Los distintos "niveles" de inteligencia artificial

Los logros en campos de inteligencia artificial han hecho que esa definición sea
especialmente confusa, sobre todo porque uno podría preguntarse por ejemplo si
DeepBlue podría considerarse inteligente cuando ganó a Kasparov al ajedrez, o si
AlphaGo lo era cuando demostró ser mejor que cualquier humano jugando al Go.
¿Fueron esas máquinas lo "suficientemente inteligentes" como para hablar de
inteligencia artificial? Lo fueron, ciertamente, pero esos logros específicos son muy
distintos de los que se buscan a largo plazo con esta disciplina.
Eso ha hecho que aparezcan tres grandes categorías para clasificar la inteligencia
artificial según su alcance y su ámbito de aplicación. Veamos cuáles son esas
grandes diferencias que nos permiten entender hasta dónde hemos llegado... y
hasta dónde es posible llegar.

IA DEBIL
Este tipo de sistemas son capaces de resolver problemas muy bien definidos y
acotados. La inteligencia artificial débil es la que ha provocado la verdadera
explosión de esta disciplina en los últimos tiempos: se han aplicado distintas
técnicas como aprendizaje máquina o aprendizaje profundo para lograr resolver
problemas específicos, y los resultados han sido excepcionales.
Los logros alcanzados con Deep Blue o con AlphaGo son un ejemplo perfecto de
inteligencia artificial débil: estos desarrollos se dedican a resolver un problema
concretos y delimitado y que permiten ser resueltos de forma que esos sistemas
acaban realizando esas tareas mucho mejor que un ser humano.
Estamos rodeados de ingeligencias artificiales débiles, y de hecho estos son los
desarrollos que más popularidad han logrado en los últimos tiempos porque han
demostrado cómo es posible programar una máquina y entrenarla para resolver
todo tipo de tareas.
Los modernos asistentes de voz son un buen ejemplo de esos casos de
inteligencia artificial débil, como también los que están comenzando a aplicarse
para el diagnóstico médico o incluso esos bots que se incluyen en los videojuegos
y que juegan contra (o con) nosotros para plantearnos un reto con el que nos
sintamos motivados y disfrutemos.
La aplicación de este tipo de sistemas es extensa, y de hecho todos los
desarrollos prácticos completados hasta la fecha podrían englobarse dentro de
esas inteligencias artificiales débiles. Están bien delimitadas y resuelven ciertos
problemas de forma ejemplar, pero no son capaces de adaptarse a su entorno (y
mucho menos de lograr que el entorno se adapte a ellas) como decía Sternberg.
Intenta pedirle a Siri que juegue una partida de ajedrez contigo: no está
programada para eso, y aunque sería posible adaptarla para resolver también esa
tarea, lo importante aquí es dejar claro que la inteligencia artificial resuelve
problemas muy concretos y delimitados. Fuera de esos límites nos encontramos
ante un enorme vacío.
El propio Test de Turing era limitado en este ámbito, porque su ámbito era muy
concreto. Tanto es así que aquellos sistemas de IA que han presumido de
superarlo —el chatbot Eliza destacó entre ellos— no cumplían ni mucho menos
todos los requisitos del test.
Como nos comentaba López de Mántaras en aquel episodio de Captcha, "la
inteligencia es mucho más que mantener un diálogo coherente". Se habla del test
de Turing total, pero para este investigador el test de Winograd sí es más
convincente ya que demuestra sentido común y que la máquina exhibe "una
compresión profunda de la semántica del lenguaje". En la comunidad de estudio
de la inteligencia artificial no se trabaja con el objetivo de pasar el Test de Turing o
el Test de Winograd: "en todo caso pasar esos test sería un efecto colateral de
avances en este campo".
La prueba de Turing o test de Turing es un examen de la capacidad de una
máquina para exhibir un comportamiento inteligente similar al de un ser humano o
indistinguible de este. Alan Turing propuso que un humano evaluara
conversaciones en lenguaje natural entre un humano y una máquina diseñada
para generar respuestas similares a las de un humano. El evaluador sabría que
uno de los participantes de la conversación es una máquina y los intervinientes
serían separados unos de otros. La conversación estaría limitada a un medio
únicamente textual como un teclado de computadora y un monitor por lo que sería
irrelevante la capacidad de la máquina de transformar texto en habla. 2 En el caso
de que el evaluador no pueda distinguir entre el humano y la máquina
acertadamente (Turing originalmente sugirió que la máquina debía convencer a un
evaluador, después de 5 minutos de conversación, el 70 % del tiempo), la
máquina habría pasado la prueba. Esta prueba no evalúa el conocimiento de la
máquina en cuanto a su capacidad de responder preguntas correctamente, solo se
toma en cuenta la capacidad de esta de generar respuestas similares a las que
daría un humano.
Turing propuso esta prueba en su ensayo “Computing Machinery and Intelligence”
de 1950 mientras trabajaba en la Universidad de Mánchester (Turing, 1950; p.
460).3 Inicia con las palabras: “Propongo que se considere la siguiente pregunta,
‘¿Pueden pensar las máquinas?’”. Como es difícil definir la palabra “pensar”,
Turing decide “reemplazar la pregunta con otra que está estrechamente
relacionada y en palabras no ambiguas.”, 4 la nueva pregunta de Turing es:
“¿Existirán computadoras digitales imaginables que tengan un buen desempeño
en el juego de imitación?". 5 Turing creía que esta pregunta sí era posible de
responder y en lo que resta de su ensayo se dedica a argumentar en contra de las
objeciones principales a la idea de que “las máquinas pueden pensar”. 6
Desde que fue creada por Turing en 1950, la prueba ha demostrado ser altamente
influyente y a la vez ampliamente criticada, además de transformarse en un
concepto importante en la filosofía de la inteligencia artificial. 17

