Carlos Ansótegui: “En alguns aspectes el ChatGPT no ens pot substituir”
Carlos Ansótegui és catedràtic de l’àrea de coneixement de Ciències de la Computació i Intel·ligència Artificial. El seu grup de treball toca la branca de l’aprenentatge i raonament automàtic.
Carlos, què feu a la Universitat amb IA? El meu grup és el LOG (Logic and Optimization Group). Resolem problemes de decisió concrets, de la forma més eficient. El nostre camp és el del raonament automàtic, concretament el prescriptive analytics, és a dir, prendre decisions en base a dades. Per contextualitzar: fins ara teníem dades de business analítics, que era recollir moltes dades per analitzar-les, ara amb aquestes dades ja podem prendre decisions de forma automàtica, resolent problemes de decisió i d’optimització, no només saber si un problema es pot resoldre, sinó saber quina és la millor solució.
Podem traslladar aquesta descripció al món real? Sí, per exemple podem pensar en la creació d’un horari laboral d’una gran empresa. Hi haurà personal que tindrà restriccions laborals, per exemple que no pugui treballar durant els matins, o en unes franges horàries concretes. Imaginem que agafem totes aquestes restriccions i la IA les col·loca en un horari, satisfent el màxim de restriccions i quadrant tot l’horari al 100%. Llavors hi haurà dues preguntes. La primera és saber si ha pogut crear un horari amb totes les restriccions satisfetes, i segurament la resposta serà que no. I ara ve la segona resposta, que és el nombre màxim de restriccions que ha pogut satisfer. Aquesta és la diferència entre decisió i optimització. I això ho fem amb algoritmes i resolutors, que són eines de lògica.
I això es pot utilitzar? Un enginyer podria agafar els nostres resultats i aplicar-ho a la seva empresa.
I funcionaria? No del tot, ja que el que fem nosaltres és resoldre problemes computacionalment durs, i porta capes de creativitat pròpia. L’enginyer podria crear una primera capa, però necessitaria polir-ho bastant. En això, per exemple, no ens pot substituir el ChatGPT.
Repeteixo pregunta: quina diferència hi ha IA i alta tecnologia? La IA és un concepte ampli i amb moltes branques. Jo parlo de la nostra, que és l’aprenentatge i raonament automàtic, i la IA és tot allò que es vol reproduir artificialment intel·ligència. Quan et parlava abans dels horaris és una cosa que podria fer un humà amb molt temps, però nosaltres volem convertir-ho tot en un procés automàtic, instantani i al més òptim possible.
Treballeu amb més temes. Sí, la configuració automàtica, on la IA pot ajustar totes les parts d’un engranatge (pensem en totes les parts d’un vehicle) de la forma més òptima. Si ho portem a un procés industrial amb un gran volum de tasques, podem realitzar microajustaments que ens aportin un valor competitiu. També el Combinatorial testing. Que mira de trobar errors als sistemes. I finalment la interpretabilitat. Tu pots tenir un sistema de Machine learning molt bo que fa bones prediccions, el ciutadà necessita que la màquina ens digui alguna cosa més, que interpreti, que ens expliqui el perquè de la interpretació que ha fet. Contextualitzar les coses és molt important de cara al ciutadà, que té dret a saber per què la IA pren decisions.
Tot això com arriba al món real? El nostre objectiu és fer recerca i avançar coneixement, i això és a través d’articles de conferència i articles en revistes. Hi ha una recerca aplicada que és agafar els resultats i adaptar-ho a problemes concrets, i després un altre estadi, que és convertir-ho en una aplicació industrial.
I tu, podries vendre els teus resultats? Hi ha un tema d’ètica i objectius personals. La nostra funció com a treballadors públics és investigar. Ara, també s’ha de dir que la iniciativa empresarial s’ha flexibilitat molt i fins i tot es promou que professors creïn companyies que comercialitzin el que investiguen, que són les spin-off. Són eines interessants, el problema és que tenim dues mans, i que si vols dedicar-te a la recerca i després posar-te el barret de CEO és complicat.
Però la transferència de coneixement és important? Nosaltres tenim gent de la Business School, com el Xavi Sabi, que el que ens ajuda és a fer contactes i fer transferència de coneixement amb aquestes empreses.
I com va? He de dir que a vegades tenir spin-offs ens permet tenir fons addicionals que ens permeten seguir investigant sobre un tema concret. I a més , quan desenvolupem eines industrials les testegem amb problemes reals, cosa que ens ajuda a veure el món real, i reconvertir problemes acadèmics amb problemes reals del món industrial.
