El futuro de la IA está en África

Sentada en la recepción de un hotel en Tánger (Marruecos) la ejecutiva Charity Wayua se ríe mientras relata su viaje a la ciudad para asistir a una conferencia sobre tecnología e innovación. Empezó en Nairobi (Kenia) donde dirige uno de los dos centros de investigación de IBM en África, pero tuvo que volar muy lejos para hacer una escala en Dubái (Emiratos Árabes Unidos), de ahí voló a Casablanca y luego tardó tres horas y media en coche para llegar a Tánger. Lo que hubiera sido un vuelo directo de siete a ocho horas se convirtió una odisea de casi un día. Pero asegura que esto no es nada raro.

Los problemas de desplazamiento en la región no son lo único que dificulta la situación a los investigadores de África. Dado que cuesta salir fuera de la región, a menudo se pierden los debates internacionales. Aunque estos problemas afectan a todos los campos científicos, parecen tener más peso en el área de la inteligencia artificial (IA). Dado que la innovación avanza tan deprisa, un investigador podría quedarse atrás por faltar repetidamente a conferencias por problemas de visados, algo que ha hecho difícil que los científicos africanos asistan a algunos de los eventos de IA más importantes del mundo en Estados Unidos y Canadá.

A pesar de eso, la comunidad africana de la IA ha florecido en los últimos años. En 2013, un grupo local de investigadores y profesionales de la industria lanzó Data Science Africa, un taller anual para compartir recursos e ideas. En 2017, otro grupo formó la organización Deep Learning Indaba, que ya está presente en 27 de los 54 países del continente. Cursos universitarios y otros programas educativos dedicados a la enseñanza del aprendizaje automático han ido apareciendo como respuesta a la creciente demanda.

La comunidad internacional también ha tomado nota de eso. A finales de 2013, IBM Research abrió su primera oficina en África en Nairobi; luego inauguró otra en Johannesburgo (Sudáfrica) en 2016. A principios de este año, Google lanzó un nuevo laboratorio de inteligencia artificial en Accra (Ghana), y el próximo año, ICLR, una importante conferencia de investigación de IA, celebrará su encuentro en Addis Abeba (Etiopía).

Se trata de un cambio muy positivo para el sector, que ha sufrido de una falta de diversidad y, en muchos sentidos, de una desconexión con el mundo real. Muchos de los laboratorios de investigación académicos y corporativos que dominan la investigación en inteligencia artificial se concentran en burbujas de innovación como Silicon Valley (EE. UU.) y Zhongguancun (China). Esta limitación se nota en el alcance de los productos que crean estos centros.

Pero África podría ofrecer un contexto en el que IA podría regresar a su promesa original: crear tecnología que aborde los desafíos globales más apremiantes, como el hambre, la pobreza y las enfermedades. Wayua afirma: “Cualquiera que esté buscando desafíos difíciles debería estar aquí”.

La innovación en África

Tanto las oficinas de IBM Research en Kenia y Sudáfrica como el laboratorio de inteligencia artificial de Google en Ghana comparten la misma misión que sus organizaciones matrices: la investigación básica y de vanguardia. Se centran en temas como aumentar el acceso a servicios de salud asequibles, hacer que los servicios financieros sean más inclusivos, fortalecer la seguridad alimentaria a largo plazo y modernizar las operaciones gubernamentales. La lista no es diferente a la de un laboratorio ubicado en cualquier otro lugar del mundo, pero el contexto añade matices a los objetivos.

El director de Google AI Ghana, Moustapha Cisse, afirma: “La investigación no puede separarse del entorno en el que se realiza. Estar en un entorno donde los desafíos son únicos en muchos aspectos nos permite explorar problemas que quizás otros investigadores en otros lugares no podrían”.

Antes de fundar su laboratorio de inteligencia artificial en Ghana, Google comenzó a trabajar con agricultores en zonas rurales de Tanzania para comprender algunas de las dificultades a las que se enfrentaban para mantener una producción constante. Los investigadores aprendieron que las enfermedades de los cultivos pueden reducir significativamente el rendimiento, por lo que crearon un modelo de aprendizaje automático capaz de identificar las etapas tempranas de la enfermedad en la planta de yuca, un cultivo básico importante en la región. El modelo, que funciona directamente en los teléfonos de los agricultores sin necesidad de acceso a internet, les ayuda a intervenir antes para salvar sus plantas.

Wayua da otro ejemplo. En 2016, el equipo de IBM Research en Johannesburgo descubrió que la entrega de datos oncológicos al Gobierno, que los usaba para diseñar las políticas nacionales de salud, ocurría cuatro años después del diagnóstico en los hospitales. En EE. UU., la recogida y el análisis de datos equivalentes tarda solo dos años. El retraso adicional se debía en parte a la naturaleza no estructurada de los informes de patología de los hospitales. Los expertos humanos leían cada caso y lo clasificaban en uno de los 42 tipos diferentes de cáncer, pero la forma del texto libre en los informes hizo que el proceso se alargara mucho. Así que los investigadores empezaron a trabajar en un modelo de aprendizaje automático para poder marcar los informes automáticamente. En dos años, habían desarrollado un prototipo exitoso, y ahora se esfuerzan por escalarlo para llevarlo a la práctica clínica.

“La tecnología solo representa la mitad de la ecuación. La otra mitad reside en entender los problemas que vemos y ser capaces de definirlos objetivamente para poder abordarlos con ciencia y tecnología”, opina Wayua.

Cuando un proyecto de investigación está listo para el mundo real, viene otra parte difícil: obtener la aceptación de los usuarios. La ejecutiva subraya:

“Para impulsar el cambio, las relaciones son muy importantes. Es la relación que se construye continuamente con el tiempo la que ayuda a entender por qué realmente no funciona lo que intentamos implementar”.

Recopilar datos y diseñar un sistema perfecto en el vacío es fácil, pero no aporta nada si nadie está dispuesto usarlo.

Responder a las necesidades de los usuarios también ayuda a impulsar avances fundamentales en las capacidades de la tecnología. Google AI Ghana está trabajando para en mejorar la comprensión del lenguaje natural, por ejemplo, para adaptarse a los aproximadamente 2.000 idiomas que se hablan en África.

“Es, con diferencia, el lugar más diverso lingüísticamente en la Tierra. Hay mucho que aprender e investigar a partir de ahí”, destaca Cisse.

Artículo completo en: MIT.