Música compuesta por ordenador: David Cope y Iamus

La música es un arte que se lleva bien con los ordenadores. Es muy matemática. Se almacena en soporte digital desde hace décadas. Los instrumentos musicales sintetizados son habituales desde hace muchos años. ¿Pueden también componer? Sí, desde luego. Hasta el punto de superar el Test de Turing y confundir a los expertos. Iamus, un compositor virtual de la Universidad de Málaga es un ejemplo. Sigue los pasos de David Cope que creó a Emmy, capaz de competir con el mismísimo Mozart.

David Cope

Comencé en 1981 con un programa que me ayudara en mi siguiente nota, siguiente compás… a mi estilo. Como desconocía mi estilo, empecé con los grandes compositores. El primer ensayo no funcionaba mal, pero el resultado tenía poca vida y energía. Crear un conjunto de reglas para cada estilo resultaba desalentador. Decidí poner todo ello en una base de datos desde donde se creara nueva música. La idea es que cada es estilo tienen reglas para crear réplicas de sí mismo, distintas pero muy relacionadas. Me basé en la recombinación: generar nueva música recombinando música existente en nuevas sucesiones lógicas. Sostengo que la recombinación aparece en todos lados como un proceso natural evolutivo y creativo.

En esencia los principios de creación de Emmy (EMI Experiments in Musical Intelligence) son:

• Deconstrucción (análisis y separación en partes)
• Firmas (buscar lo común que significa estilo)
• Compatibilidad (recombinación en nuevas obras)

Emmy, el programa, lo hacía bien, seguía bien las reglas pero carecía de emoción. Como software de Inteligencia Artificial era muy bueno, pero como compositor era mediocre.

Hasta que comprendió que Bach no sólo seguía reglas. Periódicamente se las saltaba y eso daba belleza a la composición.

Cope creó un programa que generaba las reglas y la forma de saltárselas. Introdujo 300 corales de Bach en una base de datos. Creo un programa que dividía las corales en trozos y las recombinaba al estilo de Bach. El resultado mejoraba el software anterior, pero las composiciones parecían perderse sin objetivo claro.

Cope siguió investigando y desgranando los vagos conceptos estéticos: dinámico, cromático, apasionado. Cuántas veces se repite la secuencia de notas, cuántas veces y en que momentos se sale del tono, qué precede o sigue a cada frase.

Finalmente capturó la esencia de Bach y produjo 5.000 corales, el trabajo de toda una vida. En un concierto preguntó al público que piezas eran de Bach y cuales eran de Emmy. El público no supo distinguirlas. Pasó pues, el Test de Turing.

Según Cope, toda la música (y cualquier creación) se basa en las creaciones previas. Puedes llamarlo subirse en las espaldas de los grandes o simple plagio. Todo lo que creamos es recombinación. Los compositores (incluidos los genios) oyen música, inconscientemente la desmenuzan y la recombinan de forma novedosa. Nadie es completamente original. Todos han copiado a todos y han recombinado sus sonidos.

Más tarde, David Cope creó otro programa que compusiera a su propio estilo, el de David Cope. El programa se llamó Emily Howell. El programa funciona así: Cope tiene una idea por ejemplo: cinco voces se alternan, o bien bajan y suben por la una escala musical. Le pide a Emmily Howell que cree una partitura. La escucha y la piensa. Pide a Emily que la cambie... Rápido y eficaz. La piensa en la cocina o en el coche y Emily trabaja para él.

Puedes juzgar por ti mismo con los ejemplos que hay a continuación.

Composición de Emmy estilo Bach:



Composición de Emmy estilo Beethoven:

Composición de Emmy estilo Chopin:

Iamus

La Universidad de Málaga ha creado Iamus, un ordenador capaz de crear sinfonías por sí solo. El proyecto es muy ambicioso e incluye aplicaciones para dispositivos móviles.

El equipo está liderado por Francisco José Vico y uno de sus mentores y asesores es el prestigioso pianista Gustavo Diaz-Jerez. Algunas de las composiciones de Iamus han sido interpretadas por la Orquesta Sinfónica de Londres.

Se le dice a Iamus algunas cosas genéricas de la composición como cuántos instrumentos hay y qué duración tiene la obra. Iamus trabaja con algoritmos similares a la evolución: las notas compiten entre ellas y la mejor es la que triunfa. No sabemos mucho más del algoritmo ya que es el corazón del sistema. A Iamus hay que decirle que escriba cosas realistas (un pianista solo tiene diez dedos) y poco más. Es capaz de componer incansablemente en tiempo real.

Iamus está dedicado a la composición de música clásica contemporánea, pero la idea es introducir nuevos estilos como pop actual. Iamus puede componer infinidad de temas sin repetirse.

El equipo ha creado una empresa, Melomics, de la que Iamus es la parte más visible. En Melomics, puedes encontrar aplicaciones para smartphones pensadas para generar música cuando estás relajado o cuando corres o conduces... Además puedes descargar la partitura y modificarla a tu estilo o incluir el software en un sitio web para darle un aspecto más personal.

La entrada de los ordenadores en la música ocurrió hace tiempo y la composición musicales ya parte de su patrimonio.

Los ordenadores también son expertos en arte

Los ordenadores ya son capaces de asignar pinturas a estilos artísticos. También pueden reconocer bocetos dibujados por personas. Otra tarea más en la que superan el test de Turing.

En un artículo anterior postulé mi particular formulación del Test de Turing para tareas:

Un ordenador supera el Test de Turing para una tarea X cuando un juez humano no pueda distinguir entre un concursante humano y un concursante ordenador ejecutando la tarea X

Un grupo de la Universidad de Lawrence en Michigan ha desarrollado un programa que es capaz de analizar distintos cuadros de la historia universal y agruparlos en estilos según sus similaridades. El programa realiza la tarea mejor que los humanos no entrenados.

Se expusieron 1.000 cuadros de 34 artistas bien conocidos. El resultado casa bien con la percepción de los expertos en arte.

