jueves, 29 de junio de 2017

Respuestas complejas a preguntas de niño #CIGTR2017

Resumen de la III Jornada del Curso de Verano 'Artificial Intelligence & Machine Learning 4 Cybersecurity'

"¿Por qué el cielo es azul?". Es una pregunta que cualquier niño se podría hacer, ¿verdad? Y sin embargo su razonamiento y por tanto la solución a la pregunta puede pasar por formulaciones harto complejas. Pues eso mismo es lo que sucede con la Seguridad Informática y el Machine Learning, según Alfonso Muñoz, último ponente del Curso de Verano del CIGTR que se ha celebrado de lunes a miércoles en el Teatro Real Carlos III de Aranjuez, en colaboración con la Universidad Rey Juan Carlos (URJC).

Pero no adelantemos acontecimientos. Antes de Muñoz fue el turno del head of cybersecurity analytics and trust en BBVA, Sergio Iglesias. Tenía una papeleta difícil: empezar a poner el ribete final a dos jornadas en la que se habían hecho aproximaciones al elemento central del curso (Inteligencia Artificial y Machine Learning) desde perspectivas en ocasiones ajenas a la ciberseguridad, pero que entre todas aportaban un elemento común: lo complicado ya no es (nunca más será), cómo hacer frente a un ataque; lo complicado es saber identificar el patrón, cada vez más confuso y disfrazado, que nos ponga en guarda porque estamos siendo atacados, o estamos a punto de serlo.

Security Analytics y Behaviour Analytics mediante la detección de anomalías en tiempo real

Con estos mimbres en la mano, Iglesias realizó una exposición en la que dio a entender no solo el potencial de los ejercicios de analítica, sino su carácter de universalidad. "Todos hacemos analítica", señaló el responsable de BBVA. Aunque sea a nivel básico, el hecho de tomar decisiones implica analizar la información de la que disponemos. Y eso mismo, pero a gran escala, es a lo que él y su equipo consagran el día a día. ¿La finalidad? Definir las estrategias a seguir para discriminar perfiles de usuario "buenos" de los "malos". Por si alguien tiene dudas, cabe definir "buenos" como aquellos que realizan un uso lícito de los sistemas.

A lo largo de casi hora y media trufada con guiños humorísticos y cambios de ritmo, Iglesias invitó al público a intervenir, en acciones que demuestran cómo muchas decisiones en apariencia aleatorias responden a patrones completamente lógicos y previsibles desde el punto de vista estadístico. Al final de su intervención, también hizo mención a Cognitive Analytics, la evolución de los sistemas de analítica en tiempo real que además son capaces de tomar decisiones, y que es una de las disciplinas lideradas por Watson (IBM), precisamente protagonista el día anterior por boca del responsable de seguridad de IBM, Vijay Dheap.

When artificial intelligence is not enough challenges and Opportunities

Fue entonces cuando Muñoz (I4S) tomó el testigo para lanzar su pregunta de "por qué el cielo es azul" e iniciar una charla en el que hubo "recados" para todo el mundo: para lo que puede y no puede solucionar el Machine Learning, para los retos pendientes de la Inteligencia Artificial, para los que quieren correr con la tecnología pero también para los agoreros, y para quienes ven amenazas donde solo hay oportunidades. "Nuestra economía está basada en cosas que son falsas, y hay cosas como el bitcoin, el blockchain... que no sabemos cómo adaptar. Y eso pasa también con la Inteligencia Artificial, donde hay una gran parte de sesgo cultural que utilizamos sin darnos cuenta, y que es una parte fundamental del proceso de Machine Learning".

"El estudio más serio, el del Instituto del Futuro de la Humanidad, da estimaciones de 40 a 120 años para que la Inteligencia Artificial tenga capacidad razonable para sustituir al ser humano en determinadas tareas. Por ejemplo, traducciones fluidas en 2024, y escribir un bestseller en 2049", comentó Muñoz, quien recordó que solo han pasado 20 años desde Deep Blue, el ordenador que venció a Kasparov al ajedrez, hasta Alpha Go, la primera máquina que ha podido derrotar a la máxima autoridad en el juego oriental. "Ya, pero Alpha Go no sabe hacer una barra de pan". Ese es precisamente el escenario en el que nos movemos, con la novedad relativamente reciente de inteligencias artificiales tratando de resolver problemas complejos sin entrar en los detalles específicos.

En ciberseguridad, las limitaciones del Machine Learning pasan por dónde obtener los datos y saber cuántos vamos a necesitar. "No sabemos detectar cosas que no hemos visto nunca. Propuestas como las que hace ahora Google pasan por entrenar con una o ninguna muestra previa, minimizando la fase de entrenamiento". Del one-shot learning, los sistemas que aprenden imitando, deberíamos ser capaces de saltar al zero-shot learning, y lo ideal sería poder entrenar en entornos hostiles. Con recado final incluido: "si para lo que no sabes hacer con la máquina, metes al humano en el proceso, estás haciendo trampa". Y las trampas, al final, son siempre una pérdida de tiempo y/o dinero.


El catedrático de Matemática Aplicada de la URJC, Regino Criado, fue el encargado de poner el broche a tres días de evento, con un breve recorrido por lo más sustancial de cada intervención, y con un sentido agradecimiento a los asistentes, a los participantes y a los profesionales que han colaborado para hacer posible que salga adelante esta edición, la séptima ya de los Cursos de Verano del CIGTR.

0 comentarios:

Publicar un comentario