-Trabaja en Machine Learning, el aprendizaje de las máquinas. Suena a ciencia ficción...
-El Reconocimiento de Formas, o el Machine Learning, que es un término quizás más moderno para más o menos los mismos conceptos, es ya un campo de investigación tradicional, en el que se está trabajando desde hace más de 50 años. Hoy lo vemos en aplicaciones como el reconocimiento del habla para reserva de trenes, vuelos y hoteles por teléfono o la traducción automática. También están muy consolidados los identificadores de placas de matrícula de los coches que ya vemos en casi todos los garajes o los sistemas de identificación biométrica de personas.
-¿Y de cara al futuro? ¿Cuáles son los retos en este campo?
-Esto sigue. Estamos lejísimos de alcanzar las prestaciones de un cerebro humano o ni siquiera de un cerebro animal de bajas prestaciones, como el de un mosquito.
-¿Las máquinas podrán suplantar a un ser inteligente?
-Uno de los cambios de orientación en el proyecto Consolider que coordino ha sido el reenfoque de Machine Learning para plantear los problemas, no desde un punto de vista de automatización total, de suplantar a un ser inteligente por una máquina, sino de cooperación con el humano. Es decir, como una asistencia. Hay muchas aplicaciones en las que la total automatización no es conveniente, como por ejemplo en la medicina. Nunca habrá un diagnóstico de una máquina que no esté firmado por un médico. Nosotros no los veremos, seguro. Tampoco en la conducción de vehículos. Ya existen prototipos totalmente automatizados, pero no se piensa que alguien quiera comprar un coche robotizado por completo, entre otras cosas porque nos gusta conducir.
-¿Por qué se renuncia a crear máquinas que nos sustituyan?
-Porque tardaremos décadas sino siglos en saber hacerlo. Por otro lado, en muchos casos eso no sería realista ni conveniente, como por ejemplo en la conducción. Tal vez técnicamente se puedan llegar a tener coches con piloto automático fiable, pero frecuentemente se recibirá alguna señal que nos hará retomar el control porque habrá que tomar decisiones basadas no ya en percepción puramente, sino incluso en emociones.
-¿Se imagina una sociedad del futuro basada en robots inteligentes a lo Blade Runner?
-Va a ser difícil que se pueda automatizar todo en el futuro. Una sociedad basada en robots inteligentes, no sólo es algo muy lejano, sino que es algo que no nos gusta. Además, a mucha gente le da miedo. No es ya que de miedo, es que sería una cosa fea. Los humanos queremos tener el control de todo, lógicamente. Pensamos que hay que aspirar a hacer las cosas lo más automáticas que se pueda, pero en el fondo el objetivo no es suplantar la inteligencia sino asistirla. Es decir, que gracias a estos sistemas el ser humano sea más inteligente. Por ejemplo, un escritor podrá escribir libros más bonitos y más rápidamente, lo mismo para un artista gráfico. Pero al final, será la personalidad del creador la que guíe al sistema, que tiene que ser un asistente, un amplificador de la creatividad humana.
-¿En qué está volcado ahora?
-En la transcripción asistida de manuscritos antiguos. En este campo, la transcripción es muy difícil y generalmente la hacen paleógrafos especializados en la época del libro en cuestión, por lo que no es pensable sustituir a estos profesionales. Podemos hacer transcripciones totalmente automáticas, pero tendrán muchos errores que habrá que corregir. Tantos fallos que al final los especialistas no quieren ni oír hablar de la total automatización y prefieren hacerlo ellos a mano.
-¿Cómo se reducirán esos fallos?
-Utilizando herramientas matemáticas y metodologías. En Reconocimiento de Formas y Machine Learning podemos, en vez de minimizar la tasa de error, que ha sido el objetivo tradicional, tratar de maximizar la experiencia de colaboración con el humano. Es decir, minimizar el esfuerzo de interacción entre la persona y la máquina. -¿Cómo puede aprender una máquina a transcribir mejor un manuscrito antiguo?
-La idea es que el sistema propone, por ejemplo, la transcripción de una línea de texto y si el operador detecta una palabra que no le gusta, lo indica, o la cambia. Esto es percibido por el sistema como una retroalimentación útil para corregir otros errores de la misma línea. Además, el sistema puede ir aprendiendo de sus errores y evitar repetirlos en el resto las siguientes páginas a transcribir. Este es el tipo de sinergia persona-máquina que estamos tratando de mejorar.
-¿Esa colaboración hombre-máquina hará que la transcripción sea cada vez más perfecta?
-Sí. El ejemplo típico de una aplicación sería transcribir una colección de libros, digamos entre 10.000 y 100.000 páginas. El proyecto puede empezar con un trabajo humano bastante intensivo pero, conforme va progresando, cada vez los humanos trabajan menos y al cabo de algún tiempo prácticamente lo hace todo el sistema. Esto nos gustaría que fuera extrapolable a proyectos como la transcripción del Catastro del marqués de la Ensenada del siglo XVIII, que es un trabajo pendiente en España, o a la transcripción del Archivo de Indias, que es un enorme repositorio de texto manuscrito, que de hecho su volumen se mide en kilómetros de estanterías, de documentos puestos uno al lado del otro. El 99,9 % del Archivo de Indias está por transcribir.
-¿La transcripción automática del Archivo de Indias es factible?
-Se puede transcribir, pero el resultado tiene tantos errores que no es útil. Hace falta la intervención humana. Si la persona tiene que intervenir, lo importante es no ya conseguir el mínimo error, sino lograr que el humano trabaje lo menos posible; y no hablamos ya de trabajo físico, sino más bien cognitivo.