Agrupó los cuadros en dos grupos, clásicos y modernos. Dentro de estos grupos fue capaz de encontrar similitudes entre Gauguin y Cézanne, post-impresionistas, entre los surrealistas Salvador Dali, Max Ernst, y Giorgio de Chirico, entre los representantes del Alto Renacimiento como Raphael, Leonardo Da Vinci y Michelangelo o barrocos como Vermeer, Rubens y Rembrandt.

El programa estudió hasta 4.000 parámetros que describían características de los cuadros como la textura, el color o la forma. En conjunto es un excelente ejemplo de los campos a los que se está aplicando la Inteligencia Artificial IA.

Otro programa, esta vez desarrollado por las universidades de Berlin y Brown (Providence, EE.UU), es capaz de reconocer bocetos y averiguar de que objeto se trata.

Se establecieron 250 categorías y se usaron 20.000 bocetos. El programa fue capaz de realizar la identificación correcta en el 56% de los casos, algo por debajo de los humanos que alcanzaron un 73% de éxitos.

Usando crowsourcing reclutaron personas que fueran dibujando los bocetos. El sw es capaz de reconocer los objetos según se están dibujando. Hay incluso una versión para iPhone llamada WhatsMySketch.

La recogida de datos es la única manera para conseguir el aprendizaje de las máquinas. No hay manera de aprender a reconocer bocetos de leones basándonos en un algoritmo inteligente. El algoritmo necesita ver cerca de 100 ejemplos de cómo la gente dibuja los leones para ser capaz de distinguir estos animales de plantas en macetas.

Como ocurre cada vez más a menudo, el sw puede usar la experiencia de los usuarios. Así como Google usa tu actividad para refinar sus algoritmos (búsqueda, reconocimiento de voz…) el nuevo sw puede utilizar el input de los usuarios para mejorar su eficacia.

El reconocimiento de patrones visuales ha dejado de ser una facultad exclusiva de los humanos tanto si lo dibujado es el boceto de un conejo como un cuadro de Goya.

Test de Turing con humanos: más fácil pasar por gay que por cristiano

Alan Turing se preguntó: ¿pueden pensar las máquinas? Para evitar definir los términos pensar o máquina, decidió crear su famoso test. Si un juez humano no puede distinguir entre una máquina y otro humano, la máquina piensa. Llamó a esta prueba el Juego de la Imitación.

Con el tiempo, el Test de Turing ha demostrado ser una poderosa herramienta. Si bien es cierto que ninguna máquina lo supera en la actualidad en un entorno verbal sin restricciones, cada vez son más las máquinas que lo superan en tareas concretas como jugar al ajedrez.

Ahora el Test de Turing o el Juego de la Imitación ha comenzado a usarse de una forma muy ingeniosa por los sociólogos. Se trata de que una persona se haga pasar por otro tipo de persona y ver si engaña a un juez. De este modo comparamos hasta que punto una persona entiende a las personas que pertenecen a otro grupo social. Para poderme hacer pasar por musulmán, tengo que entender el punto de vista de los musulmanes.

Existen según los sociólogos dos tipos de experiencia. La experiencia contributiva se refiere a los auténticos expertos, físicos, abogados o economistas que aportan nuevos conocimientos y experiencias a su materia. La experiencia interactiva, por el contrario, es la de los expertos que solo rozan el área, hablan con los auténticos expertos y acaban teniendo una buena idea de la materia.

Aplicar el Juego de la Imitación en estos entornos está resultando un experimento sociológico muy fructífero. Harry Collins, sociólogo y autor de estos novedosos estudios, había pasado mucho tiempo trabajando con físicos y se sometió a la prueba. Un físico, el juez, les preguntó a él y a otra persona, un físico auténtico, diversas cuestiones sobre física. Después, las respuestas de ambos, el imitador y el físico, se repartieron entre varios otros físicos que harían de juez. La sorpresa consistió en que el imitador obtuvo mejores resultados que el físico auténtico. Al parecer, lo que más confundió a los jueces es que el físico auténtico dio una respuesta de libro a una pregunta mientras que el imitador proporcionó una respuesta correcta pero inusual. Esto hizo pensar a los jueces que el imitador había elaborado más la respuesta.

Pongámonos en el caso de los ciegos. Han vivido toda la vida en un mundo de videntes. Constantemente escuchan comentarios de personas que ven sobre acontecimientos que pueden ser vistos. El caso contrario es el de las personas que ven y nunca han estado expuestas al mundo de los ciegos. ¿Quién conoce mejor el otro mundo? ¿Quíen engañará a quién? El ciego es muy capaz de engañar al vidente y hacerle creer que ve. El vidente no puede engañar al ciego y hacerle pensar que él también es ciego.

Para medir los resultados se estableció una medida llamada relación de identificación o IR. Con esta medida se ha comenzado a relacionar ámbitos distintos.

Un ámbito estudiado ha sido la homosexualidad. Se da la dramática circunstancia de que Turing era gay y sufrió mucho por ello. Fue condenado a la castración química por ser homosexual y, no pudiendo resistirlo, dos años después se suicidó. Pero la situación en Inglaterra y en la mayoría del mundo ha cambiado. La normalización de la homosexualidad ha permitido que un mundo, antes oculto, sea ahora bien conocido.

Otro ámbito investigado ha sido la práctica religiosa. La sociedad inglesa se ha ido secularizando y los investigadores tenían el interés en saber hasta qué punto. De modo que realizaron el Juego de la Imitación en el que personas no religiosas se hacían pasar por cristianos y fueron evaluados por jueces cristianos.

Y ¿cuál fue el resultado? Entendemos mejor a los gays que a los cristianos. O dicho de otra forma, es más fácil hacerse pasar por lo primero que por lo segundo. O, para ser exactos, las posibilidades que tiene un heterosexual de hacer creer a un gay de que él también lo es son mayores que las posibilidades que tiene un no religioso de hacer creer a un cristiano de que él también es religioso.

El mundo cambia rápidamente pero la utilidad de una buena idea como el Test de Turing permanece.

Artículo publicado originalmente en ALT1040

Centenario del brillante Alan Turing

El 23 de junio de 2012 se cumplieron cien años del nacimiento de Alan Turing, genial matemático, filósofo y héroe de la Segunda Guerra Mundial. Su obra resultó decisiva para construir el mundo en el que vivimos. Su vida terminó dramáticamente a causa de la infame persecución que sufrió por su condición de homosexual. In memoriam Alan Turing.

