¡Buenos
días, queridos amigos!
Quisiera
comenzar la nota de hoy recordándoles que Deep Blue fue
una supercomputadora desarrollada por el fabricante estadounidense IBM para
jugar al ajedrez. Fue la primera que venció en una partida a un campeón
del mundo vigente, Gary Kaspárov, con un ritmo de juego lento. Esto
ocurrió el 10 de febrero de 1996, en un memorable encuentro. Sin embargo, Kaspárov
ganó 3 y empató 2 de las siguientes partidas, derrotando a Deep Blue por 4-2.
El encuentro concluyó el 17 de febrero de 1996.
Una
nueva versión, llamada Deeper Blue (azul más profundo) jugó de nuevo contra
Kaspárov en mayo de 1997, ganando el encuentro a 6 partidas por 3½-2½, lo que
lo convirtió en el primer ordenador en derrotar a un campeón del
mundo vigente, en un encuentro con ritmo de juego de torneo estándar. El
encuentro concluyó el 11 de mayo.
El
sistema sacaba su fuerza de juego principalmente de la fuerza bruta de su
sistema central. Era una computadora capaz de calcular 200 millones de
posiciones por segundo, dos veces más rápido que la versión de 1996. Sin
embargo, en junio de 1997, Deep Blue era el 259º superordenador más potente,
capaz de calcular 11,38 gigaflops, aunque toda esta potencia ya no estaba pensada,
en realidad, para jugar al ajedrez.
No
contenta con ello, IBM desarrolló Watson, un sistema basado
en inteligencia artificial capaz de responder preguntas formuladas
en lenguaje natural. Se le asignó este nombre en honor del fundador y
primer presidente de IBM, Thomas J. Watson.
Watson
respondía las preguntas gracias a una base de datos almacenada localmente. La información contenida
en esa base de datos proviene de multitud de fuentes, incluyendo enciclopedias,
diccionarios, tesauros, artículos de noticias, y obras literarias, al igual que
bases de datos externos, taxonomías, y ontologías (específicamente DBpedia, WordNet).
Para
probar sus capacidades reales participó durante tres días en febrero de 2011 en
un encuentro especial de dos juegos en el concurso de
televisión estadounidense Jeopardy!, contra dos oponentes
humanos: Brad Rutter, ganador de la mayor cantidad de dinero en toda la
historia del programa y Ken Jennings, poseedor del récord por la racha más
larga de campeonatos (después de haber ganado 75 veces). ¿Y qué creen ustedes que
sucedió? Pues, sí, ganó Watson y recibió el primer premio de $1.000.000,
mientras Ken Jennings y Brad Rutter recibieron $300.000 y $200.000
respectivamente.
Watson
superó a sus oponentes humanos constantemente con el dispositivo de
señalización empleado por el juego, pero tuvo problemas para responder en unas
pocas categorías, especialmente las compuestas por pistas cortas con pocas
palabras. Para cada pista, las respuestas más probables de Watson se mostraron
por la pantalla de televisión. Watson tuvo acceso a 200.000.000 de páginas de
contenido, estructurado y no estructurado, utilizando
cuatro terabytes de almacenamiento en disco, incluyendo el texto
completo de la Wikipedia en inglés. Watson no estaba
conectado a Internet durante el juego.
Es oportuno aclarar que las preguntas
que se ventilan en Jeopardy! no son de respuesta fácil como sería, por
ejemplo, ¿En qué año nació Napoleón? Por el contrario, se trata de preguntas
que exigen interpretación y, a veces, tienen un doble sentido.
Según IBM,
Watson puede procesar 500 giga bytes por segundo (el equivalente de un millón
de libros). El inventor principal y
consultor sénior de IBM, Tony Pearson, estimó que el costo total del hardware
para Watson fue de cerca de $3.000.000. Según IBM, Watson usa más de 100 técnicas
diferentes para analizar el lenguaje natural, identificar fuentes, encontrar y
generar hipótesis, buscar y puntuar evidencias, combinar y clasificar
hipótesis.
Las
circunstancias que condujeron al desarrollo de Watson se remontan a la victoria
de la computadora Deep Blue sobre Garri Kaspárov. Desde
entonces, IBM se encontraba en la búsqueda de un desafío nuevo, y en 2004,
Charles Lickel, el gerente de investigaciones de IBM, había encontrado uno
cuando vio la racha ganadora de Ken Jennings en Jeopardy! mientras
cenaba en un restaurante con sus compañeros de trabajo. Intrigado por la
posibilidad de la utilización del concurso como un desafío para IBM, Lickel
presentó la idea, y en 2005 Paul Horn, el ejecutivo de investigación de
IBM, apoyó a Lickel en persuadir a uno de los miembros de su departamento para
asumir el desafío de jugar a Jeopardy! con un sistema de IBM.
