Sintiéndose obsoleto, se apunta al curso de conducción autónoma de Udacity. Su red para mover el volante son unas 15 líneas de código. Cuando se estrella ante situaciones que nunca ha visto, la arregla cambiando los datos de entrenamiento, no el código: se graba conduciendo por los bordes del carril y corrige el ángulo del volante. La red acaba generalizando a un carril que no había visto nunca 15:55. En el reto de Udacity y Didi de detección de obstáculos con LIDAR (unos 2.000 equipos, con ingenieros de las grandes tecnológicas), tiene una idea mientras corre: tratar el barrido del LIDAR como una señal de una dimensión de −π a π y aplicarle las redes 1D que se usan en voz y texto. Todos los demás proyectaban la nube de puntos a imágenes 2D. Queda 4.º del mundo 19:17.

Después repasa más competiciones: segmentación de coches y de células, conteo de peces, un reto de la CIA con imágenes de satélite (desde el aire, un colegio y una cárcel se parecen mucho), predicción de ventas en Avito e identificar con qué móvil se hizo una foto con un 99 % de acierto (sigue sin saber cómo lo hace la red). También cuenta cómo optimiza el CPC de campañas en su empresa 22:10. Luego llegan los modelos generativos: de mockup a HTML, arte con GAN y caras de gente que no existe 24:17. Como remate, entrena una red recurrente letra a letra con las charlas de David, que genera un discurso con mucha pinta y ningún sentido 26:30.

Cierra con una ruta de aprendizaje: Python y, si eres autodidacta, Stanford CS231n (visión), el curso de NLP de Oxford y DeepMind y fast.ai. Si prefieres algo tutelado, Udacity o Coursera. Y para más «droga», listas de Twitter, podcasts (TWiML), el Slack de ODS y Kaggle 28:29. Su mensaje final: la IA va a cambiar todas las industrias, y España no tiene la agenda nacional de IA que sí tienen Canadá, EE. UU., China o Reino Unido. Su objetivo es que alguien de la sala se ponga a aprender y lo aplique en su empresa 30:54.

Idea clave: el cuello de botella pasó del código a los datos. Una forma nueva de representar la entrada (como el LIDAR en 1D) puede ganar a equipos mucho más grandes, y todo esto se puede aprender online.