El 23 de junio de 1912 nace Alan Turing en Londres.

A los 16 años extrapola las preguntas de Einstein sobre las leyes del movimiento de Newton de una forma que nadie había hecho antes.

En 1930 se hace ateo.

En 1936 publica un documento en el que establece los principios de la Máquina Universal también llamada Máquina de Turing, base de todos los ordenadores posteriores.

En 1939, un día después de declararse la guerra, ingresa en Bletchley Park, la sede de los code breakers, los descifradores de códigos ingleses.

Entre 1941 y 1943, gracias al inestimable trabajo de Turing. la temida máquina alemana Enigma es descifrada.

En 1949 trabaja en los comienzos de la Inteligencia Artificial y postula su famoso Test de Turing.

En 1952, sin existir un ordenador capaz de ejecutar su programa, juega en un ordenador simulado, en papel, una partida. Turing tarda media hora en ejecutar sobre papel cada movimiento del programa que finalmente pierde. Su idea continúa en la mente de otros científicos hasta que en 1997 el superordenador Deep Blue gana al campeón del mundo Gary Kasparov.

En 1952, un hombre llamado Arnold Murray con el que mantenía relaciones ayuda a robar la casa de Turing. Cuando Turing denuncia el hecho se ve obligado a declarar su homosexualidad, una indecencia grave según las leyes británicas. Le dan a elegir entre la cárcel y la castración química con estrógenos que es lo que elige. Se le niega el acceso al servicio de criptografía.

El 8 de junio de 1954 se suicida con cianuro.

La Máquina de Turing sienta los principios de los ordenadores. Es un dispositivo de computación teorico capaz de realizar cualquier cálculo matemático que pueda ser representado como un algoritmo. Con posterioridad, Von Neumann la modifica creando la Máquina de Von Neumann. Todos los ordenadores hasta la fecha se basan en estos dos principios teóricos. Su importancia es capital para entender la vida moderna.

Durante la Segunda Guerra Mundial, el acoso de los submarinos alemanes era devastador. Se comunicaban mediante mensajes criptografiados generados por una máquina llamada Enigma. El trabajo de Turing fue fundamental para descifrar el código alemán y cambiar el curso de la guerra. Los alemanes también usaron otra máquina de codificación contrarrestada en el Alto Mando por la llamada Colossus. Tal importancia tuvo la aportación de Turing que solo con motivo del centenario se han publicado dos de sus trabajos secretos.

Su importancia va más allá de la criptografía y la computación. El célebre Test de Turing tiene completa vigencia hoy en día. Turing publicó su trascendental artículo Computing Machinery and Intelligence en la revista Mind de filosofía y psicología. El articulo comienza con un provocador ¿Pueden pensar las máquinas?

En 2009 el primer Ministro británico, Gordon Brown se disculpó en nombre del gobierno inglés por la atrocidad que se cometió con Turing. Sin embargo, no ha sido rehabilitado. La excusa es que la ley era así en sus tiempos y no se puede cambiar el procedimiento legal que le condenó.

El mundo le debe una enorme gratitud al gran genio Alan Turing. Tras su paso por la vida el planeta nunca volvió a ser igual.

Artículo publicado originalmente en ALT1040

Watson de IBM y Majel de Google: el presente de Star Trek

Watson de IBM y Majel de Google comparten admiración por la conocida saga Star Trek. Además, junto con Siri de Apple configuran un presente donde se ve claro el futuro próximo.

La computadora Watson fue de las innovaciones más importantes de 2011. Su fabulosa capacidad analítica, su manejo del lenguaje natural, su habilidad para moverse en la ambigüedad y sus posibilidades de aprendizaje hacen de ella una joya tecnológica. El investigador principal de Watson, David Ferrucci, ha pasado el año dando conferencias sobre el invento. Una pregunta repetida ha sido: ¿Se parece Watson a HAL 9000 de 2001 A Space Odyssey? Y su respuesta sistemática ha sido: “No, más bien se parece al ordenador de a bordo de los navíos de la saga Star Trek”. Obviamente Star Trek no es el modelo seguido para un desarrollo de millones de dólares, pero es una buena analogía para explicarlo.

Parece que Google tiene previsto sacar un asistente de voz que compita con Siri de Apple. Desde su lanzamiento, Siri ha despertado un gran interés ya que es una tecnología fabulosa pero a la vez cercana. De modo que Google contraataca. El nombre clave de su asistente de voz (que puede ser cambiado en el lanzamiento del producto) es Majel. ¿Adivinas quién es Majel? Es la voz de los ordenadores que llevan los navíos de la Federación en la saga de Star Trek. Majel Barrett se casó con el creador de la serie, Gene Roddenberry, protagonizó varios papeles, puso la voz al “Computer” y está considerada la Primera Dama de Star Trek. Y en el momento actual de desarrollo ¿cómo invocas a Majel, el asistente de voz? Muy sencillo, dices: “Computer”, como en Star Trek. Pero la simpatía va más allá.

Según Mike Cohen de Google:

En Star Trek, no pasan mucho tiempo escribiendo cosas en los teclados, simplemente hablan con sus ordenadores, y las ordenadores responden. Es una forma más natural de comunicarse, pero para lograrlo se requiere entrar en una amplia gama de problemas de difícil investigación .

Y Amit Singhal de Google:

Mi sueño siempre ha sido construir el ordenador de Star Trek, y en mi mundo ideal, yo sería capaz de decirle al ordenador ‘Hey, ¿cuál es el mejor momento para sembrar las semillas en la India, dado que monzón se ha adelantado de este año? “Y una vez que podamos responder a esa pregunta (en la actualidad no podemos), la gente buscará respuestas a preguntas aún más complejas. Todas estas son auténticas necesidades de información. Preguntas genuinas que si nosotros - Google - podemos contestar, los usuarios se volverán más sabios y estarán más satisfechos en su búsqueda del conocimiento “.

