SorayaPaniagua Ⓢ

“Machine Learning es la tecnología que usamos para construir Inteligencia Artificial… Es lo que permite que la magia se produzca” así comenzaba su charla Jeremiah Harmsen, líder de Investigación de Google Europa, en el evento “The magic in the machine” organizado por Campus Madrid. Google quiere que los desarrolladores usen TensorFlow, su sistema open source de Machine Learning, y para ello nada mejor que divulgar las buenas prácticas tanto internas como externas.

En el evento, que tuvo lugar el jueves 6 de abril, además de Harmsen también participaron Sergio Guadarrama, ingeniero Español del equipo de Google Research, Gema Parreño, Científica de Datos en BBVA, Saaf Ansari, responsable de tecnología de Connecterra, Jorge Schnura, fundador de sourced y Cristina Retana, directora Editorial de Wolters Kluwer.

La intervención de Harmsen se centró en divulgar, y hacer compresibles, los conceptos de Inteligencia Artificial (IA), Machine Learning (ML) y Deep Learning (DL). Según Harmsen la IA permite que las máquinas sean más listas y quiso aclarar, además, dos confusiones que se producen con frecuencia: primero que la Inteligencia Artificial no es solo robótica, son muchas cosas más, y que tampoco es algo nuevo, se remonta a los años 50. Machine Learning es una parte importante de la Inteligencia Artificial que se basa en el entrenamiento de un programa mediante ejemplos, en vez de hacerlo con líneas de código. Deep Learning es una rama de Machine Learning inspirada en el cerebro humano, en sus redes neuronales. Así llegamos hasta TensorFlow que es una plataforma de código abierto creada especialmente por Google para las investigaciones con redes neuronales profundas (DL).

Desde hace varios años, Google viene aplicando Machine Learning a gran parte de su portfolio de productos (Traductor, Buscador, Fotos, Mapas, etc.). Actualmente un 25 % de su reconocimiento de voz se basa en Deep Learning, también el bloqueo del 99 % del spam en el Gmail o el 10 % de las respuestas automáticas de Inbox.

Sergio Guadarrama nos mostró algunos ejemplos de aplicación de TensorFlow en el ámbito del reconocimiento de imágenes, el procesamiento de lenguaje natural y también en el mudo artístico. Nos habló del proyecto Magenta, dentro de Google Brain. Se trata de un pequeño equipo que usa redes neuronales, de un mismo estilo, en proyectos de arte como diálogos musicales con una máquina (AI Duet) o mostrar cómo sería una foto cualquiera convertida en una obra de arte hecha por Picasso o Van Gogh.

Proyectos españoles con TensorFlow

Tras las presentaciones corporativas, tuvimos la oportunidad de conocer algunos proyectos españoles de aplicación de TensorFlow y también una experiencia personal muy interesante, y a tener en cuenta por aquellos que quieran buscar nuevas oportunidades profesionales. Se trata del caso de Gema Parreño que actualmente es Científica de Datos en BBVA y experta en redes neuronales. Tras desarrollar su carrera profesional en torno a la arquitectura y la animación 3D, en 2015 Gema decidió aprender a usar TensorFlow, justo cuando Google liberó la plataforma. Se especializó en el diseño de redes neuronales con TF.  

En 2016, junto a cinco personas más, Gema presentó un proyecto al concurso anual NASA Challenges. Ese año el reto era cómo hacer frente a los impactos de asteroides sobre la superficie de la tierra. La solución que propuso el equipo de Gema fue una red neuronal que ayudaba a clasificar y detectar impactos. El proyecto fue seleccionado entre más de 1900 como uno de los 25 más innovadores del mundo, y entre los cinco de mejor uso de los datos. Pero lo que realmente valoró la Agencia Espacial es que el equipo español había sido capaz de enseñar a la red neuronal a cambiar a lo largo del tiempo, según ella misma comenta: “No enseñamos a la maquina a resolver un problema sino a aprender a resolver un problema”.

Jorge Schnura, fundador de source{d}, nos habló de cómo usan Deep Learning y TensorFlow para analizar el código de 6,6 millones de desarrolladores en todo el mundo y así poder ayudar a las empresas a encontrar los perfiles que realmente necesitan. Actualmente trabajan con 300 empresas en todo el mundo. Schnura también anunció su próximo lanzamiento, un asistente de programación. Así lo explicaba él mismo: “Nosotros, al entender tu estilo de programación, al entender cómo programa el resto de tu equipo y el código en el que trabaja tu empresa podemos ayudarte a programar mejor y más rápido… Predecimos varias líneas de código e incluso somos capaces de mejorar el estilo de programación para que sea más eficiente y evitar problemas de seguridad”.

Cristina Retana, directora Editorial y de Contenidos de Wolters Kluwer España, presentó Jurimetría,  TensorFlow en el ámbito jurídico. Jurimetría permite tomar decisiones procesales de forma rápida a través de indicadores gráficos basados en el análisis cognitivo de millones de decisiones judiciales. Hablamos de argumentación legal y estrategia procesal fundada en criterios predictivos. Según Retana: “Al final lo que queremos es que un abogado pueda decir a su cliente qué probabilidades de éxito puede tener, y cuál va ser la duración, conocer mejor al abogado de la otra parte y la fijación de un litigio”.

Sergio Guadarrama, Jorge Schnura, Cristina Retana y Saaf Ansari.