VALÈNCIA. Desde la dirección el Data and AI Systems Laboratory (DASLab) de la Universidad de Harvard, el griego Stratos Idreos, impulsa un cambio de paradigma en la forma de afrontar la inteligencia artificial. Lo hace con visión sistémica y todavía desde una perspectiva esencialmente académica. 

Difícil cambiar la dinámica de un sector tecnológico recalentado, obsesionado con atraer la atención de los inversores para financiar la estratosférica expansión de la nueva infraestructura de la IA. Pero Stratos Idreos, que ha visitado Valencia para participar en la Jornada Smart Business Lab, tiene la intención de insistir. Fundamentalmente, porque no concibe otra forma de aterrizar esta asombrosa tecnología al nivel de las personas y las empresas.

- ¿Cuáles son las principales líneas de investigación del DASLab?

- Mi mayor teoría en estos momentos es que necesitamos tener un tipo de sistema diferente, un sistema que esté verdaderamente hecho para la inteligencia artificial (IA).

- ¿Te refieres a un sistema de almacenamiento o gestión de los datos?

- Si miras atrás en la historia, y ves los tipos de sistemas que el sector tecnológico ha construido y que realmente marcaron una gran diferencia, compruebas que, cada vez que teníamos un problema enorme, la gente decidía eliminar esa complejidad. Así surgieron el sistema operativo del PC, las bases de datos y la nube. Estamos en una situación muy similar ahora mismo. Hablamos de IA y sabemos que tiene que ver con modelos, con datos y con personas, hay muchos componentes en movimiento. Pero, aun así, ¿cómo se entiende la IA? ¿Cómo se hace la IA? Es extremadamente complejo. 

- Nadie cuestiona hoy los grandes modelos de IA que están detrás de aplicaciones como ChatGPT.

- Los modelos no son suficientes. Pueden hacer una cosa pequeña, pero, en realidad, se necesita mucha infraestructura para resolver problemas complejos, cientos de modelos para cada problema. Y si eres una empresa o una ciudad, necesitas abordar muchos de ellos. Tal como están las cosas hoy, ni siquiera podemos crear un modelo fácilmente, puede costar uno o dos años. Entonces, ¿cómo llegar a cientos y cientos de modelos? Hay mucho potencial, pero todavía no disponemos de los sistemas para aprovecharlo por esa complejidad.

- Los responsables de tecnología de las empresas coinciden en que los modelos de IA abiertos son fundamentalmente chinos, que se necesita personal y que los datos de que disponen no están actualizados. De modo que construir una IA adaptada para una empresa es realmente difícil.

- Con los sistemas en los que estamos trabajando en mi laboratorio puedes crear tus propios modelos, cientos de ellos, incluso uno al día si el sistema es lo suficientemente rápido. Es la misma transformación que ocurrió con las bases de datos: antes de que existieran, para almacenar y analizar la información tenías que armar un enorme equipo de ingenieros que supieran escribir código, de modo que solo las grandes empresas podían hacerlo. Ahora con SQL (structured query language), está al alcance de cualquiera. 

Mi gran objetivo es desarrollar este tipo de sistemas que aparten toda la complejidad de la IA para que lo único que quede sea la creatividad. Que todos puedan construir IA sin tener que ser ingenieros ni preocuparse por cómo conseguir un modelo o los datos, que es algo propenso a errores, lento y realmente inaccesible.

- ¿Es una cuestión de hardware, de software o de filosofía? 

- Estamos intentando resolver la IA de manera genérica, mediante la noción de sistemas autodiseñados. Es muy emocionante. Nuestra idea es que, si tienes un problema muy complejo, puedes resolverlo de muchas formas distintas, dependiendo de los datos y el contexto. ¿Cuál es la correcta? Nos planteamos la pregunta: "¿podemos crear un sistema que determine las posibles maneras de diseñarlo y luego cree algoritmos que exploren ese espacio?". Bastará que le digas: "aquí está mi contexto, aquí están mis datos, aquí está el tipo de consultas que quiero hacer" y generará automáticamente el sistema solo para ti. Pueden ser hasta mil veces más rápidos en comparación con los mejores sistemas actuales. 

- ¿Lo habéis probado?

- Lo hemos hecho para IA de imágenes últimamente y para los algoritmos que entrenan grandes modelos de lenguaje. Y ahora lo estamos haciendo para toda la IA. Puedes decir: "quiero resolver este problema con IA" y ese sistema autodiseñado genera todo, de abajo a arriba, incluyendo tus modelos y cómo deben ser tus datos y tus agentes. Lo que el humano debería estar haciendo es la parte realmente importante, lo que la tecnología no puede automatizar, lo que solo las personas saben hacer.

- ¿Cómo pretendes escalar ese concepto? Una gran empresa tecnológica dirá que es interesante, pero que está invirtiendo mil millones de dólares en otra dirección y no va a cambiar. 

Todavía estoy navegando en eso yo mismo. De hecho, tenemos una startup en la que estamos haciendo exactamente eso. Nuestro argumento es que estamos resolviendo los problemas más difíciles de las empresas al generar inteligencia personalizada. Sólo se les puede mostrar eso con una demo, no hay otra manera. Es como en cualquier negocio, "ver para creer". Nos estamos enfocando en casos de uso muy específicos y resolviéndolos uno por uno. No creo que sea diferente a cualquier otro problema complejo que intentemos resolver.

- Según esa visión, necesitamos menos infraestructura de la que se está planeando. 

