© 2016 Economist Newspaper Ltd, Londres. Todos los derechos reservados. Reimpreso con permiso.

La oficina de Deepmind se ubica en un edificio insulso al lado de la estación de trenes de Kings Cross de Londres. Desde afuera no parece algo que se habrían peleado por adquirir dos de las compañías de tecnología más poderosas del mundo.

Google ganó, comprando Deepmind por 660 millones de dólares en enero del 2014. Sin embargo, ¿por qué quería ser dueño de una compañía de inteligencia artificial británica en primer lugar? Google ya estaba a la vanguardia del aprendizaje de máquinas y la IA, su prima ahora de moda. ¿Qué valor ofrecería Deepmind?

Esa pregunta se ha vuelto un poco más apremiante. Antes de octubre del 2015, los gigantescos ingresos publicitarios de Google habían proyectado una cómoda sombra bajo la cual podían refugiarse proyectos ambiciosos y sin ingresos como Deepmind. Luego, Google creó una superestructura corporativa llamada Alphabet, posicionándose como la única empresa rentable. Por primera vez, otras empresas vieron sus ingresos separarse de los de Google en la hoja de balance, lo que las puso bajo más escrutinio.

Sin embargo, comprender el valor de Deepmind no es una cuestión financiera sencilla. Su valor es más profundo que eso.

El beneficio más inmediato de Deepmind para Google y Alphabet es la ventaja que les da en la batalla estratégica que las compañías tecnológicas están librando en torno a la IA. Absorbe al talento, manteniendo a los investigadores alejados de competidores como Amazon, Facebook y Microsoft. La oficina de Kings Cross ya alberga a unos 400 científicos computacionales y neurocientíficos, y se habla de ampliarla a mil.

Otro estímulo para la compañía matriz se da en forma de prestigio. Deepmind ha aparecido en la portada de Nature, una publicación académica altamente considerada, dos veces desde que fue adquirida. Copias gigantescas de las relevantes portadas adornan las paredes del vestíbulo de su oficina. La primera fue por un programa de IA para jugar videojuegos, la segunda por uno que aprendió el antiguo juego de mesa asiático del Go. Llamado Alpha Go en deferencia a su compañía matriz, ese software acaparó titulares en todo el mundo cuando derrotó a Lee Sedol, un campeón sudcoreano, en marzo del 2016.

Sin embargo, los horizontes de Deepmind se extienden mucho más allá de la captura del talento y la atención pública. Demis Hassabis, su director ejecutivo y uno de sus cofundadores, describió a la empresa como un nuevo tipo de organización de investigación, que combina la perspectiva a largo plazo de los círculos académicos con "la energía y enfoque de una empresa emergente tecnológica"; por no hablar del efectivo de Alphabet.

Él la fundó en el 2010, junto con Mustafa Suleyman y Shane Legg. Hassabis y Legg se conocieron como investigadores de neurociencia en el University College de Londres, y Suleyman es amigo de la niñez de Hassabis.

La misión general de la compañía, según lo expresa Hassabis, es "resolver la inteligencia". Esto permitiría a la empresa crear inteligencia artificial multifuncional y "general" que pueda pensar tan amplia y eficazmente como la humana.

Ser comprada por Google tuvo varios aspectos atractivos. Uno fue el acceso al poder computacional de la empresa tecnológica. Otro fue la rentabilidad de Google; habría sido más probable que un comprador más débil solicitara que Deepmind generara dinero. De esta manera, Hassabis puede enfocarse en la investigación, en vez de en los detalles de operar una empresa. Al mismo tiempo, al mantener a Deepmind en Londres, a una distancia segura de la base de Silicon Valley de Google en Mountain View, California, puede retener más control sobre la operación.

Si tuviera éxito en crear una IA para propósitos generales, eso obviamente sería muy valioso para Alphabet. De hecho, daría a la compañía un empleado digital que podría ser copiado una y otra vez en servicio de múltiples problemas.

Sin embargo, la agenda de investigación de Deepmind no es –o no todavía– lo mismo que un modelo de negocios, y sus marcos de tiempo son extremadamente largos. Hassabis dijo que la compañía está siguiendo un mapa de ruta de 20 años. Deepmind pretende inventar nuevos tipos de algoritmos de IA, añadió, unos inspirados por la forma en que funciona el cerebro humano. Esto explica el gran número de neurocientíficos de la compañía. Hassabis afirmó que buscar inspiración en el cerebro distingue a su compañía de otras unidades de investigación de aprendizaje de máquinas y, en particular, del "aprendizaje profundo", la poderosa rama del aprendizaje de máquinas que está siendo usada por la unidad Google Brain.

No obstante, incluso si Deepmind nunca alcanza la inteligencia artificial a nivel humano, o en realidad a nivel superhumano, el software de aprendizaje que cree de paso puede aún beneficiar a otras empresas de Alphabet. Eso ya ha sucedido. En julio, la compañía anunció que su software de aprendizaje había encontrado una manera de reducir la cantidad de electricidad que se necesita para enfriar los centros de datos de Google en dos quintas partes. El software aprendió la tarea de analizar las bitácoras de operación del centro de datos, y luego optimizó el proceso corriéndolo una y otra vez en una simulación.

Deepmind también está aplicando su investigación en IA a resolver problemas por su cuenta. Suleyman, quien encabeza estos esfuerzos, ha expresado la ambición de que Deepmind ayude a manejar infraestructura energética, perfeccione sistemas de atención médica y mejore el acceso a agua limpia, a cambio de flujos de ingresos.

La compañía ya ha empezado en atención médica. Su primer trabajo pagado se dio en noviembre, en forma de un acuerdo de cinco años con el Royal Free London, un Fideicomiso de la Fundación del Sistema Nacional de Salud, para procesar 1,7 millones de historiales de pacientes. A principios de este año obtuvo acceso a dos conjuntos de datos de otros hospitales londinenses: un millón de escáneres de retina que puede analizar para identificar los primeros signos de padecimiento oculares degenerativos, e imágenes de cánceres de cabeza y cuello que, introducidas en sus modelos, permitirá a la IA de Deepmind distinguir entre tejidos sanos y cancerosos.

Programadores hábiles y computadoras poderosas son vitales para este negocio de IA aplicada, pero el acceso a datos del entorno del mundo real también es vital. Cuando se busca mejorar sistemas como hospitales, redes de electricidad y fábricas usando IA y aprendizaje de máquinas, se necesitan datos sobre sus operaciones específicas.

Alphabet, por supuesto, tiene enormes volúmenes de datos que pueden ser analizados para estos propósitos. Deepmind tendrá que adquirir más en cada uno de los campos que pretenda examinar. En el caso de un proyecto reciente en que estuvo involucrado concerniente a la lectura de labios, por ejemplo, fue la adquisición de un conjunto de datos excepcionalmente grande lo que le permitió alcanzar el éxito: un grupo de investigadores en la Universidad de Oxford, encabezado por el investigador en visión computacional Andrew Zisserman, dirigió el trabajo, pero la BBC dio a los investigadores cientos de miles de horas de imágenes de presentadores de noticias, sin las cuales no habrían podido entrenar a sus sistemas de IA.