Possiblement perquè vaig començar a fer la meva tesi doctoral en intel·ligència artificial a Tolosa el 1974 i la vaig acabar el 1977. El 1974, tot i que estava a França, hi havia poquíssima gent que fes IA. Podríem dir que soc dels primers a fer IA a Europa. De fet, la meva tesi, en què introduïa dos nous algorismes d’aprenentatge probabilístic perquè una mà robòtica antropomòrfica aprengués a reconèixer objectes només a partir de les dades de sensors tàctils, la vaig llegir el 1977 i va ser de les quatre o cinc primeres tesis sobre IA aplicada a la robòtica que es van fer a França.

En aquell moment potser se n’havien fet al voltant d’una desena a Europa en IA aplicada a la robòtica.

Del juny de 1976, en un congrés a Suècia. És dels primers treballs sobre machine learning a Europa: un algoritme d’auto-aprenentatge per a la classificació i reconeixement de patrons vectorials. Objectivament, vaig ser dels primers a treballar en machine learning a Europa.

Després de França vaig anar a Berkeley, i em vaig especialitzar en intel·ligència artificial perquè mentre era a Tolosa ja hi havia força activitat en el camp anomenat pattern recognition però en aquella època era un camp que encara no estava inclòs dins del que ara en diem IA. En la meva tesi els algorismes que vaig inventar feien pattern recognition tàctil. Això gairebé ningú ho havia fet. Tothom feia pattern recognition sobre la base de visió artificial. Als Estats Units hi havia uns congressos especialitzats en reconeixement de formes, i d’intel·ligència artificial feia poc que existien congressos, des de finals dels 60 o principis dels 70. A Europa no se’n parlava gaire, d’IA, era una cosa molt desconeguda. Quan va venir a Tolosa el professor Lotfi A. Zadeh [creador de la teoria dels conjunts difusos i la lògica difusa] va fer una conferència sobre IA.

Era el primer cop que sentia a parlar d’intel·ligència artificial pròpiament. Era el 1975 a Tolosa. Jo vaig pensar: “Si això és molt similar al que estic fent jo amb la meva tesi.” La vaig defensar el 1977. Zadeh va explicar que una de les coses que es feien en IA és l’aprenentatge automàtic, fer que les màquines aprenguin. La meva tesi anava d’això! Resulta que estava treballant en un tema que, sobretot als Estats Units i Escòcia, a Edimburg, perquè van ser molt pioners, era la intel·ligència artificial. Jo, molt entusiasmat per tot això, vaig parlar amb en Lotfi Zadeh [1921-2017] i em va animar que em presentés com a candidat a la Universitat de Berkeley per fer un màster en IA sota la seva direcció.

El novembre del 1977. Tesi i casament a Tolosa, i a la tardor cap als Estats Units. Hi vaig estar fins a finals del 1979. Vaig fer un màster en la modalitat recerca, és a dir, fent menys assignatures, però calia fer la tesi.

Vaig fer una extensió de la primera sobre aprenentatge però ja introduint conceptes d’una cosa que se’n diu lògica difusa o lògica borrosa, fuzzy logic. Jo vaig desenvolupar un algoritme nou d’aprenentatge que incorporava models basats en aquesta lògica. Quan vaig tornar aquí, vaig estar un any fent classes i investigació a Mondragón al departament d’informàtica que s’acabava de fundar al centre tecnològic Ikerlan, el 1979. I a finals del 1980 a la UPC necessitaven professors perquè començava el grau d’informàtica. Van ser, juntament amb Sant Sebastià i Madrid, les tres primeres universitats que van començar la llicenciatura en informàtica a Espanya i em vaig incorporar com a professor. Vaig llegir la meva tesi doctoral a la Facultat d’Informàtica de Barcelona el 1981. En aquella època era més ràpid fer una altra tesi que no pas convalidar la que tenia de França! Va ser la primera tesi doctoral en informàtica a Catalunya i la vaig escriure en català. En l’àmbit estatal, va ser una de les dues o tres primeres tesis en informàtica.

Jo vaig sortir d’Espanya però no per qüestions polítiques. En aquella època Tolosa ja era reconegut com un lloc tecnològicament molt avançat. Hi havia tota la indústria aeroespacial, els Airbus. Hi havia un alt nivell d’electrònica, informàtica i l’automàtica. I els Estats Units òbviament eren la Meca de la intel·ligència artificial. Vaig anar a aprendre als millors llocs. La Universitat de Berkeley és de les més prestigioses del món.

