Nerea Luis: “La inteligencia artificial es capaz de especializarse y ser más objetiva que los humanos”

Con 28 años recién cumplidos, Nerea Luis está  terminando su tesis doctoral en el grupo PLG (Planning & Learning Research Group) de la Universidad Carlos III de Madrid. Estudió Ingeniería Informática y actualmente su línea de investigación está centrada en la planificación multiagente, subárea de la inteligencia artificial. Su impacto en el mundo tecnológico  y sus actividades divulgativas promoviendo la inteligencia artificial han hecho que se convierta en una referente “women in tech”.

En 2013 fundó el evento gratuito de ciencia y tecnología T3chFest, el cual ha alcanzado un gran impacto nacional, reuniendo en su última edición, celebrada el pasado 14 y 15 de marzo, más de 1600 asistentes. En 2016 Google le otorgó el premio Women Techmakers Scholarship, en 2017 coorganizó el proyecto Woman in Tech Short Stories y en enero de 2018 la Fundación COTEC la reconoció como experta en Talento Tecnología y Género. Ese mismo año se unió a Ciencia en el Parlamento, donde ha podido hablar en el Congreso de los Diputados sobre Tecnologías Emergentes en el Transporte y las Comunicaciones. En septiembre de 2018 fue nominada en las Top 100 Mujeres Líderes y recientemente ha obtenido el premio Innovadoras Tic por la Fundación Cibervoluntarios.

El machine learning existe desde hace décadas, pero la industria periodística en general ha sido un poco precavida respecto a los cambios tecnológicos. Desde hace dos años, algunos medios de comunicación implementan técnicas de machine learning en la elaboración de noticias. ¿Por qué ahora y no antes? ¿Cómo puede transformar el machine learning las noticias?

El machine learning o aprendizaje automático es un área de conocimiento dentro de la inteligencia artificial que pretende identificar patrones de un conjunto de datos para así extraer conocimiento de los mismos. Pese a que muchos de estos modelos matemáticos datan de 1970, la clave de su popularidad reside en la escalabilidad actual a nivel de procesador. La capacidad computacional de las máquinas es mucho mayor y existen herramientas que permiten paralelizar los cómputos. Además el acceso a máquinas potentes se ha democratizado mediante la aparición de servicios cloud. Gracias a las actuales técnicas de machine learning la industria del periodismo se puede ver beneficiada debido a que ahora puede procesar información de forma masiva, analizar la evolución de tendencias con mayor objetividad y personalizar las noticias al usuario.

Facebook y Google no son productores de contenidos tradicionales, sin embargo, utilizan el poder del Machine Learning y el Big Data para recomendar noticias personalizadas a los usuarios. ¿Deberán los medios de comunicación seguir el mismo sistema, es decir, capturar los datos de navegación de los usuarios de Internet para captar sus patrones de consumo noticioso y generar noticias personalizadas?

En mi opinión, lo mejor es el punto medio o bien dejar al usuario la opción de personalizar o no su feed de noticias (como por ejemplo hace Twitter). Los datos los vas a capturar igual ya que te interesa saber qué noticia genera mayor curiosidad o cuáles hacen que fidelices a una mayor audiencia.

Gracias a las actuales técnicas de machine learning la industria del periodismo se puede ver beneficiada debido a que ahora puede procesar información de forma masiva

Medios como la CNN y The Wall Street Journal hace ya unos años que ofrecen el periodismo de converación a través de los chatbots. ¿Qué consideras que es lo interesante de esta modalidad, que la información que te dan sea personalizada o que la conversación entre el usuario y la máquina sea fluida?

Lo complejo de esta modalidad es el control de los flujos de información. El cerebro humano tiene una alta capacidad de inferir el conocimiento y relacionar la información. Esto hace que en el propio lenguaje haya que inferir muchísimos términos cuando, por ejemplo, se construya una frase o cuando sea complicado para la máquina identificar las menciones a algo anteriormente citado o a un cambio de opinión que rehaga parte de los flujos de información.

¿Cómo ayudan programas como Tensor Flow de Google, Watson de IBM y el Microsoft Cognitive Toolkit a la personalización de noticias, así como al procesamiento de información?

Principalmente ayudan con el procesamiento de información y extracción de conocimiento. Estos sistemas utilizan redes de neuronas y algoritmos de Data-Mining para identificar patrones en los datos y así con ello ser capaces después de generar un esqueleto de una noticia, identificar un dato falso o trabajar en el procesamiento de información.

The New York Times se está valiendo del aprendizaje automático para buscar patrones en los datos de financiación de sus campañas, y optimizar así sus resultados. Ante el declive que están viviendo los medios tradicionales por la ineficiencia de la publicidad, ¿acabará siendo esta la manera de financiar los medios de comunicación y obtener beneficios?

