Alphago i el problema d'aprendre

La notícia de la victòria del sistema d'intel·ligència artificial Alphago, dissenyat per DeepMind, una empresa adscrita a Google, en un joc d'estratègia contra un dels millors jugadors del món, s'ha fet ressò darrerament en presentar una situació digna d'un relat de ciència-ficció. En aquest cas com un cabàs, ja no parlem de màquina sinó de «sistema d'intel·ligència artificial». ¿Quina és la diferència? L'any 1997, Deepblue, una màquina dissenyada per IBM, va guanyar al joc d'escacs Gary Kaspàrov, un dels campions del món. Aquesta màquina funcionava a partir d'una memòria ingent on foren registrades un gran nombre de jugades. Per decidir cada moviment, la màquina seleccionava, dins de les múltiples opcions possibles, la més adequada i eficaç per guanyar. Alphago, en canvi, és una màquina que aprèn: no selecciona el moviment idoni per a cada jugada d'entre un nombre determinat enregistrat prèviament a la seva memòria, sinó que inclou algoritmes que permeten que busqui i connecti diverses situacions i jugades, amb la finalitat de detectar els models que li serveixin per saber quines són bones i quines no. És un sistema que fa enllaços i a partir d'un únic criteri (la jugada encertada) acumula evidències per decidir en cada cas quin moviment és millor per guanyar l'adversari. Alphago no juga a escacs, juga a un joc d'estratègia que consisteix a disposar en un tauler fitxes blanques i negres, una mena d'Othello. Quan les fitxes blanques queden envoltades per un marge de fitxes negres s'eliminen. Guanya el jugador que té més fitxes blanques.

Alphago representa un pas més en el desenvolupament de la intel·ligència artificial. Ens trobem davant d'un fenomen que els tècnics anomenen deeplearning -aprenentatge a fons-: significa que el sistema pot manipular quantitats massives d'informació, enllaçar-la, treballar amb nodes d'informació, destacar-ne el més important i, sobretot, ser altament eficaç en aquesta mena d'operacions.

Els que ens ocupem d'ensenyar i ens preocupem que la nostra tasca produeixi un aprenentatge en els alumnes, ¿com quedem davant d'aquesta notícia? ¿Què ens fa pensar o potser témer? Molt sovint ens trobem en situacions similars a la d'Alphago, i en aquest sentit compartim l'experiència d'estar confrontats constantment a un nombre massiu d'informacions. A l'escola, a la facultat, els alumnes naveguen per internet i busquen informacions per fer treballs. Tanmateix, ¿què busquen i per què? Moltes vegades el criteri de cerca és excessivament restringit: busquen amb les mateixes paraules que ha dit el professor. Confegir un criteri de cerca no és una tasca fácil: cal buscar una cadena de paraules en combinatòries diverses. Alphago disposa d'un algoritme inicial que li permet buscar des d'una cadena de paraules clau prèvia, programada, en el sentit de proporcionada per qui ha definit l'algoritme. Amb la cerca, el nombre de criteris de cerca augmenta. Quan els nostres alumnes fan una cerca i no disposen de les paraules clau necessàries per anar explorant els nodes d'informació, troben qualsevol cosa i es perden, ja sigui perquè ho donen tot per bo o perquè no diferencien quina de les informacions és prioritària per seguir buscant. Llavors diuen: «No hem trobat res». En aquests moments d'impàs, l'equip de biblioteca esdevé un aliat preciós: els bibliotecaris coneixen molt bé la delicada teranyina que circula per les cerques digitals, els repositoris, els catàlegs compartits, les bases de dades massives, i disposen, a més a més, de la paciència necessària per donar pistes i dibuixar rutes en la immensitat de nodes d'informació. A diferència d'Alphago, els nostres alumnes són persones, subjectes de ple dret capaços d'avorrir-se, d'enviar a passeig la cerca o d'acabar la paciència. Són subjectes dividits pel llenguatge, que mai no troben les paraules exactes per representar-se el món i els seus límits.

Notícies relacionades

Testosterona antiprocés

Dia irrellevant

El sistema intel·ligent és capaç d'aprendre a fons perquè ho fa tot sense desviar-se del seu objectiu: sempre endavant. En part, hauríem d'ensenyar als nostres alumnes a aprendre a fons en el sentit del sistema intel·ligent: navegar pels nodes d'informació massius. Ara bé, Alphago no sap què vol dir realment aprendre, perquè no coneix l'íntima relació amb l'obstacle, amb la pista perduda, no coneix la por de no entendre o la vergonya de no saber. El sistema intel·ligent sap fer però no sap. No sabent, ens ensenya que l'algoritme també és una metàfora per trobar una ruta de paraules. ¿Potser pels temps que corren això també és aprendre?

Professora de la Facultat de Ciències de l'Educació Blanquerna-URL.