Jo havia tingut tota la meva formació en castellà i volia fer les classes en català. Vaig anar a classes intensives de català per poder escriure a la pissarra sense fer faltes. No em volia trobar amb noies i nois de 18 anys formats en català i jo fer faltes.

Quan vaig tornar dels Estats Units en tenia 27. I amb 28 començo a fer classes a la Politècnica, que aleshores es deia Universitat Politècnica de Barcelona.

N’he viscut un, i un altre de molt suau. Hi va haver un hivern que va coincidir amb la meva tornada dels Estats Units. A mitjans dels 80, els sistemes experts, que intentaven emular el coneixement d’un expert humà en un tema molt concret i limitat com per exemple el diagnòstic de pneumònies extrahospitalàries en adults, per exemple, podien fer un raonament molt deductiu. Van fer un boom, però tenien un problema: no evolucionaven, no aprenien. Hi va haver un primer hivern, que aquí no el vam patir gaire perquè precisament l’Enric Trillas, que em va dirigir la tesi a Catalunya, el van nomenar el 1984 president del CSIC. I el 1985 em va proposar de crear un departament d’intel·ligència artificial al Centre d’Estudis Avançats de Blanes, amb en Jaume Agustí, de l’Autònoma. Per tant, quan als Estats Units i Anglaterra van notar un impacte negatiu, un hivern, aquí, en canvi, gràcies a la iniciativa d’Enric Trillas en el CSIC, vam tenir suport.

És curiós. Vas al revés de la resta. En aquells anys també el Ministeri d’Educació i Ciència espanyol va començar a finançar projectes d’investigació. Es va crear un organisme per fer les primeres convocatòries de projectes. Nosaltres ens vam presentar el 1985 i vam aconseguir un projecte per treballar amb IA a Blanes. Vam tenir la sort que Espanya es començava a posar les piles en recerca i que l’Enric Trillas fos president del CSIC.

Felipe González havia guanyat feia poc les eleccions.

Ara t’ho dic. [Tecleja el seu portàtil i ho busca per internet.]

Perquè de les coses factuals no me’n fio. Es pot inventar fets. Per això és molt millor Google.

Si vols informació amb garanties de veracitat, oblida-te’n, de ChatGPT. I tant! De mi diu treballs que no he publicat mai. S’inventa títols i el meu lloc de naixement. Fins i tot fa pocs dies un company em va dir que, segons ChatGPT, vaig traspassar l’any passat!

Sí, però tot i així no ho fa bé!

L’o3 d’OpenAi i Claude d’Anthropic busquen a Google o Wolfram. Busquen a fora, incorporen i t’ho diuen. Malgrat això, no verifiquen. L’hi foten directament.

Podrien tenir la capacitat, però per algun motiu no ho fan bé. Jo no me’n fio. Mira: José María Maravall, del 1982 a 1988, ministre d’Educació i Ciència.

Agafen i diuen: “Hem de fer que el món acadèmic pugui fer propostes de recerca que es puguin avaluar i finançar si són bones.” Vam enganxar aquest moment.

Sí, però no només d’IA sinó de la ciència en general. Abans del 80 no hi havia convocatòries en tots els àmbits del saber.

L’aprenentatge i els sistemes experts. El 1987 vam rebre, juntament amb Carles Sierra, el company Lluís Godó i el metge Albert Verdaguer, el premi europeu d’IA com a millor treball a tot Europa. Era en l’àmbit mèdic. L’aprenentatge simbòlic inductiu, no el probabilístic ni les xarxes neuronals, era el que més es treballava aleshores. Als anys 80 no tenien gaire bona premsa les xarxes neuronals.

Les xarxes bayesianes o models gràfics probabilístics. Això té un impacte molt fort a finals dels 80. Ve de Judea Pearl, de la Universitat de Califòrnia a Los Angeles. El conec molt.

Totes. A la majoria. Amb Marvin Minsky vam arribar a ser amics.

Dels que van estar a la Convenció de Dartmouth [on es bateja el concepte d’intel·ligència artificial, el 1956] vaig conèixer Marvin Minsky, John McCarthy i Oliver Selfridge. Morts tots tres.