También de Google, Matias Duarte dice:

La voz va a ser una parte esencial de las interfaces de usuario. () …tratar de usar la voz como algo de acceso universal en todas las aplicaciones y no limitarse sólo a algunos trucos o algo que solo se utiliza cuando estás en el coche.

Quiero ordenadores que sean multimodales. En una serie de ciencia ficción como Star Trek, alguien se acerca a una pared y empieza a tocar cosas y hablar con el ordenador al mismo tiempo. Esa es la manera en la que creo que nuestras interfaces necesitan evolucionar.

El futuro próximo

El futuro próximo, casi ya el presente, va a estar dominado por las dos tecnologías descritas. Por el lado remoto superordenadores estilo Watson que hagan fabulosos cálculos y accedan a gigantescas bases de datos. Por el lado próximo, interfaces amigables tipo Siri o Majel que nos entiendan mucho más allá de las existentes ahora. Y las dos tecnologías conectadas por las comunicaciones. Nuestros dispositivos, sean teléfonos o cualquier otra cosa, serán las ventanas (¿Windows?) al conocimiento que reside en grandes bases de datos.

Artículo publicado originalmente en ALT1040

Este artículo no ha sido escrito por una máquina

La aclaración del título parece pertinente porque los ordenadores ya están escribiendo artículos periodísticos. La comprensión del lenguaje está avanzando mucho. Lo novedoso es la generación de lenguaje. Dos empresas, Narrative Science y Automated Insights han empezado a escribir noticias cortas por ordenador. De momento son resúmenes deportivos de uno o dos párrafos. Pero quién sabe si en el futuro esta entrada podría ser escrita por una máquina.

WISCONSIN parece estar en el asiento del conductor camino de la victoria, ya que gana 51 a 10 después del tercer tiempo. Wisconsin aumentó su ventaja cuando Russell Wilson encontró a Jacob Pedersen y logró un touchdown de ocho yardas poniendo el marcador 44-3 …

Lo anterior es parte de una breve noticia que se escribió 60 segundos después de terminar el tercer tiempo de un partido de fútbol americano. El autor: un ordenador de Narrative Science.

El software recoge datos como por ejemplo estadísticas deportivas, informes financieros de empresas y construcción y venta de viviendas, y los convierte en artículos.

Los dueños de Narrative Science hacen hincapié en que su tecnología es ante todo una herramienta de bajo costo para ampliar y enriquecer la cobertura editorial allí donde el presupuesto es exiguo. Tienen hasta ahora 20 clientes. Uno de ellos comenta:

Estamos haciendo cosas que de otra manera no haríamos

En principio se está usando para resúmenes de partidos locales o empresas locales. Se publican 1 minuto después de que acabe el partido a un precio por el que nadie escribiría: menos de 10$ por un artículo de 500 palabras. Y el precio está disminuyendo.

Por un lado el software puede usar la minería de datos para establecer correlaciones que un humano no haría y en ese sentido dar mayor valor al artículo. El programa utiliza expresiones como “esfuerzo individual”, “trabajo en equipo”, “venir desde atrás”, “de ida y vuelta”, “temporada alta”, “jugador en racha”. Según el dato más relevante el programa elige el titular de la noticia, y con un marcador muy desequilibrado decide que un equipo “machacó” a otro en lugar de “ganó”.

Robbie Allen, fundador de Automated Insights, es un desarrollador de software que ha escrito una decena de libros. StatSheet contiene artículos publicados por ellos como el de la imagen.

Las preguntas del tipo ¿cómo puede un ordenador, hacer X? son las que yo he pasado mi carrera tratando de responder. Así es que me puse a crear un software que pudiera escribir. Me tomó más esfuerzo que escribir 10 libros juntos, pero después de crear un equipo de 12 personas, hemos sido capaces de utilizar nuestro software para generar más de 100.000 historias relacionadas con el deporte en un período de nueve meses.
Hemos automatizado el contenido dando significado a los números, a los datos. Los deportes son la primera categoría hemos abordado. Los deportes, por su naturaleza usan muchos datos. Por nuestras estimaciones internas, el 70% de todos los artículos relacionados con el deporte están analizando números de una forma u otra.

Aclara que su software es bueno manejando datos cuantitativos pero no cualitativos.

Ahora, (sus clientes) pueden concentrarse en comentarios más cualitativos, de valor añadido, en los que los seres humanos son inherentemente buenos. Las historias cuantitativas pueden -y probablemente deben- ser mayoritariamente automatizadas ya que los ordenadores lo hacen mejor.
Ahora nuestro software puede crear ocho párrafos, pero ¿es posible crear ocho capítulos llenos de contenidos? La respuesta es “sí”.
Nuestro software es bueno en el análisis cuantitativo utilizando datos estructurados.
La principal ventaja del software que escribe es para automatizar tipos repetitivos de contenido. Esto no se aplica a los libros.

Tenemos un robot periodista de bajo coste para ampliar la cobertura de las noticias y escribir artículos sin importancia. Eso hoy, mañana veremos.

Artículo publicado en ALT1040

Vigencia del Test de Turing

Hace más de medio siglo Alan Turing se planteó la pregunta ¿Pueden pensar las máquinas? Para no tener que resolver la ambigüedad de los conceptos máquina y pensar, diseñó una prueba que sustituyera a la citada pregunta creando con ello el célebre Test de Turing. ¿Qué vigencia tiene en la actualidad el Test de Turing?

Alan Turing (1912-1954), brillante matemático inglés, fue uno de los padres de la moderna computación junto con Von Newmann, Shannon y otros.

En la Segunda Guerra Mundial descubrió el código de Enigma, la máquina de criptografía de los nazis y formuló la máquina de Turing. En su artículo “La maquinaria de la computación y la inteligencia” planteó el llamado Test de Turing.

El final de Turing fue trágico siendo condenado por homosexualidad. Optó por la castración química frente a la cárcel. Dos años después se suicidó.

Test de Turing

El periodista electrónico. Noticias generadas por ordenador.

El campo de la inteligencia artificial se amplia constantemente. The New York Times publica un artículo sobre noticias generadas por ordenador. El nuevo periodista electrónico.