Mucho más ambiciosa que la inteligencia artificial débil es la inteligencia artificial

general, que permitiría resolver cualquier tarea intelectual resoluble por un ser
humano. Esta inteligencia artificial sería multitarea y podría hacer cientos, miles de
cosas distintas bien.
No solo eso: esa inteligencia artificial general no sería una especie de gran unión
de inteligencias artificiales débiles, cada una para resolver un problema: dicha
inteligencia artificial general sería capaz de realizar juicios y razonar ante una
situación de incertidumbre —a partir del aprendizaje y el entrenamiento—, además
de comunicarse en lenguaje natural, planificar o aprender.

La inteligencia artificial general, de aparecer, superaría sin problemas tanto el Test

de Turing como el de Winograd, por ejemplo, que como hemos comentado
demostrarían que la máquina poseería esa capacidad, pero en realidad dicho
logro sería tan solo parte de la capacidad de esa inteligencia artificial general.
el Desafío de los esquemas de Winograd. Dicho Desafío es un test de
inteligencia artificial propuesto en 2011 por Hector Levesque, un científico
computacional de la Universidad de Toronto. Es un test de respuestas múltiples
que implica responder a frases escritas en inglés, de una naturaleza muy
específica: son ejemplos prácticos de lo que se denominan los Esquemas de
Winograd, llamados así en honor a Terry Winograd, profesor de Ciencia
computacional de la Universidad de Standford.
A diferencia del Test de Turing, no se exige al interlocutor involucrarse en una
conversación y engañar a un interrogador haciéndole creer que está tratando con
una persona. De hecho, la naturaleza del test de Turing se puso seriamente en
tela de juicio cuando se afirmó que un "robot conversador" de IA llamado Eugene
pasó la prueba en 2014. Dicho "robot conversador" no era en absoluto inteligente,
simplemente era muy hábil distrayendo la atención del interrogador las veces en
las que desconocía la respuesta, mientras hacía mucho hincapié en las
interacciones en la que su algoritmo respondía correctamente a las preguntas
formuladas. El Desafío de los esquemas de Winograd se propuso en parte para
mejorar estos problemas y evitar este tipo de situaciones engañosas. Como
indicaba anteriormente, es un breve test de comprensión lectora que implica
preguntas únicas binarias y en el que la complejidad viene dada por el problema
de la anáfora. He aquí dos ejemplos (en inglés, tal y como fueron expuestos por
Levesque):

Pero la inteligencia artificial general no es esa inteligencia artificial que tanto nos
vende Hollywood. Le falta un elemento esencial que es el que diferencia a la
llamada inteligencia artificial fuerte. Esta última posee los llamados "estados
mentales", y además es consciente de sí misma.

Dicho tipo de inteligencia artificial iría más allá de emular y superar a los seres
humanos en la realización de cualquier tarea. Al tomar consciencia de sí misma,
sería capaz de (teóricamente) resolver cualquier problema y podría contar con una
experiencia subjetiva propia, o ser capaz de sentir emociones. Entramos en un
terreno escabroso en el que sería necesario hablar de los desafíos éticos que la
aparición de dicha inteligencia artificial plantearía.

En esencia, una inteligencia artificial fuerte lograría contar con los estados
mentales con los que contamos los seres humanos, pero lograría ir mucho más
allá gracias a su capacidad de cálculo y de adaptación al entorno. Cuidado,
porque que una inteligencia artificial fuerte es también general, pero lo contrario no
es cierto. La diferencia es sutil, pero esa consciencia de sí misma probablemente
lo cambiaría todo.
Si lográramos desarrollar esa inteligencia artificial fuerte, habríamos alcanzado
ese punto de inflexión en la historia del ser humano. Uno en el que los problemas
técnico-científicos, sociales o económicos no serían un reto para esa
superinteligencia artificial. Habríamos alcanzado la singularidad y eso plantearía
cambios impredecibles para nuestro mundo.
¿Qué podría ocurrir a partir de entonces? Lo cierto es que hay dos grandes
corrientes de pensamiento. La primera, que esa inteligencia artificial fuerte
resuelva todos los problemas de la humanidad (desigualdades, hambre, pobreza,
guerras) y nos lleve a una nueva era en el que el bienestar y la calidad de vida
serían extremos. La segunda, mucho más explotada en novelas, series y
películas, es la de una inteligencia artificial fuerte que se dé cuenta de que los
humanos ya no somos necesarios. Terminator, vaya.

