Como director Científico del área de innovación de Alphabet, David Andre aplica la IA a los retos de los Moonshots, o desafíos imposibles, y considera que la IA generativa es una nueva herramienta fundamental en sus esfuerzos. Desde muy joven, David Andre sintió una profunda fascinación por la inteligencia humana y artificial, una pasión que despertó al ver a su madre, Sheryl, desarrollar una carrera pionera como programadora informática.
A lo largo de tres décadas, David Andre ha aplicado sus profundos conocimientos sobre IA y su espíritu emprendedor a diversos campos, como la gestión de activos o los wearables (dispositivos tecnológicos diseñados para que las personas los llevemos encima). Sin embargo, es su actual posición como director Científico en X, el laboratorio futurista de Alphabet, la que le permite cumplir una aspiración que tiene desde su infancia: dirigir áreas visionarias dedicada a abordar los retos más desconcertantes de la humanidad.
Creada por Google en 2010 y ahora dependiente de Alphabet, X actúa como centro de innovación, acometiendo ambiciosos proyectos que buscan resolver problemas complejos con soluciones tecnológicas radicales. Ha dado a luz a filiales pioneras de Alphabet como Waymo, el proveedor de vehículos de conducción autónoma de uso compartido, y Wing, dedicada al desarrollo de drones autónomos de reparto. En la actualidad, más de la mitad de los proyectos de X están dedicados al cambio climático.
Enfrentarse a problemas de tal envergadura exige no sólo ambición y capacidad técnica para la resolución de problemas, sino también una gran resiliencia al alto índice de fracasos, que se esperan de este tipo de proyectos. Strategy+business, la revista de gestión de PwC, mantuvo una charla con David Andre en el Encuentro Mundial sobre IA, celebrado el pasado otoño en Ámsterdam, donde nos contó cómo mantiene motivado a su equipo y cómo la IA generativa está abriendo nuevas vías de investigación para X. A continuación, reproducimos una versión editada de esta conversación.
Pregunta: ¿Cómo se crea una cultura de la innovación en X?
DAVID ANDRE: Innovar es un proceso complicado y trabajamos mucho para que la cultura en X sea la adecuada. Una de las claves de la innovación es repetir situaciones y aceptar la idea de que la mayoría de las cosas que se prueban no van a funcionar. Teniendo eso en mente, en todo proceso de innovación siempre hay que ir primero a por la parte más difícil del problema, porque si no se puede resolver esa parte, ¿por qué perder el tiempo con el resto?
Además, nos centramos en multiplicar las mejoras por 10 no en hacerlo un 10%. Queremos ir a por aquello que va a ser una revolución para el mundo. Nuestro trabajo es crear nuevas oportunidades para Alphabet que puedan llegar a alcanzar el mismo tamaño que Google, y la única forma de hacerlo es ir a por problemas realmente grandes.
Lo hacemos con un enfoque basado en una cartera de proyectos en la que empezamos con un equipo increíblemente pequeño, a menudo de una sola persona, o incluso parte del tiempo de una persona, en un proyecto. Tenemos docenas de ellos en marcha en todo momento. Y de esas decenas de proyectos, esperamos que algunos fracasen para que otros puedan salir adelante.
¿Cómo se mantiene la motivación de los empleados cuando los proyectos en los que trabajas tiene un alto índice de fracaso?
DAVID ANDRE: Todos los proyectos tratan de resolver un gran problema para la humanidad, y cuanto más nos apasionen estas iniciativas más fáciles es que el equipo tenga la moral alta. Los fracasos pueden ayudarnos a aprender. Hay un proyecto en el que estamos trabajando llamado Taara, que es fascinante porque surgió de otro que fracasó, llamado Loon. Este se centraba en llevar Internet a la gente que vive en zonas rurales, donde no hay torres de telefonía móvil. Consistía en desplegar globos meteorológicos que eran torres de telefonía móvil flotantes. Para que funcionara, el equipo desarrolló comunicaciones láser punto a punto que envían gigabytes de información por el aire entre globos situados a una distancia de hasta 20 kilómetros entre sí.
Taara utilizó esta tecnología láser y la integró en terminales que pueden desplegarse en cualquier parte del mundo -por ejemplo, en torres o edificios- y, básicamente, transmitir Internet de alta velocidad allí donde se desee. La están utilizando en 13 países de todo el mundo y su objetivo es conectar a los 3.000 millones de personas que hoy no tienen ningún tipo de conectividad.
Llevas tres décadas dedicado a la ingeniería informática y la ciencia de datos. ¿Qué es lo que más te llama la atención cuando piensas en cómo ha evolucionado este campo en todo este tiempo?
DAVID ANDRE: Como dices, ha cambiado mucho. Ha habido inviernos. Ha habido veranos. Pero hay dos cosas importantes que siguen siendo ciertas. En primer lugar, los fundamentos son importantes. Entender la regresión lineal, una técnica antigua, sigue siendo increíblemente importante. El mayor problema que veo en las nuevas empresas o proyectos que aplican mal el aprendizaje automático o la IA es el ajuste excesivo o overfitting de los datos. Es un viejo problema que sigue estando presente.
