“Genuine joy derived from the fact that life unfolds on time and in a highly efficient manner.” - Eric Weiner escribiendo sobre los suizos en BBC
Quien tiene a bien leer esta columna sabe que he estado dedicando algo de pensamiento y opinión crítica con momentos de admiración al tema de la inteligencia artificial. Me han visto enumerar a las empresas que pueden sacarle más jugo al desarrollar sus propias redes neurales. Lo que no hay que olvidar son los ingredientes básicos: capacidad de procesamiento y bases de datos atiborradas de información, además del ingrediente clave: el tiempo.
Las redes neurales son esponjas que lo analizan todo, absorben la información que los rodea y empiezan a definir qué les hace sentido. Lo que no hacen las redes neurales, a diferencia de un niño, todavía, es decidir qué de toda esa información les habilita el paso hacia el deseo, por ejemplo, empujar un banco para llegar al fregadero y jugar con el agua. Aquí es donde empieza la diferenciación, porque la red neural básicamente no se va a distraer con objetos brillantes o frustrar al no poder alcanzar el fregadero, seguirá absorbiendo datos.
Dicha información la obtienen de lo que conocemos como una base de datos, una inmensa tabla con información en bruto. De ahí la red neural debe resolver algo y esa resolución depende de los algoritmos que utiliza para regir su método de aprendizaje. Podemos decir que los datos sueltos tomarán cierta forma, pero esa forma depende de los datos en bruto otorgados, el método de enseñanza y la capacidad de realizar varios procesos al mismo tiempo.
Sabemos que el entorno afecta a la educación, y eso también es parte del principio básico de In/Out. Si la superinteligencia que reúne varias redes neurales toma sentido del mundo que la rodea con videos de YouTube, conversaciones de Facebook y Whatsapp o de las imágenes de Instagram, estadísticamente no veo que la buena ortografía, las fotos que no sean de comida y los videos sin gatos lleguen a ser relevantes, hay demasiado #ruidoblanco.
Entonces si la casa está desordenada puedes hacer dos cosas: ordenar la casa, que es lo que solemos hacer los humanos con las bases de datos inexactas o dañadas al hacerles scrapping, o bien conseguir un tutor que te ayude a encontrar el cisne negro entre el mar de información basura. Después que una red neural aprende, gracias a sus tutores, se puede reunir con otras redes y nivelar su conocimiento.
Cuando hablamos de procesamiento de bases de datos que cambian cada milisegundo en distintos lugares del mundo, la precisión para entender esas bases de datos tiene que ser más que eficiente.
Ingenieros de Google han logrado diseñar bases de datos que se modifiquen en un lugar, se actualicen en el resto del mundo casi eliminando el factor tiempo. Este sistema se llama Spanner, y ahora lo están ofreciendo a clientes empresariales, en un esfuerzo de Google por regresar a la jugada por la nube contra Amazon y Microsoft.
El ingrediente secreto de Spanner True Time, o como lo entiendo yo GSGT (Google Standard Global Time), es que con varios GPS y relojes atómicos hace lo más cercano para definir una hora estándar en todos sus Centros de datos.
Es claro que todavía no existen tantas empresas con el nivel y expansión territorial que requieren de bases de datos siendo actualizadas en tiempo real y recibiendo cambios y más datos cada segundo las 24 horas del día como lo requiere Google. Pero si para ellos es rápido, imagina para alguien con una vigésima parte del problema, sería extra rápido y ya sabemos a quiénes les gusta esta expresión: las casas de bolsa y compañías financieras.