Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La Inteligencia Artificial (lA), en una definición amplia y un tanto circular, tiene por objeto el estudio del
comportamiento inteligente en las máquinas. A su vez, el comportamiento inteligentete supone percibir,
razonar, aprender, comunicarse y actuar en entornos complejos. Una de las metas a largo plazo de la lA es
el desarrollo de máquinas que puedan hacer todas estas cosas igual, o quizá incluso mejor, que los
humanos.
En esta conferencia se presentaron algunos trabajos muy relevantes, incluyendo uno de Allen Newell, Cliff
Shaw y Herbert Simon sobre un programa llamado Teorizador Lógico [Newell; Shaw y Simon, 1957], que
podía demostrar teoremas en lógica proposicional. Aunque se propusieron muchos otros términos para e]
campo, tales como procesamiento de información compleja, inteligencia de máquinas, programación
heurística o cognología, sólo el nombre de Inteligencia Artificial ha perdurado. sin duda a causa de la
creciente progresión de libros de texto, cursos, congresos y revistas que usaban este término. El primer
paso hacia la inteligencia artificial fue dado mucho tiempo atrás por Aristóteles (384-322 a. C.), cuando
comenzó a explicar y a codificar ciertos estilos de razonamiento deductivo que él llamó silogismos. Algunos
de los esfuerzos tempranos para automatizar la inteligencia nos parecerían quijotescos hoy en día. Ramón
Llul1 (1235-1316), un místico y poeta catalán, construyó una máquina de engranajes, llamada Ars Magna,
que supuestamente era capaz de responder a todas las preguntas.
Pero hubieron también científicos y matemáticos que perseguían la automatización del razonamiento.
Martín Gardner [Gardner, 1982, p. 3] atribuye a Gottfried Leibniz (1646-1716) el sueño de un «álgebra
universal mediante la cual todo el conocimiento, incluyendo las verdades morales y metafísicas, pueda ser
algún día representado en un único sistema deductivo». Leibniz llamó a su sistema cálculo filosófico o
raciocinador; fue, claro está, un sueño que no pudo ser realizado con el aparataje tecnológico de la época.
No comenzó a haber un progreso sustancial hasta que George Boole [Boo]e, 1854] desarrolló los
fundamentos de la lógica proposicional. El propósito de Boole, entre otras cosas, era «recoger... algunos
fundamentos probables relativos a la naturaleza y a la constitución de la mente humana». Hacia e] final del
siglo XIX, Gottlieb Frege propuso un sistema de notación para el razonamiento mecánico, con lo que
inventó mucho de lo que hoy conocemos con el nombre de cálculo de predicados [Frege, 1879]. Llamó a
su lenguaje Begriffsschrift, lo que puede ser traducido como «escritura de conceptos»
La inteligencia humana abarca muchas habilidades, incluyendo la habilidad para percibir y analizar
escenas visuales y la habilidad para entender o generar el lenguaje. Éstos son temas específicos que han
recibido mucha atención. Larry Roberts desarrolló uno de los primeros programas de análisis de escenas
[Roberts, 1963]. Este trabajo preliminar fue seguido de una extensa cantidad de investigación en visión
artificial ([Nalwa, 1993] es un buen libro de texto general), guiada mediante estudios científicos de los
sistemas de visión animal [Letvinn et al., 1959; Hubel, 1988, y Marr, 1982]. Uno de los sistemas pioneros
en comprensión del lenguaje natural fue el desarrollado por Terry Winograd [Winograd, 1972]. Durante la
década de los años 70 se llevó a cabo un proyecto coordinado multicentro que desarrolló prototipos de
sistemas para la comprensión fluida del habla; el sistema LUNAR [Woods, 1973], desarrollado por William
Woods, era capaz de responder a preguntas orales en inglés sobre las muestras de rocas recogidas por
las misiones lunares de la NASA
Una gran parte del trabajo inicial en la lA (durante la década de los años 60 y la primera parte de la década
de los 70) se dedicaba a explorar diversas representaciones de problemas, técnicas de búsqueda y
heurísticas generales que se aplicaban en programas de ordenador capaces de resolver puzzles sencillos,
de jugar contra el usuario o de recuperar información. Uno de los programas más influyentes fue el
Solucionador General de Problemas (GPS, o General Problem Solver) de Allen Newell, Cliff Shaw y
Herbert Simon [Newell; Shaw, y Simon, 1959, y Newell y Simon, 1963].