En segundo lugar, esa la idea de la formación no supervisada o semi supervisada ha sido mágica para este campo, porque ha significado que todos los datos disponibles -documentos online, fotografías online- se convierten en datos de formación para los algoritmos. Así que ya no es necesario disponer de esos costosísimos ejemplos de entrenamiento supervisado.
Lo último es la aparición del modelo transformador que alimenta los grandes modelos lingüísticos (LLM, por sus siglas en inglés) actuales. Esto significa que se puede pasar del lenguaje natural a casi cualquier cosa: del lenguaje natural al código, de un lenguaje a otro, del lenguaje natural a las imágenes. Y todo ello con la misma tecnología de base, lo que ha cambiado las reglas del juego, porque ahora un avance en un campo -por ejemplo, en el procesamiento de la visión- afecta de repente al procesamiento del lenguaje y a todo lo demás, porque todos están utilizando el mismo modelo.
Muchos de los mejores investigadores de IA aseguran que los avances a los que se han llegado con los grandes modelos lingüísticos que alimentan la IA generativa les han cogido por sorpresa. ¿Te pasó a tí lo mismo?
DAVID ANDRE: Diría que me sorprendieron en un momento dado, cuando algunos de mis compañeros estaban trabajando en un artículo que utilizaba LLM para resolver problemas matemáticos, llamado el artículo Minerva. Vi el tipo de resultados que eran capaces de obtener y el tipo de problemas que el sistema era capaz de resolver, y me quedé alucinado. Pensaba que los LLM se limitaban a predecir la siguiente palabra o símbolo, pero resulta que la arquitectura de transformación permite todo tipo de razonamientos de alto nivel y todo tipo de algoritmos que se ejecutan esencialmente dentro del cálculo que tiene lugar cuando los datos fluyen a través de una de estas redes neuronales. Esto permite resolver problemas increíblemente complicados. Permite hacer cosas como el razonamiento metafórico. Es una técnica realmente poderosa. Así que, aunque, sí, al principio me sorprendió, una vez que entendí este poder de computación, todo empezó a tener sentido.
¿Cómo han afectado estos avances a tu forma de resolver los problemas?
DAVID ANDRE: Curiosamente, no ha cambiado demasiado. La parte difícil de casi todos los problemas no es la IA ni el aprendizaje automático. Lo que realmente importa es todo el tejido conectivo que lo rodea y que une ese algoritmo al mundo real. Si resuelves el problema en la máquina, y no termina coincidiendo con lo que realmente estás tratando de hacer, eso no es útil en absoluto. Así que las cosas que aprendimos en los años 90 al tratar de aplicar el aprendizaje automático siguen siendo válidas porque estábamos construyendo un tejido conectivo para hacer coincidir un algoritmo con el mundo real.
¿Estáis utilizando IA generativa en X en estos momentos?
DAVID ANDRE: Utilizamos este tipo de técnicas en muchas de nuestras aplicaciones. A veces son lingüísticas, pero otras veces las aplicamos a las ciencias exactas, y estamos viendo beneficios asombrosos en áreas que van desde la biología computacional, al razonamiento lógico o el razonamiento geoespacial. Personalmente, la utilizo cuando programo algo bastante básico, normalmente en un lenguaje que no conozco demasiado bien, pero quiero hacerlo rápido. Le pido que me ayude a empezar. También lo utilizo un poco para escribir, pero me doy cuenta de que aún no está donde lo necesito.
Lo último para lo que lo utilizo es para el llamado diseño inverso. Este es un uso diferente de la IA generativa. Es cuando le pides a una computadora que resuelva un problema por ti. Así que planteas un problema que quieres resolver. Le das todos los detalles y restricciones y dejas que un gran ordenador lo resuelva. Tienes un montón de máquinas trabajando en el problema en segundo plano, probando diferentes soluciones hasta que encuentras una que te gusta. Es el que utilizo casi a diario.
¿Cómo pueden las empresas aprovechar las innovaciones de la IA cuando estás se producen tan rápido?
DAVID ANDRE: Lo más importante es empezar ahora, porque siempre desearás haberlo hecho ayer. Y si aún no has empezado, ahora es el momento adecuado. Lo segundo es empezar a jugar con las herramientas. Trabaja con grandes modelos lingüísticos como Bard; intenta resolver tus problemas con ellos y mira a ver qué pasa. Aprende dónde fallan. Una vez que veas dónde no funcionan, eso te dará el objetivo sobre el que centrarte y aprender.
Sin duda, contratar a más personas con conocimientos matemáticos y de IA también es útil. Pero hoy todo el mundo puede jugar con estas herramientas. Eso es gran parte de lo que está ocurriendo en este movimiento: se está democratizando el acceso a la inteligencia artificial para que todo el mundo pueda participar.