Cuanto mejor conozcas a tus usuarios mayor experiencia podrás ofrecerles y mayor retorno obtendrás tú. No obstante, esto siempre debe llevarse a cabo dentro de un marco legal. El problema al que nos enfrentamos reside en la privacidad de los datos y cómo estos se obtienen o se venden y no tanto en las técnicas de machine learning que se aplican sobre los mismos.

El problema al que nos enfrentamos reside en la privacidad de los datos y cómo estos se obtienen o se venden, y no tanto en las técnicas de machine learning que se aplican sobre los mismos

Digital News Initiative, el proyecto de Google para financiar iniciativas que apoyen el periodismo de calidad apostó en 2017 por un proyecto de la agencia The Press Association llamado RADAR (Reporters And Data And Robots). Se trata de un software capaz de escribir hasta 30 noticias mensuales sin necesidad de que intervenga el humano, utilizando plantillas muy simples que pueden ser usadas en diversos contextos. ¿Actualmente, existe algún tipo de avance en robots para que puedan crear textos mucho más elaborados, como crónicas y novelas usando plantillas más complejas?

Recientemente, OpenAI ha hecho pública un artículo de investigación y The Guardian ha publicado una noticia donde dicen haber desarrollado un sistema llamado GPT2 capaz de argumentar cualquier tipo de texto (por ejemplo, sobre el Brexit). El modelo entrenado no se ha liberado por el temor a que se utilice de forma maligna. Esto también ha causado controversia y ha puesto en duda dentro del mundo académico la calidad de los resultados.

Si cabe la posibilidad de utilizar esta tecnología de forma maligna. ¿Qué consideraciones éticas debemos reflexionar y trabajar para evitar un impacto negativo?

Es muy importante trabajar en una ley de protección de datos y privacidad del usuario, y penalizar la generación de noticias falsas.

Teniendo en cuenta que por la web circulan numerosas informaciones falsas. ¿Si los robots buscan entre datos publicados en la web, cómo se garantiza que esas informaciones sean verídicas?

Generalmente deberían contrastarse con fuentes oficiales o de instituciones públicas. Esto se consigue entrenando a los sistemas con dichas fuentes.

No hay que tener miedo a la inteligencia artificial, hay que preocuparse por quiénes son los que diseñan, ejecutan y legislan estos sistemas

¿Cuánto tiempo necesitan estos programas de computación inteligente para agilizar el reconocimiento de fake news?

No depende tanto del tiempo sino de la calidad de los datos de entrada. Si la información está estructurada, ordenada y habla sobre un tema concreto será mucho más sencillo llevar a cabo ese reconocimiento que si es sobre cualquier tipo de temática y la información está en bruto sin preprocesar.

Ciertos sectores del periodismo siguen viendo a la inteligencia artificial como una amenaza. ¿Hay que tenerle miedo?

No hay que tener miedo a la inteligencia artificial, hay que preocuparse por quiénes son los que diseñan, ejecutan y legislan estos sistemas. Será lo que defina el futuro de una profesión. La inteligencia artificial nos va a permitir ahorrar tiempo en trabajos repetitivos y poco motivadores y favorecerá que el humano se dedique a la supervisión y generación de nuevas formas de periodismo en este caso. En mi opinión, también ayudará a fomentar el periodismo de investigación.

En cambio, según la Newhouse School of Public Communications, escuela de comunicaciones de la Universidad de Syracuse, la inteligencia artificial agilizará y enriquecerá el trabajo del periodista. ¿Crees que el periodismo tiene que seguir apostando fuerte por la IA? 

Sí, y espero que la inteligencia artificial se encuentre dentro de las prioridades de la industria del periodismo, ya que de ser así conseguirá grandes avances en el sector. La IA es muy buena cuando trabaja en tareas específicas y repetitivas. La inteligencia artificial es capaz de especializarse y ser más objetiva que los humanos al procesar y aprender tanta cantidad de información.

¿Qué área crees que más se va a desarrollar gracias a la IA?

Habrá muchísimas líneas que se irán desarrollando tales como la producción de textos, la verificación de información en tiempo real, la interacción humano-robot, la conducción autónoma, etc.

El periodista Roger Fidler decía que los cambios tecnológicos son más rápidos que los cambios culturales. ¿Será capaz la sociedad de percibir esta transformación que sufrirán las noticias?¿Cómo se adaptará al cambio?

El cambio será progresivo, aunque principalmente consistirá en asumir que una noticia que sigue un cierto esquema, más o menos fijo (por ejemplo, una crónica de un partido de fútbol), puede ser desarrollada por una máquina con la misma calidad o más que la escrita por un humano. De todas formas, lo percibirán de forma pasiva.