Aunque desde un punto de vista un tanto más riguroso, hay quien define la inteligencia artificial como “un área de
estudio que tiene por objetivo resolver problemas complejos para los cuales no se conocen soluciones
algorítmicas exactas computables en la práctica, ya sea por sus grandes dimensiones, su complejidad estructural,
o por los niveles intrínsecos de incertidumbre de los datos que manejan.” (A. Kuri Morales: “Sapiens
Piensa”; Komputer Sapiens, revista de la Sociedad Mexicana de Inteligencia Artificial, No. 1, Octubre de 2008)
La inteligencia artificial, desde su origen, es de naturaleza interdisciplinaria, el abordaje de los problemas en este
campo requiere volver los ojos constantemente hacia la neuroetología, las ciencias de la conducta, la
neurofisiología, las ciencias computacionales, la psicología cognitiva, la matemática, la lógica y las
teorías del aprendizaje. Por ello, en la actualidad la inteligencia artificial ofrece potentes recursos que encuentran
aplicación en diversos campos del quehacer humano, ya sea en el campo de la producción económica, la
educación, la investigación científica, los estudios sociales o la gestión administrativa.
• Proceso de datos: educación, interfase en lenguaje natural, acceso inteligente a datos y gestores de
bases de datos, análisis inteligente de datos.
RECONOCIMIENTO DE VOZ
Una aplicación de la inteligencia artificial que utilizamos en el día a día es el reconocimiento de voz, si hoy puedes usar
los asistentes de voz como siri o alexa, o si puedes solucionar tus problemas con tu banco o con tu compañía
telefónica hablando con un asistente virtual, es gracias a esta modalidad.
Las posibilidades son infinitas; desde poder manejar tu coche con la voz a poder hacer la compra con ella o, incluso,
poder subir o bajar las persianas de tu casa con un simple: “bajar persiana”. Pero no solo se busca simplificar la vida de
las personas con esta técnica; hay mucho más. En los ámbitos de seguridad nacional e internacional, ya se utilizan
estos mecanismos para detectar y predecir actos delictivos como asesinatos o atentados.
Sin embargo, estos sistemas no son triviales y llevan detrás de si una gran cantidad de algoritmos y técnicas, como las
Cadenas de Markov (en tiempo discreto o continuo según sus aplicaciones) o las Redes de Neuronas Artificiales, entre
muchos otros.
MACHINE LEARNING
Si bien es cierto que el Machine Learning es una rama de la Inteligencia Artificial, puesto que no es
excesivamente teórica, puede utilizarse “tal cual” en el mundo real. La idea, como se comentó en el pasado
artículo, es, fundamentalmente, poder “enseñar” a un modelo para que sea capaz de elaborar sus propias
predicciones sin nuestra supervisión más adelante.
En el ejemplo anterior, tratamos de enseñar al modelo algunas formas básicas: un círculo (0 lados), un
triángulo (3 lados), un cuadrado (4 lados) y así sucesivamente. Con estos datos, el modelo podrá extraer
patrones de cada una de las formas, de tal forma que cuando se presente una figura nunca antes vista, por
ejemplo, un octágono (8 lados), el modelo sea capaz de predecir qué figura es basándose en el número de
los lados.
Sin embargo, esto no solo permite clasificar formas, imágenes o acciones, sino que también puede conformar
complejos sistemas de recomendación como el de Amazon, determinar qué características puede tener una
serie para que tenga una cantidad determinada de acogida en televisión.
VISIÓN ARTIFICIAL
La Visión Artificial es útil para extraer información, por ejemplo, de documentos como una tarjeta bancaria (así
es como Apple te permite introducir tu tarjeta de crédito o débito a la wallet mediante una fotografía), un
pasaporte (el aeropuerto de Londres te permitirá salir del aeropuerto cuando haya escaneado tu pasaporte y
leído su información), de contratos o facturas, entre otros.
Esta técnica puede utilizarse para clasificar textos según su contenido, para elaborar chatbot (como en el
ejemplo, es un sistema de respuestas automáticas según el contenido de las preguntas), traducir entre
lenguas, redactar documentos, recuperar información… Esta técnica se ve envuelta allí donde se requiere
una interpretación del lenguaje humano, en cualquiera de sus lenguas, para ser utilizado por una máquina.
ROBOTS AUTÓNOMOS
La autonomía de las máquinas es, sin duda, el avance más notorio en el campo de la Inteligencia Artificial:
Tesla ya produce en masa sus modelos de conducción autónoma, SpaceX ya cuenta con el más avanzado
vehículo espacial Falcon Heavy, capaz de aterrizar de forma controlada en el punto exacto desde el que fue
lanzado, y sin interacción humana. Amazon está ultimando las pruebas de su zeppelin de reparto autónomo
por medio de drones automáticos que entregarán nuestros pedidos en cuestión de horas…
En la imagen anterior, muestro una prueba que realizamos en la universidad sobre la capacidad exploratoria
de un pequeño robot a lo largo y ancho de una habitación.
