El pasado 31 de diciembre, seis días antes del primer anuncio que hizo el Centro de Control de Enfermedades de Estados Unidos (CDC, según la sigla en inglés), y nueve días antes de que lo hiciera la Organización Mundial de la Salud (OMS), la empresa BlueDot de inteligencia artificial dio a conocer a sus clientes la primera advertencia sobre el brote el coronavirus en la ciudad china de Wuhan.
¿Cómo supo la mencionada empresa canadiense diagnosticar todavía en su primera fase el brote de la enfermedad, que se originó en el mercado de alimentos de la ciudad china? La respuesta: gracias a prácticas del mundo de la inteligencia artificial (IA), un campo de estudios que tiene cuarenta años y que en los últimos tiempos se volvió importante en el mundo académico y en el de la Medicina, así como en los centros de investigación y desarrollo de las empresas gigantes de la tecnología. Eso incluye una recolección infinita de datos relevantes de diversos campos, que se analizan y procesan con objeto de tener una idea clara y una visión científica significativas que habrán de llevar a un diagnóstico, un pronóstico o una advertencia.
El algoritmo de BlueDot escanea y procesa constantemente informaciones y noticias en todos los idiomas, foros, blogs y redes sociales que se dedican al tema del brote de enfermedades en plantas y en animales, datos de compra y venta de pasajes en avión y otros, a fin de obtener señales de situaciones excepcionales, fuera de lo común.
Kamran Khan, fundador y director general de BlueDot, le mencionó a la revista Wired que una de sus mejores fuentes es la de datos sobre la compra de pasajes de avión en todo el mundo. Así fue posible calcular que el coronavirus pasaría de Wahn a Bangkok, a Seúl, a Taipei y a Tokio después del primer brote. Otros expertos consideran que el seguimiento de lo que informaban los medios de comunicación en Wahn desempeñó un papel muy importante.
Pero BlueDot no se limita a procesar datos y a hacer un análisis automático. Cuando terminan con esta fase, entra el elemento humano: epidemiólogos revisan los resultados, analizan si las conclusiones son lógicas, y sólo entonces envían informes a entes gubernamentales y a instituciones sanitarias, así como a líneas aéreas y hospitales.
Hoy en día, los conceptos “inteligencia artificial” y “aprendizaje automático” forman parte de casi todos los inventos y desarrollos tecnológicos importantes. De hecho, están relacionados con una amplia red de tecnologías, desde el reconocimiento facial en IPhone, hasta pronosticar desastres o ataques terroristas utilizando la enorme potencia informática que viene de la “nube”. Hace muy poco, investigadores de Google descubrieron y dieron a conocer modelos que ayudan a hacer un pronóstico de un fenómeno climático, como una lluvia intensa, que se producirá casi de inmediato: en un máximo de hasta seis horas antes de que se produzcan. De esa manera, con una certeza casi absoluta, sabremos que aunque la mañana sea soleada conviene ir al trabajo con un paraguas y un impermeable.
Aun así, el prometedor instrumento está lejos de ser perfecto, y además plantea dilemas éticos y morales complejos. La semana pasada, por ejemplo, se autorizó oficialmente que los agentes de la Policía Metropolitana de Londres (MET, según las siglas en inglés) utilicen tecnologías de reconocimiento facial para dar con personas desaparecidas o a las que se busca por otros motivos. Y ello por medio de una comparación computarizada de fotos “hechas en el terreno” y grandes bases de datos. En las grandes ciudades de China comunista ya se ha convertido en algo habitual, pero su puesta en marcha en la capital británica, uno de los símbolos de la democracia en Occidente, es algo nuevo. Es cierto que la Policía promete que la tecnología se aplicará sólo en “lugares específicos”, y que no estará conectada con el resto de las cámaras de seguimiento que hay en la ciudad. Pero la decisión “levanta ampollas” entre los defensores de los derechos humanos y en organizaciones que exigen que se proteja la privacidad.
La tecnología de reconocimiento facial ha avanzado mucho con los años, pero se descubrió que tenía grietas preocupantes. Además de la invasión de la privacidad, en las investigaciones se vio que identifica mejor a un tipo determinado de personas, generalmente hombres blancos, y menos a otras, en general mujeres negras. Es decir, que es tendenciosa de manera significativa desde el momento mismo en el que se ingresan los datos en el sistema. En pruebas que se llevaron a cabo a comienzos del año 2019 en la Policía de Londres, se observó que sólo un 70 por ciento de las que se detectó a través del sistema de reconocimiento facial eran efectivamente personas a las que se buscaba. Investigadores de la británica Universidad de Essex sostienen incluso que en seis de las pruebas en las que se identificó a cuarenta y dos personas, “sólo respecto a ocho se puede decir con certeza absoluta que ello se debió a la tecnología”.