Afortunada o desafortunadamente, parece que esa inteligencia artificial fuerte

tardará aún mucho en llegar... si es que llega. Mientras tanto, eso sí, seguiremos
viendo avances importantes en este ámbito. La inteligencia artificial débil seguirá
sorprendiéndonos con nuevos logros, sin duda, y esos avances acabarán siendo
claves en un campo que efectivamente plantea una revolución total de nuestro
mundo.
APLICACIONES
Toda industria tiene una alta demanda de recursos de inteligencia artificial – en
especial sistemas de respuesta a preguntas que se puedan utilizar para asistencia
legal, búsquedas de pacientes, notificación de riesgo e investigación médica.
Otros usos de la inteligencia artificial incluyen:
Atención a la salud

Las aplicaciones de IA pueden proporcionar lecturas personalizadas de medicina y

rayos X. Los asistentes personales de atención a la salud pueden actuar como
asesores, recordándole tomar sus pastillas, hacer ejercicio o comer más sano.

Retail

La inteligencia artificial proporciona recursos para compras virtuales que ofrecen

recomendaciones personalizadas y analizan opciones de compra con el
consumidor. Las tecnologías de gestión de inventario y disposición de sitios
también se verán mejoradas con la inteligencia artificial.
Manufactura

La inteligencia artificial puede analizar datos de IoT de fábrica cuando éstos se

transmiten por streaming desde equipo conectado para pronosticar carga y
demanda esperadas utilizando redes recurrentes, un tipo específico de red de
aprendizaje a fondo que se utiliza con datos en secuencia.   

Bancos

La inteligencia artificial mejora la velocidad, la precisión y la efectividad de los

esfuerzos humanos. En las instituciones financieras, se pueden emplear técnicas
de inteligencia artificial para identificar qué transacciones tienen la probabilidad de
ser fraudulentas, adoptar evaluación de crédito rápida y precisa, así como también
automatizar de forma manual tareas de gestión de datos intensas.
Ejemplos
‘Chatbots’ médicos
La utilización de ‘chatbots’ para la atención en línea es algo cada vez más
cotidiano en países como EE.UU., tanto para la solución a preguntas médicas
como para que los usuarios localicen a los profesionales que mejor pueden
atenderles.

Asistentes para la compra en línea

Los ‘bots’ se establecen cada vez más como el canal ideal para comercializar los
productos en la red, acompañando al cliente en todo el proceso de compra e,
incluso, solucionando la mayoría de sus quejas. Desde el lado del consumidor,
están ya en el mercado nuevos sistemas de tecnologías de búsqueda que
personalizan aún más la información de acuerdo a sus preferencias, mientras que,
desde la óptica de las marcas, la IA está permitiendo desarrollar sistemas para
detectar de manera muy precisa las falsificaciones.

‘Insurtech’ al volante
En relación al pago de primas de seguros, existen ya los primeros prototipos que
establecen predicciones sobre los comportamientos de los conductores de
vehículos, gracias al uso de algoritmos de reconocimiento de imagen, que evalúan
entre otros parámetros las posibilidad de sufrir accidentes.

Pagos invisibles
El aprendizaje automático aplicado al reconocimiento de imagen también está
generando nuevos servicios como el de Amazon Go, que permite a los clientes
pagar por productos en tiendas físicas sin pasar por caja, gracias a sistemas que
identifican al usuario y los productos y realizan el cobro de manera automática.

BBVA puso en marcha un sistema similar para pagar mediante reconocimiento

facial en su sede en Madrid, mediante el cual los usuarios ahorraban hasta cinco
minutos de su tiempo en cada compra.

Prótesis inteligentes
En el campo de las prótesis, los científicos están realizando grandes progresos
gracias a modelos de aprendizaje automático que, por medio de sensores
adheridos a nuestro cuerpo, reciben y procesan datos y sirven para que se
desarrollen comandos que hacen que los dispositivos se muevan casi
inmediatamente.
En la investigación clínica, la IA está ya permite que se extraiga información
valiosa de los registros médicos para sugerir ensayos relevantes.

Asistentes de viaje
El valor agregado de los ‘chatbots’ es algo que perciben hoy los clientes a través
del asesoramiento en las reservas, de las sugerencias que se les realizan en
línea, de los asistentes virtuales o a la hora de valorar cualitativamente las
opiniones recibidas.

Diagnósticos por IA
El supervisor sanitario norteamericano, la FDA, está dando luz verde a proyectos
que utilizan la IA en dispositivos médicos, por ejemplo, para mejorar los
diagnósticos mediante reconocimiento de imágenes.

La IA en la banca
En el mundo de la banca, la IA ya ha demostrado su potencial. BBVA ha
inaugurado este año la Factoría de Inteligencia Artificial cuyo trabajo se centra en
desarrollar nuevas formas de relación con el cliente con el apoyo de la inteligencia
artificial; personalizar los productos para que se adapten a cada cliente; servir de
apoyo a los gestores comerciales para liberarlos de procesos repetitivos y reforzar
la protección frente a fraudes y ciberataques.