A pesar de que inicialmente tuvo problemas en encontrar miembros de su equipo
de investigación que estuvieran dispuestos a asumir lo que parecía ser un
desafío mucho más complejo que el juego de ajedrez, finalmente David
Ferrucci aceptó la oferta. Watson fue precedido por un sistema llamado
"Piquant," que participó en competiciones promocionadas por el
gobierno de los Estados Unidos, donde fue capaz de responder correctamente solo
un 35 por ciento de la cantidad total de pistas en el juego, y generalmente
requirió varios minutos para responder. Para competir en Jeopardy! con
éxito, Watson necesitaría responder en un máximo de pocos segundos, y en ese
tiempo, los problemas planteados en el concurso fueron considerados como
imposibles de resolver.
En
pruebas iniciales conducidas durante el año 2006 por el gerente del
Departamento de Análisis e Integración Semántica de IBM, se le proporcionó a
Watson 500 pistas de episodios pasados de Jeopardy! Aunque los
mejores concursantes humanos fueron capaces de responder correctamente un
máximo del 95 por ciento de las pistas, en su primera prueba Watson fue capaz
de responder correctamente solo un 15 por ciento de las pistas. Durante 2007,
el equipo se dio de tres a cinco años y un equipo de 15 personas para resolver
los problemas. En 2008, los
desarrolladores habían avanzado mucho, hasta tal punto que Watson fue capaz de
competir con campeones de Jeopardy!. En febrero de 2010, Watson derrotaba a
campeones de Jeopardy! de manera regular.
Watson
era principalmente un esfuerzo de IBM, pero su equipo de desarrollo incluye
profesores y estudiantes de la Universidad Carnegie Mellon,
la Universidad de Massachusetts en Amherst, el Instituto para
Ciencias de Información de la Universidad del Sur de California,
la Universidad de Texas en Austin, el Instituto Tecnológico de
Massachusetts, la Universidad de Trento, y el Instituto Politécnico
Rensselaer.
En
2008, los representantes de IBM se comunicaron con Harry Friedman, el
productor ejecutivo de Jeopardy!, sobre la posibilidad de una
competición entre Watson y dos de los concursantes más exitosos del programa
(Ken Jennings y Brad Rutter). Friedman estaba de acuerdo con esa
decisión. Las diferencias entre
Watson y los concursantes humanos habían generado conflictos entre IBM y el
personal de Jeopardy! durante la planificación de la
competición. IBM repetidamente expresó preocupaciones concernientes a que los
guionistas del programa explotaran las deficiencias cognitivas de Watson al
escribir las pistas y, de este modo, convirtieran el concurso en un test de Turing. Para soslayar esta
preocupación, un tercero eligió aleatoriamente pistas de programas previamente
escritos que no habían sido emitidas. El personal de Jeopardy! también expresó
preocupaciones por el tiempo de reacción con el botón zumbador. Watson
originalmente señaló por vía electrónica, pero el personal del programa pidió
que el sistema pulse el botón físicamente, como los concursantes humanos. Y resultó que Watson fue
capaz de ser más rápido que sus competidores humanos, aun con su dedo robótico.
Para
preparar a Watson para su competición, IBM construyó un simulacro del plató
de Jeopardy! en una sala de conferencias en uno de sus sitios
de tecnología. Concursantes humanos, incluyendo concursantes anteriores
de Jeopardy!, también participaron en simulacros del concurso,
presentados por Todd Alan Crain de The Onion.
Alrededor de 100
simulacros fueron conducidos, con Watson ganando un 65 por ciento de los encuentros.
Los
encuentros oficiales fueron grabados en enero de 2011, y emitidos el siguiente
mes.
Pero,
claro, el interés de IBM no era solo el ajedrez o Jeopardy!. Según IBM,
el objetivo para Watson era permitir que las computadoras comenzaran a
interactuar de forma natural con humanos a través de una amplia gama de
aplicaciones y procesos, comprendiendo las preguntas de los seres humanos y
dando respuestas que los estos pudieran comprender y justificar.
Así
las cosas, IBM y Nuance Communications Inc. se unieron para desarrollar
un producto comercial durante los siguientes 18 a 24 meses que explotara las
capacidades de Watson como sistema de apoyo para decisiones
clínicas para ayudar al diagnóstico y tratamiento médico de pacientes. Los
médicos de la Universidad de Columbia ayudaron a identificar
problemas críticos en la práctica de medicina donde la tecnología de Watson podía
ser capaz de contribuir, y los médicos de la Universidad de
Maryland trabajaron para identificar la mejor manera en que un sistema
tecnológico como Watson podría interactuar con los médicos para proporcionar la
máxima asistencia. También se sugirió que Watson se utilizara para
investigaciones legales trabajando, en los bufetes de abogados como un abogado
junior, es decir, como el abogado que reúne la jurisprudencia de un caso para
que el abogado senior pueda trabajar sobre el caso sin perder tiempo.
¿Y
en qué situación nos hallamos hoy, Martín?
