La inteligencia artificial (IA) es el motor de la revolución industrial 4.0. La disponibilidad de grandes volúmenes de datos y la mejora de los recursos computacionales han generado nuevos modelos basados en redes neuronales de muchas capas, lo que llamamos aprendizaje profundo (Deep Learning). Esta tecnología que nos permite analizar datos, aprender de lo que nos dicen y ser capaces de generar predicciones. El potencial de estas tecnologías se está desplegando con fuerza para revolucionar el ámbito industrial, las telecomunicaciones o la logística. El portal de referencia glassdoor.com ha escogido el científico de datos como el mejor perfil laboral en Estados Unidos, siendo la experiencia en aprendizaje profundo la competencia más solicitada. Para conocer un poco más sobre aplicaciones reales de estas tecnologías y cuáles son los retos de futuro para sus profesionales, entrevistamos Xavi Giró Nieto y Marta Ruiz Costa-Jussà, codirectores académicos del posgrado en Artificial Intelligence with Deep Learning que la UPC School pone en marcha en febrero.
En todas partes ahora oímos hablar de la explosión de términos como Inteligencia Artificial, Machine Learning, Deep Learning… ¿Qué implican exactamente y qué diferencia hay entre ellos?
Inteligencia Artificial se refiere a que las máquinas sean capaces de realizar acciones que requieren cierta habilidad humana: comunicarse o conducir un coche serían ejemplos. El aprendizaje automático (machine learning) son técnicas que se utilizan para que las máquinas se autoprogramen a partir de datos. Y el aprendizaje profundo (deep learning) es un caso particular del aprendizaje automático, en que el se programa un tipo concreto de modelo llamado redes neuronales de muchas capas.
¿Qué tipo de aplicaciones profesionales y oportunidades se derivarán de esta tecnología?
Las aplicaciones del aprendizaje profundo son muy extensas, ya que reformulan completamente el rol de los programadores. En vez de esperar a que el programador defina manualmente las operaciones a ejecutar, en el aprendizaje profundo el principal rol del desarrollador es el de preparar los datos para que el sistema se pueda auto-programar él mismo. La clave para un buen funcionamiento está en la disponibilidad de suficientes datos que representen bien el problema. A nivel profesional, una gran cantidad de los programadores se están reciclando para seguir este nuevo paradigma de programación y, al mismo tiempo, ha surgido la figura del anotador, que se encarga justamente de preparar los datos.
¿En qué punto estamos actualmente en cuanto a su madurez?
Las bases matemáticas del aprendizaje profundo hace tiempo que se han desarrollado, sin embargo, recientemente, la reducción de costes en computación y la gran cantidad de datos generados han favorecido que estos algoritmos se puedan entrenar y obtener aplicaciones que funcionan correctamente. Los campos más maduros y revolucionarios hoy en día tienen que ver con el procesamiento de datos perceptuales, como las imágenes, el audio o el texto. Así pues, los mejores asistentes por imagen médica, reconocedores del habla o traductores automáticos ya se han implementado con redes neuronales profundas. Lo más importante, sin embargo, es que las mismas técnicas se pueden aplicar en nuevos dominios, siempre que se disponga de suficientes datos, como pueden ser los recomendadores, predictores de mercados financieros, o chatbots para resolver una parte de las tareas de atención al cliente.
¿Cómo pueden las empresas aprovechar las oportunidades de la Inteligencia Artificial?
Ahora mismo, la principal oportunidad está en ser el primero en aplicar estas técnicas ya maduras en un nuevo campo. Lo estamos viendo en la ciencia, donde el aprendizaje profundo está haciendo el salto a la física, la astronomía o la genómica, y también en la industria, donde la mayoría de sectores se basan en programas hechos a mano. Si una empresa dispone de muchos datos del problema que quiere resolver, probablemente tenga una oportunidad para mejorar la calidad y recortar enormemente el tiempo de desarrollo.
¿Qué competencias deben tener los profesionales que liderarán nuevos modelos de negocio en esta área?
El perfil completo para poder extraer el máximo beneficio de estas herramientas incluye una buena base matemática, para entender la teoría de los algoritmos, unas habilidades informáticas para poder entender las posibilidades y las limitaciones de las implementaciones y finalmente, una vertiente de ingeniero de datos para comprender la naturaleza de la información con la que se trabaja y sus oportunidades.
En febrero pondréis en marcha la primera edición del posgrado en Artificial Intelligence with Deep Learning. ¿Por qué la creación de este programa formativo impulsado por la UPC?
Desde 2016 ofrecemos asignaturas de aprendizaje profundo en el máster universitario de la Escuela de Telecomunicaciones de la UPC, y cada año también hemos recibido solicitudes por parte de profesionales en activo para asistir. Viendo el aumento en la demanda, hemos querido ofrecer un programa pensado para profesionales en activo, o estudiantes interesados en una intensificación en el aprendizaje profundo. Además, cuando hablamos con las empresas, todas se quejan de la dificultad de encontrar a profesionales con esta formación. Creemos que el posgrado dará respuesta a las dos demandas: la de formación por parte de profesionales, y en la de profesionales por parte de las empresas.
¿Cuáles son las salidas profesionales de este programa?
El programa da una sólida base teórica y práctica del aprendizaje profundo. Por tanto, las salidas profesionales serán tanto a nivel de líderes de grupos técnicos como de grandes, medianas y pequeñas empresas. También se dirige a programadores expertos en los mismos grupos.