WISCONSIN parece estar en el asiento del conductor camino de la victoria, ya que gana 51 a 10 después del tercer tiempo. Wisconsin aumentó su ventaja cuando Russell Wilson encontró a Jacob Pedersen y logró un touchdown de ocho yardas poniendo el marcador 44-3 ... 

Lo anterior es parte de una breve noticia que se escribió 60 segundos después de terminar el tercer tiempo de un partido de fútbol americano. El autor: un ordenador.
Narrative Science es la empresa que ha desarrollado el SW. Este programa recoge datos como por ejemplo estadísticas deportivas, informes financieros de empresas y construcción y venta de viviendas, y los convierte en artículos. La comprensión del lenguaje está avanzando mucho. Lo novedoso es la generación de lenguaje. ¿Sustituirán los periodistas robot a los periodistas humanos?
Los dueños de Narrative Science hacen hincapié en que su tecnología es ante todo una herramienta de bajo costo para ampliar y enriquecer la cobertura editorial allí donde el presupuesto es exiguo. Tienen hasta ahora 20 clientes.
En principio se está usando para resúmenes de partidos locales o empresas locales. "Estamos haciendo cosas que de otra manera no haríamos" dice un cñiente. Se publican 1 minuto después de que acabe el partido a un precio por el que nadie escribiría: menos de 10$ por un artículo de 500 palabras. Y el precio está disminuyendo.
Por un lado el SW puede usar la minería de datos para establecer correlaciones que un humano no haría y en ese sentido dar mayor valor al artículo. El programa utiliza expresiones como "esfuerzo individual", "trabajo en equipo", "venir desde atrás", "de ida y vuelta", "temporada alta", "jugador en racha". Según el dato más relevante el programa elige el titular de la noticia, Y con un marcador muy desequilibrado decide que un equipo "machacó" a otro en lugar de "ganó".
Un robot periodista de bajo coste para ampliar la cobertura de las noticias y escribir artículos sin importancia. Eso hoy, mañana veremos

El cerebro como simulador (Brain as a simulator)

¿Es posible simular el cerebro? Se trata de una pregunta fundamental que, con el avance de la neurociencia y de la computación, nos formulamos en la actualidad. La consideración inversa, la del cerebro como un simulador puede orientar la respuesta.
Varias objeciones se argumentan para concluir que el cerebro no puede simularse. Una es un tema de tamaño y conocimiento. Necesitamos ordenadores mucho más grandes de los que tenemos para simular el cerebro. Es un asunto de tiempo. Necesitamos un conocimiento muy superior del cerebro y su funcionamiento. Es también un asunto de tiempo. De los dos problemas, el tamaño del ordenador y el conocimiento del  cerebro, estamos hoy mucho más lejos de resolver el segundo (el funcionamiento del cerebro) que el primero (el tamaño del ordenador).
Mientras esto ocurre, podemos plantearnos filosóficamente si es posible la simulación.

El Ajedrecista de Leonardo Torres Quevedo

El resultado de una simulación no es la cosa en sí, es solo una simulación. Si simulo en un ordenador la reacción física de la formación del agua a través de sus componentes, hidrógeno y oxígeno, no obtengo agua, de la misma forma que al principio no tenía hidrógeno ni oxígeno. Si simulo una piedra no obtengo una piedra. Si simulo un pájaro, no obtengo un pájaro. Si simulo un cerebro no obtengo un cerebro.
Pero ¿alguien quiere obtener un cerebro con sus neuronas y sus vasos sanguíneos, con su peso y su volumen? Evidentemente no. Lo que queremos es obtener el comportamiento del cerebro. Simular su comportamiento. Eso sí, con todas sus características, estados mentales y conciencia incluidas ya que de otra forma no estaríamos simulando un cerebro. Queremos también que interaccione con el mundo, algo que ya hemos conseguido en pequeña escala. En efecto, mediante los interfaces cerebro máquina BCI, podemos conectar una cámara tanto a un nervio óptico como a un ordenador y también podemos conectar un brazo robótico tanto a un nervio motor como a un ordenador. El interfaz es posible.
Quizá nos ayude pensar sobre qué hace un cerebro.
Por un lado realiza actos reflejos (en realidad son otras partes del sistema nervioso como la médula espinal). Tan solo 4 neuronas intervienen en el reflejo de extensión de la pierna. Interconectar dichas neuronas con elementos electromecánicos puede suponer un problema técnico pero no parece que tenga una trascendencia filosófica.
¿Qué otra cosa hace el cerebro? Simular. El cerebro es un simulador. De acuerdo con la filosofía clásica y con la evidencia científica, las ideas son representaciones del mundo exterior. Son simulaciones. Y las operaciones mentales como juzgar o planificar son simulaciones del comportamiento del mundo tanto exterior como de nuestro comportamiento. Simulamos la trayectoria del coche que nos puede atropellar y reaccionamos. El cerebro simula el mundo.

Sensorama: simulador de moto. 1962

No pensemos en un ordenador que simule el cerebro. Pensemos, al revés, un cerebro que simule un ordenador. ¿Es posible? Sin duda, sí. La persona que diseña ordenadores tiene un cerebro que simula su comportamiento. ¿Y si hablamos de un simulador de vuelo? Ambos, el cerebro y el programa son simuladores. El piloto es un simulador de vuelo. Su cerebro simula lo que ocurrirá si realiza una acción determinada y de forma análoga un programa de simulación lo hace.
En relación al nivel de detalle de la simulación, este debe de ser adecuado a nuestros propósitos. Un simulador de vuelo no simula los tornillos, sino los elementos relevantes como el perfil del ala. Del mismo modo, una simulación del cerebro no necesita simular los vasos sanguíneos, le basta con simular el comportamiento neuronal.
Ya en 1950 Turing estableció que el hecho de que tanto cerebro como ordenador usen electricidad no es relevante. En su época, coexistían ordenadores mecánicos y eléctricos equivalentes. "...puesto que todas las computadoras digitales son equivalentes en cierto sentido (a las mecánicas), observamos que el uso de la electricidad no puede tener importancia teórica.() Si realmente deseamos encontrar tales semejanzas, deberíamos buscar analogías matemáticas en el funcionamiento." Leornardo Torres Quevedo diseñó en 1912 El Ajedrecista, un autómata analógico que daba mate con rey torre, equivalente a los programas informáticos posteriores. En términos informáticos un simulador es también un equipo (en general más barato o más moderno) que puede simular el comportamiento de otro equipo, es decir, un ordenador que simula a otro.
De modo que tenemos dos simuladores: el cerebro y el ordenador. ¿Es posible trasladar la simulación del mundo que hace un cerebro de un sustrato al otro, de la biología al silicio? Conceptualmente sí. Técnicamente aún queda tiempo.

