Intel·ligència artificial, "Machine Learning", "Deep Learning"... i el futur de la humanitat
- Home
- 3 of 3
Ja fa anys que el concepte d’intel·ligència artificial ha arribat a la població general, relacionant-lo amb un futur controlat per màquines, on el govern podria tenir el control de tot el que fem o pensem, i on la intel·ligència de les màquines superaria la humana. De fet, tècnicament això seria perfectament viable i, fins i tot, podríem afegir que aquestes «màquines» podrien anticipar-se a les nostres accions o fins i tot pensaments.
Més enllà d’aquests conceptes que poden sonar-nos a ciència-ficció, avui en dia la intel·ligència artificial existeix en molts àmbits de la nostra vida, encara que en molts casos en podem ser conscients o no, i pot tenir diferents noms que es confonen entre ells.
Intel·ligència artificial
És una categoria general, que es dedica a desenvolupar algorismes per tal que una màquina (un ordinador o un robot, per exemple) pugui prendre decisions en funció d’una sèrie d’estímuls i arribar a donar una solució òptima o subòptima a un problema.
No és un camp nou, els seus orígens es poden definir a partir dels treballs del matemàtic britànic Alan Turing, de durant els anys quaranta i cinquanta del segle XX. En un dels seus articles més famosos va preguntar-se: «Pot pensar una màquina?». Per respondre la pregunta, va desenvolupar un test, el test de Turing, en què una persona s’asseu en una sala i tecleja preguntes en un ordinador. Si la persona no pot distingir entre si les respostes les ha escrit una màquina o una persona, es considera que la màquina ha passat el test. Segons Alan Turing, si la màquina dona respostes que semblen intel·ligents, es pot considerar que la màquina és intel·ligent.
Avui en dia, però, la presència de la intel·ligència artificial s’engloba en gran part dins el camp de l’aprenentatge automàtic (en anglès, Machine Learning) o l’aprenentatge profund (en anglès, Deep Learning).
Aprenentatge automàtic (Machine Learning)
És un concepte aparegut l’any 1959 en un article d’Arthur Samuel, en què definia l’aprenentatge automàtic com a «l’habilitat d’aprendre sense haver estat explícitament programat». Donades grans quantitats de dades, l’aprenentatge automàtic identifica patrons de comportament i, sobre això, prediu comportaments futurs. Dit d’una altra manera, mitjançant una sèrie d’experiències prèvies, intenta donar respostes a preguntes sobre noves dades.
Aprenentatge profund (Deep Learning)
És un subcamp de l’aprenentatge automàtic. Està inspirat en l’estructura i funcionament neuronal del cervell, i imita les interconnexions entre neurones. Aquests algorismes estan formats pel que es coneix com a «xarxes neuronals» (Neural Networks), que intenten imitar l’estructura biològica del cervell.
L’aprenentatge profund pretén que les màquines «pensin» i «aprenguin» d’una forma més independent i abstracta en comparació amb la que es fa en l’aprenentatge automàtic.
…I el futur de la humanitat
Pot semblar un concepte molt ambiciós parlar del futur de la humanitat, però i si us dic que mitjançant aquestes tècniques s’estan creant millors medicaments, s’estan desenvolupant els primers robots capaços d’ajudar en operacions quirúrgiques, es pot predir l’evolució d’epidèmies, es poden conduir vehicles, es podran crear tractaments adaptats a cada pacient...? O coses no tan agradables, com ara drons que poden actuar en guerres, asseguradores que poden predir el preu d’una pòlissa en funció del risc que desenvolupem alguna malaltia, governs que podran monitorar tots els nostres moviments i predir, per exemple, què pensem sobre un tema que els interessa...?
En resum, el futur que ens donen aquestes eines és esperançador i engrescador, ja que fins al moment no els veiem un límit. De ben segur apareixeran noves aplicacions que ens ajudaran en molts aspectes, com pot ser el canvi climàtic o millorar certs aspectes del dia a dia de la població, i probablement el seu ús ens portarà a grans debats sobre quins n’han de ser els límits.