Varias ciudades de Estados Unidos prohibieron el uso del reconocimiento facial. Quienes se opusieron a dicha tecnología citaron un artículo de Izikal Edwards, de la Unión Estadounidense por las Libertades, publicado en el Huffington Post. “La calidad del pronóstico depende de la calidad de la información que se introducen en el sistema”, escribió Edwards. “Si se introduce basura, sale basura. Y es sabido que la información que reúne la Policía es mala, incompleta y tendenciosa en cuanto a la raza”.
En una reunión del Shin Bet (el servicio de inteligencia y seguridad general interior de Israel) que se llevó a cabo hace algunas semanas, se revelaron muchos secretos sobre el sistema de reconocimiento facial que utilizan los organismos de seguridad con objeto de pronosticar actos terroristas y para dar con los repsonsables. “No tenemos sistemas de prevención que no incluyan IA”, explicó A., destacado miembro de la sección de Tecnologías de la Información del servicio de inteligencia. Otros destacados miembros de dicho organismo afirmaron que la capacidad de su sistema, que procesa enormes cantidades de datos –entre éstos, mensajes en las redes sociales– y los analiza por medio de inteligencia artificial, es superior a las de Facebook y Google. Ello permite hacer un seguimiento en profundidad de sospechosos, detectar e identificar “patrones”, y puede advertir de la existencia y ubicación de organizaciones terroristas, de transacciones y negocios extraños, y acerca de sus intenciones de actuar en breve tiempo.
Lo que no se dio a conocer sobre este sistema de reconocimiento facial se puede adivinar por las características de otro sistema, más modesto y también basado en inteligencia artificial, que utiliza la Policía de Los Ángeles, así como decenas de comisarías en todo Estados Unidos y en el resto del mundo. Este sistema se maneja con un programa que lleva el nombre de PredPol, y que trata de predecir cuándo y dónde se va a producir un delito e incluso quién podría cometerlo.
Los datos e informaciones que se introducen en el sistema incluyen estadísticas detalladas sobre delitos anteriores, así como diferentes elementos que se sabe que influyen sobre el aumento de la delincuencia: ambientales, sociales y económicos. El programa analiza la información, detecta pautas y patrones, y hace un mapa de zonas “calientes”. Con las mismas herramientas también se puede predecir qué personas están implicadas en delitos violentos, y estar preparados para ello.
El esfuerzo por pronosticar desastres naturales o brotes de enfermedades casi obliga a usar herramientas de inteligencia artificial. Google acumuló una enorme experiencia en ese campo, y ya lo utilizó en la fabricación de su motor de búsqueda. Actualmente Google Brain, el equipo de investigación más importante de la empresa en el campo de la IA, se dedica a elaborar herramientas para la detección precoz de enfermedades, el pronóstico de terremotos y sistemas de defensa contra ataques cibernéticos.
De dicho equipo se habló en los medios de comunicación a principios de año, cuando Google declaró que su sistema de inteligencia artificial logró detectar cáncer de mama en mamografías mejor que expertos radiólogos. El año pasado, investigadores del Instituto Tecnológico de Massachusetts (conocido por su sigla en inglés MIT) hicieron un anuncio similar acerca de un sistema capaz de pronosticar la enfermedad cinco años antes de que aparezca. También IBM comunicó sobre su capacidad de detección precoz de enfermedades.
Pero los expertos sostienen que cuando se examina a personas que no presentan síntomas especiales, en muchos casos se dan resultados que parecen cáncer pero que no son peligrosos: no todos los tumores son letales y terminarán en muerte. Es más, estudios mostraron que muchos diagnósticos despiertan polémica incluso entre médicos. Al intentar convertir un diagnóstico en automático se corre el riesgo de “sobrediagnosticar” y aplicar un “sobretratamiento” o tratamiento excesivo, lo que en ocasiones incluso agrava problemas existentes.
Parte de las ventajas de la inteligencia artificial consiste en que con la ayuda del escaneo de una enorme variedad de datos se descubren “patrones”, y aparecen variables que anteriormente no parecían importantes, lo que ayuda a diagnosticar enfermedades, terremotos o epidemias. Pero a veces esas variables no son importantes, y pueden llevar a un error.