Tareas en las que el ordenador pasa el Test de Turing

En 1950 Alan Turing se preguntó ¿pueden pensar los ordenadores? Para no tener que resolver la ambigüedad de los conceptos máquina y pensar, diseñó una prueba que sustituyera a la citada pregunta creando con ello el célebre Test de Turing.

En el Test de Turing hay tres actores. Un concursante humano, un concursante ordenador y un juez. El juez debe averiguar en un entorno de lenguaje natural quién es el ordenador. Si no lo hace, se dice que el ordenador ha superado el Test de Turing. Para comunicarse con el juez, los concursantes utilizan un teletipo (hoy una pantalla y teclado de modo que el juez no pueda verlos ni oírlos).

A fecha de hoy el Test de Turing está lejos de ser superado por ningún ordenador en un entorno de lenguaje natural sin restricciones. Hay muchos ejemplos en la red como Eliza o Solutecia que puedes probar.

Sin embargo, si usamos el test en tareas concretas, un ordenador lo superará en muchos casos. Cada vez más y más sorprendentes. De modo que sugiero reformular el Test de Turing de la siguientes manera:

Un ordenador supera el Test de Turing para una tarea X cuando un juez humano no pueda distinguir entre un concursante humano y un concursante ordenador ejecutando la tarea X

¿En qué tareas un ordenador supera el test?

• Cuanto más acotada sea la tarea, más posibilidades tiene un ordenador de superarla. En los entornos de ejecución abiertos, que por su naturaleza no han sido programados por completo, fracasará con mayor facilidad.
• Los ordenadores están construidos por humanos para que les descarguen de trabajo, realizando tareas humanas. Por ello superan el test en multitud de tareas. Por ejemplo todas las tareas de informática empresarial: contabilidad, control de almacén, nóminas, cálculos diversos...
• Matemáticas. El propio Turing advirtió que ya en su tiempo lo único adicional que debería requerir un programa matemático era ralentizar su respuesta e introducir algún error para confundir al juez humano.
• Ajedrez. En 1997 Deep Blue ganó a Garry Kasparov estableciendo un nuevo escenario en la relación hombre máquina. Hoy los programas comerciales modernos no solo ganan a cualquier maestro, sino que ajustan su nivel (juegan deliberadamente peor) al de su contrincante para no desanimarle.
• Música. Escucha la siguiente composición del programa Emmy al estilo Bach. Una audiencia especializada no distinguió si el compositor era Bach o Emmy.
• Poesía. Aunque los ordenadores están lejos de crear largos textos en prosa, pueden confundir en un poema corto.

  Yunques ahumados
  Sus muslos se me escapaban como
  Peces sorprendidos
  La mitad llenos de alas.
  Con la sombra levanta
  La arquitectura del humo
  Un pie de mármol afirma
  Su casto fulgor enjuto

• Reconocimiento de caras. Poco a poco se van adentrando en este terreno. Policías del mundo están usando estos programas que empiezan a estar disponibles en Facebook o Windows.
• Síntesis de voz. Disponible desde hace tiempo,se va refinando. Aun distinguimos con claridad una voz humana de una sintética.
• Reconocimiento de voz. Asignatura pendiente donde el camino por recorre es aún grande. Dada su importancia comercial, es de esperar que avance con rapidez.
• Lenguaje natural. Watson, Es el enfoque más ambicioso de los últimos tiempos. Watson supera el test en la tarea "jugar en el concurso televisivo Jeopardy" No es un entorno abierto, pero el avance en "entendimiento" de lenguaje natural es asombroso.

Poesía compuesta por ordenador

En su constante aproximación a la simulación del comportamiento humano, los ordenadores son capaces de componer poesía. ¿Superan el Test de Turing? Júzgalo tú.
No soy un gran aficionado a la poesía. Me cuesta encontrar los múltiples sentidos, me falta paciencia y con frecuencia no la entiendo (o no se si la he entendido por completo, o no se si he entendido lo que el autor quería transmitir). Es quizá por ello que soy un buen candidato a quedar deslumbrado por lo que hacen los ordenadores en este ámbito. Juntan palabras, a veces sin errores y con aparente sentido. Los generadores de poesía son programas que pueden ser muy pequeños y con un buen resultado aparente.

¿Puede un computador escribir un poema de amor? es un libro del poeta Dionisio Cañas y el psicólogo Carlos González Tardón en el que reflexionan sobre el asunto.  ¿Un ejemplo?

Yunques ahumados
Sus muslos se me escapaban como
Peces sorprendidos
La mitad llenos de alas.
Con la sombra levanta
La arquitectura del humo
Un pie de mármol afirma
Su casto fulgor enjuto

Pablo Gervás, informático ha creado los generadores de poemas WASP (the Wishful Automatic Spanish Poet) y es autor de "Un modelo computacional para la generación automática de poesía formal en castellano" (descargar pdf)

Marchitará la nieve, el fin pesado,
por tal caso, con una lengua sola,
duro rato de rastro ensangrentado

¿Más generadores? consulta Escritura automática

Aunque mejor aún, prueba por ti mismo con los generadores de poemas y texto de Féliz Remirez. Puedes incluso leer el código del programa. Si tienes tiempo, te recomiendo que leas su ilustrativo y divertido artículo.

