Premio Fronteras a Judea Pearl por sentar las bases de la Inteligencia Artificial moderna

“Al sentar una base matemática para el razonamiento probabilístico y la inferencia de relaciones causales, Pearl construyó un marco para una serie de campos que incluyen las ciencias de la computación, las matemáticas y la estadística, la epidemiología y la salud, y las ciencias sociales”, señala el acta del jurado.

Pearl explica así su contribución a la comprensión del razonamiento probabilístico del cerebro humano para poder replicarlo en un sistema informático: “La incertidumbre es la materia prima que prevalece en la toma de decisiones cotidianas, incluso al cruzar la calle, tomar una aspirina o hablar con amigos; nos cuesta bastante hacer que un ordenador pueda lidiar con el aluvión de ruido e información incierta que tiene sobre el mundo. Mi trabajo ha desarrollado un cálculo para el razonamiento probabilístico que permite al ordenador manejar toda la información que le llega, integrarla y asignar probabilidades a tal o cual conclusión”.

En una entrevista realizada tras conocerse el fallo, Pearl ha resumido en una frase la que considera su aportación fundamental a la Inteligencia Artificial moderna: “Es la primera vez que podemos 'entender lo que significa entender', la primera vez que tenemos un modelo computacional de la comprensión profunda”. Y 'comprender', para Pearl, significa “ser capaz de responder preguntas en tres niveles importantes: la predicción [qué ocurrirá en tal o cual circunstancia]; el efecto de las acciones; y su explicación, por qué las cosas ocurrieron como lo hicieron y qué habría pasado si hubieran ocurrido de otra manera. Estos tres niveles de sofisticación son los que el lenguaje computacional capta ahora y eso es lo que entendemos por comprensión”.

La candidatura de Pearl ha estado avalada por 11 destacados investigadores en Europa y Estados Unidos. Entre ellos se encuentra el premio Nobel de Economía Daniel Kahneman, que afirma: “A lo largo de mi carrera he conocido a bastantes académicos reconocidos como gigantes en su campo. Creo que nunca he encontrado uno que suscite tanta reverencia y tanto afecto como Judea Pearl”.

Otro de los nominadores es Vinton G. Cerf, vicepresidente y Chief Internet Evangelist en Google (EEUU), que dice haber observado “con admiración cómo su trabajo ha abierto nuevos caminos, a menudo en contra de la sabiduría convencional. Judea Pearl siguió investigando a pesar del escepticismo y sus esfuerzos se vieron recompensados con creces”.

Una Inteligencia Artificial más transparente

Los nominadores destacan que frente a otras líneas de la IA y la estadística, como el deep learning o las redes neuronales, la contribución de Pearl aporta una transparencia que es imprescindible en algunas áreas de aplicación, como la toma de decisiones en medicina o en cuestiones legales y económicas.

Pedro Larrañaga, catedrático de Inteligencia Artificial en la Universidad Politécnica de Madrid, lleva tres décadas investigando teóricamente y aplicando las contribuciones de Pearl en dominios como la bioinfomática, la neurociencia o la industria. Según explica, la aportación del premiado hace posible una Inteligencia Artificial “menos opaca”, que permite entender las razones por las que los sistemas inteligentes llegan a determinadas conclusiones: “Gran parte de los éxitos recientes de la IA se basan en redes neuronales que emplean algoritmos de aprendizaje profundo (deep learning). Pero estos programas son como cajas negras, no es posible interpretar cómo han llegado a resolver el problema. Frente a ello está la línea que considera que la interpretabilidad debe estar en la base de la IA, y ahí nos situamos quienes trabajamos con las redes bayesianas de Pearl”.

Lograr que las máquinas detecten relaciones de causalidad abre la puerta a múltiples aplicaciones. “Ahora tenemos un lenguaje que permite emplear nuestros conocimientos sobre el mundo para inferir de forma coherente”, asegura Pearl. “Como hacemos en el álgebra: inferimos la conclusión y se demuestra que esta conclusión es correcta si las suposiciones lo son. Las aplicaciones van desde la medicina personalizada hasta el manejo de una pandemia como la del Covid, integrando información de numerosos países y llegando a conclusiones coherentes a partir de la evidencia disponible”.

De hecho, Larrañaga explica que durante la pandemia su equipo ha apoyado a centros sanitarios aplicando las redes bayesianas a decisiones como qué paciente debía ser intubado, o predecir la evolución: si se iba a requerir ingreso en UCI, o el tiempo de ingreso.