La empresa lidera la clasificación de publicaciones en revistas científicas de alto impacto sobre el sector, un patrón que históricamente se ha asociado a centros de investigación pública.
Nature. The Proceedings of the National Academy of Sciences. The Journal of the American Medical Association. Estas son algunas de las revistas científicas más prestigiosas del mundo. Y el año pasado, una empresa, Google de Alphabet, publicó investigaciones en todas ellas.
La racha de resultados científicos sin precedentes del gigante de las búsquedas incluyó de todo, desde la oftalmología hasta los videojuegos, la neurociencia y los modelos climáticos. Para Google, 2016 fue un annus mirabilis en el que sus investigadores aparecieron en revistas líderes y fijaron un récord en el volumen de trabajos.
Parte de este impulso nace de la inversión cada vez mayor de Google en inteligencia artificial (IA), particularmente en el aprendizaje profundo, una técnica cuya capacidad de desentrañar el significado de las imágenes y otros datos está mejorando servicios como las búsquedas y las traducciones (ver Aprendizaje profundo).
Según el recuento que Google proporcionó a MIT Technology Review, la empresa publicó 218 trabajos sobre el aprendizaje automático en 2016, casi el doble que hace dos años.
Buscamos datos similares en la Web de Ciencia, un servicio de Clarivate Analytics. La información de este servidor confirma el incremento en las publicaciones de Google. Clarivate Analytics detalla que el impacto de las publicaciones de Google, según una medida de fuerza de publicación que emplea, fue entre cuatro y cinco veces superior a la media anual. En comparación con el resto de empresas que publican prolíficamente sobre inteligencia artificial, Clarivate Analysis coloca a Google en el primer puesto por un amplio margen.
Primer puesto
Esta explosión de publicaciones no es casual. Google ha aumentado en más de tres veces su número de investigadores de aprendizaje automático durante los últimos años, según el especialista de aprendizaje profundo de la Universidad de Montreal (Canadá) Yoshua Benigo. El experto afirma: «Ha hecho una gran labor de reclutamiento».
Y para hacerse con la primera línea de investigadores de laboratorios de computación, las empresas no pueden limitarse a ofrecer un sueldo de Silicon Valley (EEUU). «Resulta difícil contratar a gente sólo en función del dinero», señala el neurocientífico computacional de la Universidad Northwestern Kondrad Kording. «A los mejores candidatos les interesa ayudar al mundo, y eso implica elaborar trabajos y escribir códigos útiles para la sociedad», detalla.
En Google, la carga científica ha sido liderada por DeepMind, la empresa británica de IA fundada por el neurocientífico y programador Demis Hassabis. Google la adquirió por casi 370 millones de euros en 2014.
Hassabis ha dejado claro que lo que a él le interesa es la ciencia. En enero, publicó una actualización de blog en la que afirmaba que DeepMind tiene una cultura «híbrida» entre el plantamiento a largo plazo de un departamento académico y «la rapidez y especialización de las mejores start-ups«. Alinearse con objetivos académicos «nos importa a nivel personal», escribió. Kording, cuyo alumno de postgraduado Mohammad Azar fue contratado recientemente por Google, dice que «se entiende perfectamente que el grueso de los proyectos ayudan a la ciencia a progresar».
El año pasado, DeepMind publicó dos trabajos en Nature, la misma revista histórica que informó en primicia de la estructura del ADN y la secuenciación del genoma humano. Un trabajo de DeepMind describió su programa AlphaGo, que venció a los mejores jugadores humanos del antiguo juego Go; el otro detallaba cómo una red neuronal con una memoria funcional podría entender y adaptarse a tareas nuevas.
Entonces, en diciembre, un equipo de la división de investigaciones de Google publicó el primer trabajo de aprendizaje profundo que apareció en Journal of the American Medical Association, la prestigiosa revista de los médicos estadounidenses. En él demostraron que un programa de aprendizaje profundo podía diagnosticar la causa de la ceguera a partir de imágenes retinales con la misma precisión que un médico. Ese proyecto fue liderado por Google Brain, un grupo distinto de IA. El trabajo también detalla que da prioridad a las publicaciones, ya que los investigadores «establecen su propia agenda«.
La carrera de la IA
La carrera por desarrollar una inteligencia artificial más potente ahora incluye a cientos de empresas y existe una férrea competencia entre los gigantes tecnológicos líderes como Google, Facebook y Microsoft. Todos vislumbran la oportunidad de cosechar nuevos beneficios mediante la aplicación de la tecnología para exprimir aún más los datos de cliente, lanzar coches autónomos a la carretera o avanzar en medicina. Las investigaciones se están realizando en una atmósfera febril que recuerda a los primeros días de los chips informáticos o los primeros fármacos y plantas biotecnológicas, momentos en los que las primicias científicas sentaron las bases de nuevas industrias.
Eso explica por qué es tan importante el marcador de publicaciones. La antigua máxima académica de «publicar o morir» está empezando a definir la carrera de la IA, dejando a las empresas que tienen débiles historiales de publicación en una situación muy desaventajada. Apple, que es famosa por guardar estrictamente en secreto sus planes y lanzamientos de producto, se dio cuenta de que su cultura estaba perjudicando sus avances en inteligencia artificial, que se han quedado rezagados respecto a los de Google y Facebook.
Así que cuando Apple contrató al informático de la Universidad de Carnegie Mellon (EEUU) Russ Salakhutdinov el año pasado como su nuevo director de IA, se le permitió romper de inmediato el código de confidencialidad de Apple con publicaciones y ponencias. En una importante conferencia de aprendizaje automático celebrada a finales del año pasado en Barcelona (España), Salakhutdinov anunció que Apple empezará a publicar sus investigaciones. Una de sus diapositivas decía: «¿Podemos publicar? Sí».