Bueno,
para responder a esa pregunta y poder apreciar el alcance que han tomado las
cosas, responderé con lo que ha pasado aquí, en Argentina, y no en IBM.
Como
hemos visto más arriba, en un contexto donde la inteligencia artificial se
integra de manera cada vez más natural al ejercicio profesional, el ámbito
jurídico no es la excepción. Y resulta que dos hermanos de Córdoba, Argentina, Franco
y Luciano Giavedonni, desarrollaron Argus, una herramienta de asistencia legal basada en inteligencia
artificial que ya está siendo utilizada por los estudios jurídicos y promete
transformar la forma en que los abogados generan y analizan documentos legales.
La
propuesta, que ya se consolidó como pionera en el mercado argentino y de
Latinoamérica, funciona como un asistente legal inteligente, capaz
de producir escritos jurídicos personalizados para cualquier fuero, rol
procesal o jurisdicción del país.
“Nos
gusta presentar a Argus como un asistente legal. Lo que hacemos es generar
documentos legales mediante inteligencia artificial para abogados en todo el
país, sin importar la condición procesal del cliente ni la jurisdicción”,
explica Franco Giavedonni, abogado y cofundador del proyecto, en
diálogo con Comercio y Justicia. Su hermano Luciano, licenciado en
informática egresado de la UBP, lleva más de diez años trabajando en
desarrollos de IA y lidera el componente tecnológico de la plataforma.
Uno
de los grandes diferenciales de Argus es su arquitectura multimodal: Combina
diversas tecnologías de IA, siempre en sus versiones más actualizadas, lo que
permite resultados más completos y precisos. Además, la plataforma ofrece un
alto grado de personalización: Los profesionales pueden cargar
documentos propios como modelos y adaptar la estructura y el estilo de los
escritos generados a las prácticas habituales de su estudio jurídico.
“Si
querés hacer una demanda, un alegato o contestar una demanda, la interfaz te
permite aportar ejemplos propios. Así logramos que los documentos generados
reflejen el estilo y estructura que cada abogado ya usa en su día a día”,
detalla Franco Giavedonni.
Además,
Argus cuenta con una base de conocimiento legal que se actualiza
constantemente. Aunque el sistema puede buscar información en internet, la
herramienta prioriza fuentes validadas por su equipo jurídico: “Nos
aseguramos de que los contenidos vengan de sitios confiables. Antes, la IA
podía traer fallos que no existían. Hoy la búsqueda online es subsidiaria y
dirigida, y priorizamos nuestras propias bases, nutridas con legislación y
jurisprudencia real”, agrega.
El
impacto principal de Argus, según sus desarrolladores, es el ahorro de
tiempo, una de las variables más valoradas por los profesionales del
derecho. “La recepción ha sido fantástica. Hoy no tenemos ningún competidor que
haga esto en Argentina ni en Latinoamérica”, afirma.
Ya
han cerrado contratos con estudios jurídicos de gran envergadura en
Buenos Aires y planean seguir creciendo. Su modelo de negocio se basa
en un sistema de licencias mensuales, con diferentes planes que se
adaptan a estudios grandes, medianos o pequeños, e incluso ofrecen
personalizaciones según las necesidades del cliente.
Planes
disponibles
·
Básico: hasta 10 documentos por mes, soporte por email y análisis
avanzado. Ideal para estudios pequeños.
·
Profesional: hasta 25 documentos por mes, soporte 24/7,
análisis avanzado y plantillas personalizadas.
·
Empresa: documentos ilimitados, API personalizada, soporte dedicado e
integración con sistemas propios.
El
crecimiento de herramientas como Argus refleja un fenómeno más amplio: la adopción
creciente de tecnología en el ámbito legal argentino, donde la eficiencia,
la precisión y la personalización son cada vez más valoradas.
Como
resumen, Franco Giavedonni concluye: “Argus nace de la idea de unir el mundo
legal con el mundo tech. Creemos que la inteligencia artificial no viene a
reemplazar al abogado, sino a potenciarlo”.
Ja,
ja, ja, me causa gracia como todo el mundo trata de desmontar el temor de que
la IA reemplace al ser humano en todas las actividades, que es lo que motiva el
último comentario de Franco.
Queridos
amigos, la IA YA está reemplazando al ser humano y en todas las actividades.
Por ejemplo, y para no hablar de las más conspicuas, ya hay drones dirigidos por
IA que recorren una plantación de naranjas cosechando las que se encuentran en
el estadio justo. Esto significa que, cuando se adapte a la cosecha de uvas, se
quedarán sin trabajo los bolivianos que vienen a ello.
Otro
ejemplo es cuando se sometió a un grupo de médicos a diagnosticar pacientes de
los que se tenían los estudios y a la misma cantidad de IAs. Y los mejores
diagnósticos, ¿Qué creen?, fueron los de las IAs.
¿Cuánto creen ustedes, queridos amigos, que tardaremos en asistir a estudios de abogados atendidos solo por robots asistidos con IA?
Oh Lord, they’re coming!