La doctora Kira Radinsky, una de las expertas más importantes de Israel en el campo de la IA y que fue “científica principal” de eBay en Israel, recuerda el caso de investigadores de Google Trends del año 2013. Dichos investigadores estaban seguros de que habían encontrado una vía fácil para pronosticar un brote de gripe fuera de lo común, tomando en cuenta el aumento del número de personas que buscaron la palabra "gripe" en internet. El sistema fue un éxito, hasta que apareció un pronóstico especialmente preocupante sobre un enorme número de personas que iban a enfermar de gripe porcina en Estados Unidos en el 2013. Pero el aumento del número de personas que habían buscado la palabra se produjo simplemente porque muchas personas habían leído acerca del brote de la gripe en otros lugares, y enseguida buscaron datos en la red.
En opinión de la doctora Mijal Rozen-Tsvi, del laboratorio de investigación de IBM en Haifa, “la relación entre inteligencia artificial, computadoras, big data y análisis de datos mejora el diagnóstico médico. Se puede utilizar la tecnología como respaldo, como si se tratara de más ojos que examinan las imágenes y los datos, descubren errores y los difunden”.
También Radinsky aplaca el entusiasmo: “La inteligencia artificial puede detectar e identificar patrones que se repiten. Su capacidad de generalización es limitada, Está lejos de "entender". Pero puede usar sistemas que apoyen una decisión detrás de la cual está el ser humano. Este tipo de sistemas nos indican dónde buscar una aguja en un pajar y dónde mirar. Pero eso no quiere decir que encuentren la aguja y nos la proporcionen”.
Actualmente Radinsky es presidenta y subdirectora de tecnologías en Diagnostic Robotics, que elaboró un sistema de inteligencia artificial que ayuda a reducir las colas por medio de un diagnóstico primario rápido de las personas examinadas. El programa puede pronosticar si va a surgir un problema de salud, y le hace recomendaciones al médico respecto del diagnóstico del problema, el grado de urgencia y las posibilidades de tratamiento. “La inteligencia artificial no debe sustituir al médico de ninguna manera, pero sí puede reducir el desgaste y el exceso de carga”, sostiene.
Por cierto, en Estados Unidos recurren al “aprendizaje automático” para el diagnóstico de diabetes: se descubrió que es posible “entrenar” a las computadoras para que detecten señales de la enfermedad en la córnea.
A expertos de todo el mundo les preocupa la posibilidad de que la tecnología agrave la crisis climática. El mes pasado, miembros del Instituto de Investigaciones OpenAI de San Francisco descubrieron un algoritmo que puede enseñar a manipular el cubo húngaro (o cubo de Rubik) con la ayuda de un brazo robótico. Para lograrlo fueron necesarias más de mil computadoras de mesa y una docena de computadoras de gráficas, las que hicieron cálculos intensivos durante varios meses. El esfuerzo requirió unos 2,8 gigavatios de electricidad, equivalente a la producción de tres estaciones eléctricas nucleares por hora.
Otro ejemplo es el procesamiento en el campo de los idiomas. Nosotros les hablamos a los aparatos en un idioma que nos es natural, y ellos lo “entienden”. Según diversos estudios, la preparación de un “motor” lingüístico requiere una capacidad de cálculo que utiliza la misma energía que un coche a lo largo de toda la vida. Los “centros de procesamiento de datos” –se trata de sitios gigantescos en los que se hacen los cálculos de la “nube”– utilizan alrededor de un 2 por ciento del consumo de electricidad de todo Estados Unidos. En otros lugares, consumen al año más energía que varios países juntos. El pronóstico es que hasta el año 2030 la tecnología de la computación y de las comunicaciones consumirá entre el 8 y el 20 por ciento de la electricidad del mundo, y los centros de datos utilizarán un tercio de esta cantidad.
Pero. en opinión del catedrático Oren Etsioni, que dirige el Instituto Paul Allen de Inteligencia Artificial, todo ese campo avanza hacia la eficacia energética, “lo que contribuirá a evitar catástrofes climáticas”. Google ya habla de “cero emisiones de carbono neto” en sus centros de datos, gracias a aparatos para la renovación de la energía. Y Microsoft tiene programado “decir no al carbono definitivamente” a más tardar en el año 2030.
