DeepMind es una empresa británica de Inteligencia Artificial que fue relativamente desconocida hasta su compra por parte de Google por alrededor de 600 millones de dólares en 2014. Desde entonces DeepMind ha continuado perfeccionando su tecnología impulsada por redes neuronales que ha roto nuevas fronteras con el machine learning y, en particular, en el deep learning.

En este interesante artículo, Forbes nos muestra una serie resultados obtenidos por DeepMind en distintos ámbitos, los cuales, más allá de su importancia actual, nos muestran la potencialidad de la aplicación de estas tecnologías a cualquier tipo de negocio, además de la estrategia seguida para avanzar tecnológicamente en el campo del aprendizaje automático.

Juegos

El logro más famoso de DeepMind hasta ahora es ser el cerebro detrás de AlphaGo, el primer programa que ha vencido a un jugador profesional del juego de mesa Go. AlphaGo fue desarrollado alimentando los algoritmos de aprendizaje automático de DeepMind con 30 millones de movimientos procedentes de datos de torneos históricos, y luego haciéndolo jugar contra sí mismo para aprender de cada derrota o victoria.

Siguiendo dentro del ámbito de los juegos, otra área en la que se ha probado DeepMind es en juegos arcade de los años 70 y 80. Este video muestra como el programa aprende a jugar a Breakout de Atari, sin saber nada del juego, simplemente se le dijo que hiciera el mayor número de anotaciones que pudiera, y después de dos horas de entrenamiento se convirtió en un experto en el juego. Los procesos cognitivos que atravesó el sistema de inteligencia artificial fueron muy parecidos a los que un ser humano que nunca había visto un juego usaría para entenderlo e intentar dominarlo. Por ello, aunque Google piensa que es poco probable que se obtengan grandes beneficios económicos a corto plazo con este tipo de aplicaciones, el caso de negocio se ve en el avance que supone en los campos del aprendizaje automático y redes neuronales simuladas (desarrollo de máquinas con procesos de pensamiento más humano) con la capacidad de llevar a cabo trabajos que anteriormente habrían requerido la participación de seres humanos previamente adiestrados en ellos.

Salud

Gracias a un proyecto en colaboración con el London Eye Hospital de Moorfields, DeepMind ha tenido acceso a un millón de imágenes de exploraciones históricas de los ojos, junto con datos (anónimos) de los pacientes correspondientes. El objetivo es que los avances en de las tecnologías de inteligencia artificial permitan detectar señales de advertencia de signos degenerativos mucho antes de lo que pudiera hacer un ser humano.

DeepMind también se ha aplicado en numerosos otros proyectos de salud, como una colaboración con el departamento de radioterapia de la UCL para reducir la cantidad de tiempo que se tarda en planificar (de cuatro horas a aproximadamente a una hora) los tratamientos de radioterapia, a partir del mapeo de la cabeza y el cuello de un paciente.

En otro proyecto el campo de la salud, DeepMind ha estado desarrollando una aplicación de "alerta temprana" conocida como Stream, que entrará en uso el próximo año. Stream analiza los datos del paciente y envía alertas vía smartphone directamente a un médico o enfermera cuando considera que puede ser necesaria una intervención urgente. Inicialmente se está entrenando para detectar signos de (acute kidney injury - AKI), pero podría aprender a detectar muchas otras afecciones.

Al igual que en el caso de los juegos, Google no prevé beneficios directos de estas colaboraciones en el ámbito de la salud, lo que inicialmente puede parecer extraño teniendo en cuenta el gasto de más de medio millón de dólares en el desarrollo de las herramientas para hacer estos trabajos. Pero en realidad lo que Google está haciendo es permanecer fiel a su creencia esencial de que el conocimiento (o los datos) constituyen el verdadero beneficio. La experiencia y el aprendizaje que DeepMind adquirirá al analizar estos “data sets” médicos es un beneficio en sí mismo, y ayudará a perfeccionar sus procesos cognitivos, permitiéndole abordar desafíos cada vez más complejos.

Energía

Sin embargo Google espera obtener beneficios económicos a corto plazo de otras aplicaciones de DeepMind, como por ejemplo en la gestión del consumo de energía en sus centros de datos masivos, donde Google afirma que ha reducido la energía utilizada para el enfriamiento en un 40%. Esto se ha conseguido alimentando el sistema con datos históricos de los sensores, los cuales se ajustan dinámicamente de acuerdo a la demanda, ya que los cambios en la actividad del usuario varían entre los distintos servicios (búsqueda en la web, almacenamiento en la nube, gmail, vídeos de Youtube, etc.). Después del éxito de las pruebas realizadas prevén tener esta tecnología operativa pronto en sus 16 principales datacenters.

Al encontrar un equilibrio entre oportunidades comerciales y oportunidades de aprendizaje, DeepMind ha demostrado que está adoptando un enfoque a largo plazo para el desarrollo de sus tecnologías de inteligencia artificial. De hecho, no es muy diferente de la forma en que un padre o maestro (humano) puede acercarse a supervisar el desarrollo intelectual de un niño. Tal vez estos movimientos de DeepMind nos deberían hacer ver que es preferible dar a las incipientes tecnologías de inteligencia artificial tiempo para jugar (y para encontrarse sus propios pies), antes de ponerlas en el mundo y esperar a que se ganen la vida, y que esto llevará al desarrollo de unas más precisas  y saludables tecnologías de inteligencia artificial cuando alcancen su edad “adulta”.