Datos limitados significan innovación limitada. Foto de Phonlamai Sam valadi / Flickr, CC BY-SA

La Oficina Europea de Patentes rechazado recientemente Una solicitud de patente que describe un contenedor de alimentos. Esto no se debió a que la invención no fuera nueva o útil, sino a que fue creada por inteligencia artificial (IA). Por ley, los inventores deben ser personas reales. Este no es el primer invento de AI: las máquinas han producido innovaciones que van desde artículos científicos y libros para nuevos materiales y música.

Dicho esto, ser creativo es claramente uno de los rasgos humanos más notables. Sin ella, no habría poesía, ni internet ni viajes espaciales. Pero, ¿podría la IA igualarnos o incluso superarnos? Echemos un vistazo a la investigación.

Desde una perspectiva teórica, la creatividad y la innovación es un proceso de búsqueda y combinación. Partimos de un conocimiento y lo conectamos con otro conocimiento en algo nuevo y útil. En principio, esto también es algo que pueden hacer las máquinas; de hecho, son excelentes para almacenar, procesar y hacer conexiones dentro de los datos.

Las máquinas presentan innovaciones mediante el uso de métodos generativos. Pero, ¿cómo funciona esto exactamente? Existen diferentes aproximaciones, pero el estado del arte se llama redes adversas generativas. Como ejemplo, considere una máquina que se supone que crea una nueva imagen de una persona. Las redes adversas generativas abordan esta tarea de creación combinando dos subtareas.

La primera parte es el generador, que produce nuevas imágenes a partir de una distribución aleatoria de píxeles. La segunda parte es el discriminador, que le dice al generador lo cerca que estuvo de producir una imagen real.

¿Cómo sabe el discriminador cómo es un humano? Bueno, le das muchos ejemplos de imágenes de personas reales antes de comenzar la tarea. Basado en la retroalimentación del discriminador, el generador mejora su algoritmo y sugiere una nueva imagen. Este proceso continúa hasta que el discriminador decide que las imágenes se ven lo suficientemente cerca de los ejemplos de imágenes que ha aprendido. Estas imágenes generadas vienen extremadamente cerca a personas reales.

Pero incluso si las máquinas pueden crear innovaciones a partir de datos, esto no significa que es probable que roben toda la chispa de la creatividad humana en el corto plazo. La innovación es un proceso de resolución de problemas: para que la innovación suceda, los problemas se combinan con soluciones. Los humanos pueden ir en cualquier dirección: comienzan con un problema y lo resuelven, o toman una solución e intentan encontrar nuevos problemas para ello.

Un ejemplo para este último tipo de innovación es el pegajoso Nota. Un ingeniero desarrolló un adhesivo que era demasiado débil y estaba sentado en su escritorio. Solo más tarde, un colega se dio cuenta de que esta solución podría ayudar a evitar que sus notas se caigan de sus puntajes durante la práctica del coro.

Utilizando datos como entrada y código como formulación explícita de problemas, las máquinas también pueden proporcionar soluciones a los problemas. Sin embargo, encontrar problemas es difícil para las máquinas, ya que los problemas a menudo están fuera de los límites del conjunto de datos sobre el que las máquinas innovan.

Además, la innovación a menudo se basa en necesidades que ni siquiera sabíamos que teníamos. Piensa en el Walkman. Incluso si ningún consumidor pronunció el deseo de escuchar música mientras camina, esta innovación fue un gran éxito. Como tales necesidades latentes son difíciles de formular y hacer explícitas, tampoco es probable que encuentren su camino en el conjunto de datos que las máquinas necesitan para innovar.

Los humanos y las máquinas también tienen diferentes materias primas que utilizan como insumo para la innovación. Donde los humanos recurren a toda una vida de amplias experiencias para crear ideas, las máquinas se limitan en gran medida a los datos que les proporcionamos. Las máquinas pueden generar rápidamente innumerables innovaciones incrementales en formas de nuevas versiones basadas en los datos de entrada. Sin embargo, es poco probable que la innovación innovadora salga de las máquinas, ya que a menudo se basa en campos de conexión que están distantes o desconectados entre sí. Pensar en invención del snowboard, que conecta los mundos del esquí y el surf.

Además, la creatividad no se trata solo de novedad, también se trata de utilidad. Si bien las máquinas son claramente capaces de crear algo que es incrementalmente nuevo, esto no significa que estas creaciones sean útiles. La utilidad se define en el ojo de aquellos que potencialmente utilizan innovaciones y es difícil de juzgar para las máquinas. Sin embargo, los humanos pueden empatizar con otros humanos y comprender mejor sus necesidades.

Finalmente, las ideas creativas generadas por la IA pueden ser menos preferidas por los consumidores simplemente porque han sido creadas por una máquina. Los humanos pueden descartar ideas de la IA ya que sienten que estas ideas son menos auténtico or incluso amenazante. O simplemente podrían preferir ideas de su tipo, un efecto eso ha sido observado en otros campos antes.

A partir de ahora, muchos aspectos de la creatividad siguen siendo terreno incontestado para las máquinas y la IA. Sin embargo, hay renuncias de responsabilidad. Incluso si las máquinas no pueden reemplazar a los humanos en el dominio creativo, son gran ayuda para complementar la creatividad humana. Por ejemplo, podemos hacer nuevas preguntas o identificar nuevos problemas que resolvemos en combinación con aprendizaje automático

Además, nuestro análisis se basa en el hecho de que las máquinas innovan principalmente en conjuntos de datos estrechos. La IA podría ser mucho más creativa si pudiera combinar datos grandes, ricos y desconectados.

Además, las máquinas pueden mejorar en creatividad cuando mejoran en el tipo de inteligencia amplia que poseen los humanos, algo que llamamos "inteligencia general". Y esto podría no estar demasiado lejos en el futuro, algunos expertos evaluar que hay un 50% de posibilidades que las máquinas alcancen la inteligencia a nivel humano en los próximos 50 años.

Acerca de los autores

Tim Schweisfurth, profesor asociado de gestión de tecnología e innovación, Universidad del sur de Dinamarca y René Chester Goduscheit, profesor de estudios de tecnología e innovación, Universidad de Aarhus

Este artículo se republica de La conversación bajo una licencia Creative Commons. Leer el articulo original.