Generador automático de poemas Félix Remírez Año 2009

Generador automático de textos Félix Remírez 2009

Por qué ganó Watson. Velocidad y metacognición

Toda la serie de enlaces sobre Watson:

Por qué ganó Watson. Velocidad y metacognición
Watson en Jeopardy. Todas las preguntas y repuestas

¿Cómo funciona Watson de IBM?
Watson gana el desafío final de Jeopardy. Vídeos del encuentro
Watson destroza a los humanos en el 2º día de Jeopardy. Vídeos del encuentro
Watson empata el primer encuentro con humanos en Jeopardy. Videos del encuentro
Watson gana los encuentros previos de Jeopardy
IBM Watson. Su próximo médico puede ser un robot.
Ray Kurzweil: ¿Por qué la victoria de Watson de IBM en Jeopardy importa?
¿Quién es Watson? El superordenador de IBM que competirá en Jeopardy

La velocidad para apretar el pulsador es el motivo por el que ganó Watson en Jeopardy. Y eso a pesar de carecer de metacognición.

Stephen Baker ha escrito un libro renombrado sobre el encuentro: Final Jeopardy: Man vs. Machine and the Quest to Know Everything. Como es de esperar las preguntas más interesantes se formulan en torno al cerebro humano, no acerca de las máquinas. Cuando nos preguntamos si piensa Watson, nos preguntamos si eso que hace Watson y que conocemos se parece a lo que nosotros hacemos, que no conocemos y que llamamos pensar.
Al fin y al cabo nosotros hemos construido las máquinas y las entendemos (o siempre podemos llamar a alguien que las entienda). Pero el cerebro sigue albergando enormes misterios. Una de las equivocaciones recurrentes a la hora de comparar los ordenadores y los hombres, tanto se trate de Deep Blue ganando al ajedrez a Gary Kasparov como de Watson ganando en Jeopardy es afirmar que los ordenadores se comportan de forma distinta que los cerebros o por decirlo de otra forma, que no imitan a los cerebros: los programas de ajedrez no imitan el comportamiento humano, Watson no se comporta como los humanos. Esto es solo parcialmente cierto. Desde luego no siguen la misma secuencia de pasos que los humanos. Pero los ordenadores solo hacen cosas que los humanos sabemos hacer. Los programadores escriben rutinas que ellos entienden y piden a los ordenadores que las lleven a cabo. La diferencia estriba en la velocidad con la que ejecutan las rutinas. No hay nada que haga un ordenador que un hombre no pueda hacer con papel y lápiz ( aunque necesite para ello siglos y kilómetros de papel ).

En un excelente artículo (como todos los suyos) Mind Hacks se plantea algunas novedades de Watson. Entre los muchos algoritmos que incorpora el artículo se refiere a dos. Uno de ellos es constraint satisfaction o satisfacción de requisitos por el que el sistema encuentra la solución que mejor se ajusta a los requisitos de un problema que no tiene solución matemática exacta. Este es en efecto una de las novedades del sistema ya que se plantean múltiples hipótesis y se elige la mejor, considerando que ninguna es buena al 100%. El otro se denomina local search e indica cuando considerar la búsqueda suficiente y detenerla debido a  que siempre sería posible seguir hurgando en los datos. Estas estrategias que emplea Watson ¿son humanas? Evidentemente sí, responden a aproximaciones que usamos con regularidad.

Un aspecto muy interesante es la metacognición. No solo sabemos cosas. Sabemos que sabemos. Tenemos la sensación de saberlo. Sé que conozco la respuesta antes de dar con ella. Lo tengo en la punta de la lengua (expresión que al parecer es muy similar en muchos idiomas). Sé que si sigo buscando voy a dar con la respuesta. Quizá deba empezar con la A y seguir el alfabeto hasta encontrar el nombre de la persona a la que acabo de saludar. O seguir otras estrategias de recuperación de la información. Pero con una alta probabilidad si creo que lo sé es que lo sé.

Pulsador accionado de forma mecánica por Watson

Watson carece de metacognición (aunque no sería difícil programar estadísticamente algo semejante, no sería metacognición). Hasta que no encuentra la respuesta no sabe que lo sabe. Y en el programa Jeopardy la confianza es fundamental ya que las respuesta erróneas puntúan negativamente.

¿Por qué ganó Watson? Uno de los dos concursantes rivales de Watson, Brad Ruter (el que había ganado más dinero en la historia del concurso) lo explica en Why I Lost to Watson. Los tres concursantes conocen la mayoría de las respuestas, pero Watson es el más rápido con el pulsador. La secuencia en Jeopardy es como sigue:

1. Se presenta la pregunta visualmente a los participantes.
2. El presentador lee la pregunta en alto.
3. Se activa el pulsador. (Si un jugador pulsa antes de tiempo su pulsador se desactiva unos instantes)

En cuanto se presenta la pregunta y mientras el presentador está leyéndola (lo que le lleva unos tres segundos) Watson está procesando datos. Cuando se activa el pulsador, Watson usa entre 4 y 10 milisegundos en apretar el pulsador. Un tiempo imposible de batir para los humanos, aunque sepan la respuesta o tengan metacognición y sepan que lo saben. Watson perdió las preguntas de la categoría "Actores que dirigen". El motivo es que el presentador necesita poco más de 1 segundo en leer el título de la película, Watson no sabe que lo sabe y necesita 3 segundos para encontrar la respuesta, pero antes de ello los humanos se han adelantado.

¿Cómo funciona Watson de IBM?

Toda la serie de enlaces sobre Watson:
Por qué ganó Watson. Velocidad y metacognición
Watson en Jeopardy. Todas las preguntas y repuestas

¿Cómo funciona Watson de IBM?
Watson gana el desafío final de Jeopardy. Vídeos del encuentro
Watson destroza a los humanos en el 2º día de Jeopardy. Vídeos del encuentro
Watson empata el primer encuentro con humanos en Jeopardy. Videos del encuentro
Watson gana los encuentros previos de Jeopardy
IBM Watson. Su próximo médico puede ser un robot.
Ray Kurzweil: ¿Por qué la victoria de Watson de IBM en Jeopardy importa?
¿Quién es Watson? El superordenador de IBM que competirá en Jeopardy

