(CNNMoney) – La inteligencia artificial (IA) resolverá tarde o temprano los grandes problemas del mundo… pero se necesitarán humanos inteligentes para lograrlo.
Quoc Le, ingeniero de software de Google Brain, es uno de ellos.
Google Brain se centra en el “aprendizaje profundo”, parte de la inteligencia artificial. La concibe como una clase sofisticada de aprendizaje mecánico, como la ciencia de lograr que las computadoras aprendan a través de los datos.
El aprendizaje profundo usa varias capas de algoritmos (llamadas redes neurales) para procesar imágenes, texto y sentimientos de forma rápida y eficiente.
La idea es que las máquinas puedan llegar a tomar decisiones como lo hacen los humanos. Sin embargo, aún estamos lejos de ese punto, según un texto que Andrew Ng, cofundador de Google Brain, publicó recientemente en el sitio web Quora.
Google Brain inició operaciones en 2011 y originalmente era una iniciativa de la hermética y futurista división Google X. Ahora ha evolucionado y es parte del departamento de investigación de la empresa. Aunque Google publica investigaciones de Brain, se sigue reservando la estructura organizacional del equipo. Google no revela cuántas personas forman parte del equipo actualmente y argumenta que los equipos son cambiantes.
Le, de 34 años, tiene un doctorado en Ciencias Computacionales por la Universidad de Stanford, Estados Unidos, y ha estado trabajando en Google Brain desde hace cuatro años y medio.
“Hay pocas personas en el mundo que de verdad entienden cómo hacer que las máquinas aprendan y piensen”, dijo Le, originario de Vietnam. “El aprendizaje profundo sigue siendo nuevo”.
Pero conforme se desarrolla el aprendizaje profundo, la gente se emociona cada vez más por su potencial para resolver grandes problemas como la educación o el cambio climático. Por ejemplo: a través de sensores remotos, se puede dar seguimiento a información ambiental de todo el mundo.
En este momento, esa información sigue sin procesarse en gran medida, pero el aprendizaje profundo podría servir para entender patrones y dar soluciones.
“Confío en que el aprendizaje profundo no se estancará en el futuro cercano y que seguirá creciendo rápidamente”, escribió Ng en Quora. Ng ahora trabaja como jefe de científicos en Baidu.
Alphabet, la empresa matriz de Google, integró tecnología de Google Brain en algunos de sus servicios: tecnología de reconocimiento del habla en sus sistemas operativos Android y capacidades mejoradas de búsqueda de fotos que surgieron en Brain.
Google abrió el acceso de TensorFlow, su código de aprendizaje profundo, en un intento por acelerar el desarrollo de la inteligencia artificial. En 2014 compró DeepMind Technologies por 650 millones de dólares en un intento por reforzar su departamento de IA.
Según el sitio CB Insights, las empresas emergentes que trabajan en el aprendizaje profundo y en la inteligencia artificial, han recaudado más de 950 millones de dólares en los pasados cinco años.
Olcan Sercinoglu, exmiembro de Google Brain, dirige una de ellas. Sercinoglu es ingeniero de software y dejó Google Brain en 2014 para fundar Scaled Interference, empresa que busca que el aprendizaje mecánico llegue al público en general gracias al softwareinteligente. Aún no pone a la venta su producto, pero a unos meses de incorporarse, Sercinoglu recaudó 13.6 millones de dólares de parte de inversionistas como Tencent Holdings, SV Angel y Khosla Ventures.
El atribuye a Google Brain (que es famosa por su trabajo de vanguardia) el haber podido cerrar una ronda tan exitosa.
“Creo que el haber trabajado en Google Brain fue un factor muy importante”, dijo; agregó que el aprendizaje profundo y las redes neurales son solo un aspecto de la tecnología que su empresa está desarrollando.
Sercinoglu tiene 34 años y pasó casi un año trabajando en el equipo de Google Brain, aunque estuvo casi 10 años en otros departamentos de Google. Hizo una pasantía en la empresa en 2001 al mando de Jeff Dean. Dean, investigador sénior de Google, era uno de los investigadores originales del equipo de Google Brain.
“Incluso en ese entonces trabajábamos en cerebros… pero no tenía nada que ver con el aprendizaje mecánico”, dijo Sercinoglu a CNNMoney.