Andre Agassi y Boris Becker, dos de los grandes jugadores de la historia del tenis, entablaron una rivalidad legendaria. Sus estilos de juego eran opuestos: mientras Agassi era conocido por su habilidad en el fondo de la cancha, su agresividad y su capacidad para devolver golpes desde cualquier posición, Becker se destacaba por su saque potente y su habilidad en la red.
Sin embargo, el famoso saque de Becker nunca fue muy efectivo contra Agassi. En 2009, cuando el tenista de Las Vegas publicó su autobiografía, se entendió por qué.
Allí revela un secreto que mantuvo oculto durante años. Agassi descubrió que Becker, sin darse cuenta, hacía un movimiento con la lengua que delataba el tipo de saque que estaba a punto de efectuar. Gracias a ese gesto que había pasado inadvertido para el resto de sus rivales y para millones de televidentes, Agassi logró descifrar ese aspecto clave del juego de su rival.
Así lo cuenta en su libro: “Becker era un poco obvio. Hacía un movimiento recurrente con la lengua cuando se balanceaba para ejecutar el saque: si cerraba la boca, el saque iba al centro de la pista; si deslizaba la lengua hacia un costado, entonces seguramente realizaba un saque abierto”. Agassi tuvo que decidir con cuidado cómo usar su hallazgo. “La parte más difícil fue que no se diera cuenta en la cancha de que yo sabía lo que hacía con la lengua. Así que tuve que resistir la tentación de leer sus saques continuamente y elegir el momento en el que usar esa información”, confesó.
Agassi tenía, en el mundo del tenis, una superinteligencia que le permitía detectar rasgos casi imperceptibles para predecir la dirección de un saque. Una red neuronal funciona de la misma manera: detecta atributos que le permiten identificar si una imagen es o no la de un gato, si hay un tumor en la imagen de un pulmón o qué emoción en particular expresa la voz de una persona. Estos atributos permiten sacar conclusiones y tomar buenas decisiones en dominios muy específicos.
Como a Agassi, nadie le enseña a una red neuronal cuál es el mejor atributo para poder predecir algo. Tiene que descubrirlo a partir de una pila abismal de datos. Leer los atributos del adversario permite anticipar las acciones y movimientos del oponente y ajustar las estrategias y tácticas en consecuencia. Tomemos uno de los ejemplos más simples, el célebre juego piedra, papel o tijera. Todos lo percibimos como un juego de azar pero, a la vez, entendemos que se trata de intentar leer la mente del rival, de adivinar qué es lo que va a elegir a partir de sus gestos o de su historial de elecciones previas.
Se trata de encontrar patrones y atributos. Si un programa fuese incapaz de leernos la mente, o si nuestras elecciones fuesen completamente azarosas, no podría vencer de manera sistemática a una persona. Pero resulta que nuestras decisiones al azar no son tan azarosas después de todo. Somos más previsibles de lo que suponemos, y elegimos de acuerdo con un mecanismo inconsciente lleno de regularidades detectables –como los movimientos de la lengua de Becker– aun cuando otras personas e incluso nosotros mismos seamos incapaces de descubrirlas.
Es decir, dejamos todo tipo de trazas de nuestras elecciones, que una red neuronal puede utilizar como atributos para inferir nuestra próxima jugada. Por lo tanto, no debería sorprendernos que, en 2020, en la universidad china de Zhejiang, se diseñara una IA que detecta estos patrones ocultos con tal precisión que acabó venciendo al 95% de las personas con las que se enfrentó en partidas de piedra, papel o tijera a trescientas rondas. Como en el go, el mejor jugador del mundo de piedra, papel o tijera también es una IA. Precisamente porque aprende a detectar patrones que para la mayoría de nosotros son imperceptibles.
Una nueva era. Las IA resuelven todo tipo de problemas mejor que cualquier humano porque acceden a atributos que son efectivos para el problema que las máquinas intentan resolver. A nosotros esto nos cuesta más por la dificultad que supone identificar los rasgos más relevantes entre tantos posibles. Este es el caso del saque de Becker. Los datos están ahí, accesibles para todos, pero nuestra atención limitada hace que casi nadie, salvo un genio del juego, repare en ellos. Otras veces, hay una restricción estructural más evidente. Nuestros dispositivos sensoriales tienen limitaciones importantes, de las que no somos conscientes. Tomemos como ejemplo el oído: el rango de audición humana detecta los sonidos con frecuencias entre 20 y 20 mil Hz. Por lo tanto, una máquina, al igual que algunos animales, puede oír cosas que nosotros no percibimos. Tenemos también una limitación más profunda: la realidad puede presentar facetas cuya existencia desconocemos por completo. Imaginemos esto: si todos fuéramos sordos, ¿cómo sabríamos de la existencia del sonido? ¿Cuántas otras propiedades del mundo se nos estarán escapando, simplemente porque no tenemos los sensores para detectarlas? En definitiva, si tomamos como ejemplo el procesamiento de imágenes, las redes neuronales logran ver cosas que el ojo humano no percibe, porque tienen ventajas significativas en términos de memoria, representación multidimensional, procesamiento simultáneo y adaptación.
Pensar es olvidar diferencias. Así sintetiza Jorge Luis Borges un rasgo fundamental de la inteligencia en la historia de un tal Funes, quien, tras sufrir un accidente, ha adquirido una memoria prodigiosa que lo obliga a recordar todos los detalles de su vida y del mundo que lo rodea. A priori, esto puede parecer propio de un genio, pero Borges esboza una tesis sobre la inteligencia y muestra que, por el contrario, esta memoria tan detallada entorpece uno de sus rasgos fundamentales. De cada percepción, Funes hace una característica única: “No solo le costaba comprender que el símbolo genérico ‘perro’ abarcara tantos individuos dispares de diversos tamaños y diversa forma; le molestaba que el perro de las tres y catorce (visto de perfil) tuviera el mismo nombre que el perro de las tres y cuarto (visto de frente)”.
La historia de Funes exhibe uno de los principales peligros que implica la abundancia de datos. Entender algo requiere identificar los atributos para comprender qué hace a un objeto, pero también saber ignorar aquellos que son irrelevantes. Para identificar un perro hace falta ver que ladra, que tiene orejas y cuatro patas, sin distraerse con el color, la altura, el pelaje u otros detalles de un perro en particular.
La capacidad de abstraer y generalizar es, como afirma Borges, un aspecto central del pensamiento. Y en esto también las máquinas tienen todo lo que necesitan para aventajarnos: ven cosas que nosotros no podemos ver. También nos superan ampliamente en la capacidad de identificar, entre millones de características, cuáles son las más eficientes para resolver un problema, y cuáles son las irrelevantes, las que conviene ignorar. Eso es exactamente en lo que las IA son excelsas. Por eso, una IA puede, en poquísimo tiempo (pero con muchos datos), determinar con mayor precisión si una radiografía muestra algún signo de patología que un médico especializado, que ha estudiado durante años. Esto es gracias a esa ventaja fundamental en la capacidad de analizar todas las combinaciones posibles y ver cuáles resultan más informativas.
Sobre esta base logra, en algunos dominios, una performance sobrehumana en términos de precisión, velocidad y alcance.
*Doctor en neurociencia. Es uno de los directores del proyecto Human Brain Project.
**Emprendedor y tecnólogo.