- La tecnología se está volviendo más rápida y mejor. Ahora es muy caro entrenar un modelo, pero será 10.000 veces más rápido en unos años, aunque para entonces como sociedad tendremos el apetito de resolver 10.000 veces más problemas. Las necesidades computacionales están ahí y van a crecer. Los políticos y la sociedad deben unirse para hacerlo correctamente y de una manera accesible, para que todas las ciudades y personas tengan acceso. Va a ser transformador, todos deberían tener el acceso adecuado a la tecnología.

- Es fácil sentir miedo con la IA física, con la robótica, porque crearla de forma incorrecta podría ser peligroso.

- Yo usaría también la palabra peligroso. Por eso necesitamos verdaderos sistemas de inteligencia, para poder tener control. Cuando pagas un café con tu teléfono en Valencia, confías plenamente en la tecnología porque se basa en matemáticas, sistemas de gestión de datos y transacciones que podemos explicar y programar. Con la IA aún no estamos ahí porque no tenemos estos tipos de sistemas. Con un robot, el modelo mental es que un equipo de ingenieros programará algo y quién sabe qué pasará. Especialmente si involucras algoritmos probabilísticos y modelos que se comportan de manera impredecible, ahí tienes un problema.

- Cuando escuchas anuncios de líderes tecnológicos anunciando cosas imposibles gracias a la IA, ¿qué porcentaje es ambición innovadora y cuánto es marketing?

- Cuando escuchas hablar a un CEO, es 100% marketing. La única ambición aquí debería ser mejorar la vida humana, y hay una oportunidad muy real para eso. Lo que nos debería importar como personas es que la industria correcta avance y el sector público invierta para resolver problemas reales, como la atención médica y las enfermedades raras. Debemos redirigir la atención hacia aquellos que dicen: "creé un nuevo método que me permite confiar un poco más en la IA", lo cual es vital.

- Hay dos grandes modelos de gestión de datos en el mundo: el modelo chino de propiedad estatal y el modelo del sector privado en los países occidentales. ¿Cuál crees que ganará en el futuro?

- Creo que ninguno de los dos. Todos tendrán su utilidad, pero lo que debería emocionarnos como sociedad es la capacidad de que cualquiera pueda crear su propio modelo para resolver su caso de uso particular con sus propios datos privados, sin tener que pasar por una gran empresa centralizada que toma todos tus datos. Si las personas mantienen su independencia, será extremadamente poderoso. Podrás resolver problemas locales o enfermedades raras creando modelos pequeños que tal vez puedas entrenar en tu propia casa con un solo equipo si tienes las herramientas adecuadas. Necesitamos herramientas que eliminen la complejidad para darnos esa independencia.

- En Europa estamos muy preocupados por la soberanía de los datos. Tememos que si los ponemos en una corporación de Estados Unidos su Gobierno los va a capturar. 

- Esa es una de las discusiones más importantes y difíciles. Desde el punto de vista tecnológico, definitivamente puedo decir que los datos son la propiedad intelectual más importante. A menos que tengas tus datos, no puedes hacer nada. En el futuro, a medida que más personas entiendan esto, serán extremadamente protectoras, porque todo empieza desde ahí. Entiendo perfectamente la discusión en Europa y por qué van a protegerlos. 

Al mismo tiempo, tienes este efecto de red: si pones tus datos en una situación donde puedan conectarse con otros datos, obtienes un efecto compuesto del valor que puedes crear. Por ejemplo, en salud, si combinas los datos del sector público y privado de Grecia con los de España, podríamos ayudar a más personas. Tienes que equilibrar la discusión de alguna manera para servir a las personas correctamente. 

A menudo buscamos respuestas en los informáticos e ingenieros para estas preguntas, y eso es incorrecto. Deberían ser las personas que entienden la sociedad profundamente quienes respondan a esas cuestiones. Se necesita una visión muy esférica de la sociedad para entender verdaderamente el impacto de esas decisiones.

- Planteas alternativas futuras para el formato JPEG de las imágenes. Todos usamos JPEG, háblame sobre esto.

- Es la misma historia de los sistemas autodiseñados. JPEG es un estándar universal que se inventó en los años 70 para almacenar y compartir imágenes de forma eficiente, eliminando lo que el ojo humano no ve para hacer la compresión. En lugar de eso, ahora se trata de analizar el caso de uso. No es lo mismo que uses la imagen para construir un coche autónomo o para reconocer radiografías y detectar cáncer. Puedes generar una forma completamente nueva de almacenar datos cada vez. Hemos demostrado que puedes obtener soluciones de IA para imágenes 10 veces más rápidas.

- Todas tus reflexiones conducen a la idea de que estamos intentando gestionar la IA con las herramientas equivocadas. Sufrimos ahora mismo un problema de suministro de hardware de almacenamiento de datos, las memorias de nuestros dispositivos, lo llaman el ‘RAMcalipsis’. ¿Es una señal del mismo problema? 

- Sí, absolutamente. Hay mucha investigación y muchas startups reimaginando el hardware diseñado a medida para la IA. Es una discusión muy complicada debido a la economía involucrada. Una cosa es diseñar los equipos para que sean eficientes y otra cosa es poder producirlos, lo cual históricamente ha sido un verdadero cuello de botella. Es aquí donde el sector público tendría que intervenir para apoyar ideas disruptivas que tal vez no son financieramente sostenibles de inmediato para la industria, porque es muy caro de producir.