Judea Pearl, Stuart J. Russell... tots. Dels vius, tots.

[Hi pensa] En Minsky. També és el que he tractat més. Ens vam conèixer el 2006, quan feia 50 anys de Dartmouth. Jo vaig fer la conferència d’obertura del congrés alemany d’intel·ligència artificial. A la taula presidencial del congrés hi havia en Marvin Minsky. Vaig parlar d’un sistema de raonament basat en analogia aplicat a la generació de música expressiva. El Minsky era pianista i sabia molt de música. Li va agradar la meva conferència perquè el raonament basat en analogies és cognitivament plausible. Ell era molt crític amb les aproximacions a la IA que s’allunyaven de ser cognitivament plausibles, que vol dir que guarden una certa relació amb la intel·ligència humana. Els humans sovint resolem un problema nou no des de zero, sinó aprofitant que aquest problema té característiques similars de problemes prèviament resolts del passat. Aprofitem que ja hem resolt problemes similars per resoldre més fàcilment i ràpidament el nou problema. D’això vaig parlar en aquesta aplicació a la música. Com que a Minsky l’apassionava la música, va ser rodó.

Ens van concedir el premi més important del món en informàtica musical, el Swets & Zeitlinger, el 1998. Vam ser els primers que vam aconseguir que una IA generés música amb expressivitat. No que sona tota avorrida, neutra i mecànica, sinó que fa crescendos, diminuendos, juga amb l’articulació, l’atac de les notes... Vam ser dels primers a incorporar cinc variables expressives en la síntesi de música.

Són capaços d’imitar molt bé un estil ja conegut, però no poden trencar regles. No són creatius.

No, perquè no trenquen regles.

Sí, perquè s’entrena amb tot el que ja existeix.

És el boom del machine learning, de fer que les màquines aprenguin. I també hi ha un boom de les xarxes neuronals.

L’algorisme backpropagation, que permet que les xarxes neuronals de moltes capes aprenguin, convergeixin. Un dels pares és Geoffrey Hinton.

Crític a la seva manera i, des del meu punt de vista, per motius erronis. Yann LeCun, Yoshua Bengio i Geoffrey Hinton són els padrins del deep learning, l’aprenentatge profund.

El 1991 desenvolupo un algorisme nou que permet seleccionar els millors atributs per construir un arbre de decisió. Permet fer predicció amb algorismes de classificació en funció dels valors de certs atributs. Era un mètode de selecció d’atributs completament nou que millorava els anteriors. Tot és simbòlic, no probabilístic.

Sí, perquè estem antropoformitzant la IA. No hi ha al·lucinacions, hi ha errors i punt.

Soc molt crític amb l’antropoformització de la IA, i que ens volen vendre la moto que la intel·ligència general (AGI) a nivell humà està al cap del carrer.

Sobretot el màrqueting de les grans tecnològiques que marquen la pauta. Sí que és veritat també que hi ha resultats acadèmics que tenen uns serveis de comunicació que fan titulars amb tendència a exagerar.

Alguns d’aquests també.

Hi ha un problema amb l’AGI: hi ha 20 definicions diferents.

Pel que fa al fet que els antropomorfitzem sí que és un gran problema. Però usats amb bon criteri se’ls pot treure suc. Pots trobar aplicacions concretes que t’estalviïn feina.

Quan he usat ChatGPT per traduir em sentia que no era jo. No podia traduir el meu llibre perquè no és la manera com jo escric. Aquí està la qüestió. Ens hem d’esforçar a ser nosaltres.

Així és. “El procés d’escriptura genera idees i pensaments que altrament no tindríem i, per tant, millora la nostra cognició [...]. Quan dediquem menys temps a escriure es desenvolupa menys el nostre sistema cognitiu, cosa que pot empobrir les nostres habilitats cognitives generals”, diu un article que uso en les meves presentacions. Escriure és pensar.

Només faltava això. Li treus incentius per fer-ho. Els que ho fan s’estan fent trampes al solitari. L’estudiant que fa servir ChatGPT s’està enganyant.

Sí, però per fer la xuleta havies de fer un esforç cognitiu per resumir i passar a paper o la mà. ChatGPT és menys elaborat i enriquidor que la xuleta de tota la vida. Anem amb compte amb el que estem fent amb la IA.