Un equipo de 20 investigadores de IBM lleva 3 años construyendo a Watson, el ordenador que se enfrenta con éxito a humanos en el juego de televisión Jeopardy. ¿Cómo funciona Watson?
Watson está compuesto por un centenar de algoritmos. No se espera que ninguno resuelva por sí solo el problema. La pregunta se analiza y se buscan múltiples respuestas candidatas que generan hipótesis. Estas hipótesis se confrontan con las evidencias disponibles y se les asigna una puntuación de confianza. Se establece una clasificación y la mejor situada es la respuesta elegida. Cada uno de los algoritmos merece una publicación separada.
Hace unos tres años, la división de investigación de IBM, IBM Research estaba buscando un desafío de investigación para competir con el interés científico y popular que supuso Deep Blue cuando  hace 14 años derrotó al ajedrez al campeón mundial Gary Kasparov. Era una ocasión magnífica para celebrar el 100 aniversario con un logro de repercusión mundial. Una parte mayoritaria del conocimiento mundial ha sido digitalizado y se encuentra disponible en múltiple formatos: bases de datos, datos no estructurados, documentos de texto... ¿Es posible acceder a ellos mediante lenguaje natural? La respuesta de IBM ha sido la tecnología de pregunta-respuesta QA.
Los avances en la tecnología de pregunta-respuesta (QA) pueden servir de apoyo a los profesionales en la toma oportuna de decisiones críticas en áreas como la atención de la salud, la integridad de negocios, inteligencia de negocios, el descubrimiento del conocimiento, gestión del conocimiento empresarial, seguridad y atención al cliente.

Nuestros resultados sugieren que DeepQA es una arquitectura eficaz y extensible que se puede utilizar como base para la combinación, la implementación, evaluación y la promoción de una amplia gama de técnicas algorítmicas para avanzar rápidamente en el campo de preguntas y respuestas (QA).

El reto de Jeopardy

Jeopardy proporciona todos los elementos para este desafío.
Se trata de un dominio abierto en el que caben todo tipo de preguntas.
Es una síntesis de recuperación de información, procesamiento del lenguaje natural, la representación del conocimiento y el razonamiento, máquinas  que aprenden, y las interfaces hombre-máquina.
Jeopardy requiere responder a preguntas en lenguaje natural rico en un dominio muy amplio de temas, con penalizaciones para las respuestas erróneas.
Los concursantes disponen de alrededor de 3 segundos para responder cada pregunta. Hay que responder a aproximadamente el 70 por ciento de las preguntas con una precisión superior al 80 por ciento en 3 segundos o menos.

Las categorías. 

En Jeopardy, el nombre de la categoría puede proporcionar información que Watson debe evaluar. Aunque en ocasiones despista más que ayuda.

Las preguntas. 

Hay muchas formas de categorizar la pregunta: Por tema, por la dificultad, por la construcción gramatical, según el tipo de respuesta, y así sucesivamente.
Una parte importante son las preguntas factoide: preguntas cuyas respuestas se basan en información objetiva acerca de una o varias entidades individuales contenidas en la pregunta.
Descomposición. Algunas pistas más complejas contienen múltiples hechos. No se espera encontrar las dos sub-pistas en una sola frase en las fuentes de información.
Rompecabezas. Aunque los rompecabezas constituyen sólo alrededor de 3 o 2 por ciento de todas las pistas no se puede ignorar.
Tipos de preguntas excluidas. Por acuerdo con los patrocinadores, las preguntas visuales y auditivas están excluidas. Ambos desafíos resultan muy interesantes desde el punto de vista de AI, pero se excluyeron del alcance de este concurso y la evaluación.

El dominio
Para analizar la amplitud del dominio Jeopardy Challenge se usan los tipos de respuesta léxica (LAT).
Se define una LAT como una palabra en la pista que indica el tipo de la respuesta, independientemente de la asignación de la semántica de esa palabra. Alrededor del 12 por ciento de las pistas no indican un tipo de respuesta explícita léxica, sino que se refieren a la respuesta con los pronombres como "él", "estos", o "esto". La distribución de LAT tiene una cola muy larga, como se muestra en la figura. Se han encontrado 2.500 LAT distintas y explícitas.

Frecuencia de las LAT

La Métrica

Además de la precisión de preguntas y respuestas, la victoria dependerá de la velocidad, la estimación de la confianza, la selección de la pista, y la estrategia de apuestas.
El obejtivo es medir la exactitud, la confianza, y la velocidad. Para ello se usó la precisión y el tanto por ciento respondido. El umbral controla el equilibrio entre la precisión y el porcentaje de respuestas. La exactitud se refiere a la precisión si todas las preguntas son respondidas.

El desafío:
Rendimiento de los campeones humanos

Rendimiento en Jeopardy. Los puntos corresponden a humanos registrados en más de 2.000 juegos. Los puntos oscuros son el resultado de Ken Jennings, el mejor jugador de la historia. Las líneas indican el rendimiento de las distintas versiones de Watson

Se basa en el análisis histórico de casi 2000 encuentros de Jeopardy.
El centro de la llamada "Nube de Ganadores" (el conjunto de puntos grises en la gráfica) revela que los campeones de Jeopardy son seguros y lo suficientemente rápidos para adquirir (apretar el pulsador buzz), en promedio entre el 40 y 50 por ciento de todas las preguntas a sus competidores y para tener una precisión de entre el 85 por ciento y 95. Los puntos más oscuros en la gráfica representan los juegos de Ken Jennings. Ken Jennings tuvo una racha ganadora sin igual en el año 2004, en los que ganó 74 partidas seguidas.

Línea de base de rendimiento

IBM usó como referencia antes de empezar con Watson dos programas llamados Practical Intelligent Question Answering Technology (PIQUANT) y OpenEphyra. Ambos obtenían buenas puntuaciones en entornos de manejo de textos Text Retrieval Conference (TREC).
Se tardararon unas 4 semanas en adaptarlos al entorno de Jeopardy. Resultó evidente que la precisión y la estimación de la confianza estaban muy por debajo de los requisitos del Desafío Jeopardy con apenas un 15% de exactitud. Lo que si demostraron es que varias técnicas eran posibles: análisis sintáctico profundo pero también búsquedas superficiales, bases de datos estructuradas y no estructuradas.

El enfoque DeepQA