Esta capacidad inherente al ser humano pero heredada artificialmente por las máquinas es, sin duda, el
aspecto más complejo de esta ciencia. Se necesitan todas las aplicaciones anteriormente mencionadas y
muchas otras para llevar a cabo un sistema autónomo, que sea capaz de interpretar las señales de cualquier
entorno y poder trazar una solución a tiempo real y sin supervisión.
Un enfoque interesante para dotar de sentido común a las máquinas es la denominada cognición
situada. Consiste en ubicar a las máquinas en entornos reales con el fin de que tengan
experiencias que les doten de sentido común mediante aprendizaje basado en el desarrollo mental.
La cognición situada requiere que la inteligencia artificial forme parte de un cuerpo. Este resulta
determinante para la inteligencia, ya que los sistemas perceptivo y motor definen lo que un agente
puede observar y las interacciones que establece con su entorno.
Precisamente las capacidades más complicadas de desarrollar son las que requieren interaccionar
con entornos no restringidos: percepción visual, comprensión del lenguaje, razonamiento con
sentido común y toma de decisiones a partir de información incompleta. Diseñar sistemas con estas
capacidades exige integrar desarrollos en muchas áreas de la inteligencia artificial. En particular,
necesitamos lenguajes de representación de conocimientos que codifiquen información sobre
numerosos tipos de objetos, situaciones, acciones, así como sobre sus propiedades y las
relaciones entre ellos. También nos hacen falta nuevos algoritmos que, partiendo de estas
representaciones, puedan razonar y aprender de forma robusta y eficiente sobre prácticamente
cualquier tema.
A pesar de todas esas dificultades, las tecnologías basadas en la inteligencia artificial ya están
empezado a cambiar nuestras vidas en aspectos como la salud, la seguridad, la productividad o el
ocio, y a medio plazo van a tener un gran impacto en la energía, el transporte, la educación y las
actividades domésticas. No obstante, por muy inteligentes que lleguen a ser las futuras inteligencias
artificiales, siempre serán distintas a las humanas debido a lo determinantes que resultan los
cuerpos en los que se ubican. Además, el hecho de ser ajenas a los valores y necesidades
humanas nos debería hacer reflexionar sobre aspectos éticos en el desarrollo de la inteligencia
artificial y, en particular, sobre la conveniencia de dotar de total autonomía a las máquinas.
7- Futuro de la I.A.
Asistente personal de compañía para mayores
Si habéis visto la reciente serie “Years and Years” de HBO, donde podemos seguir de cerca el
progreso de una familia británica hacia un futuro cada vez más tecnológico, seguro que recordáis a
la abuela. Este personaje consigue entablar una estrecha relación de ‘amistad’ con su asistente
virtual, quien le ayuda en toda duda que le surge en su hogar, hasta el punto de que le hace
compañía. Para Villalonga este es uno de los puntos donde la IA tiene cabida: como asistente que
pueda acompañar a personas mayores que vivan solas.
“El confinamiento por coronavirus nos ha demostrado que la gente no ha llevado bien a nivel mental
el aislamiento. Pero ¿y si tu dispositivo de casa te hablara de vez en cuando para preguntarte
cómo estás o si te has tomado la medicación? Los ancianos ya no estarían tan solos, tendrían con
quién hablar. Incluso más allá, su pastillero inteligente podría ser el que detecte que no se han
tomado la pastilla y les avisara”.
Para Villalonga, no todo es pedirle a una máquina que nos apague o encienda una alarma, la luz o
un sistema de música. El futuro más cercano girará en torno a que nuestros asistentes virtuales
sean cada vez más cercanos y formen parte primordial de la familia.
Triaje de enfermos
Si una máquina tuviera la capacidad de decidir cómo de grave es la enfermedad que tienes basada
en una serie de parámetros: temperatura, síntomas, dolor, análisis de sangre y orina, una
radiografía o incluso por una foto, sería una forma eficaz de que el médico que tuviera que
atenderte lo hiciera siguiendo un orden lógico, dejando los enfermos más leves para el final:
“A través del aprendizaje automático te podría decir en qué grupo estás. Imagina que, con solo
introducir los síntomas en el ordenador, en base a experiencias pasadas, se pudiera clasificar
según la gravedad. Con ello, no quiero decir que se elimine el papel del médico. Es una forma de
dar soporte al personal de admisiones que deben priorizar su asistencia”, resalta Villalonga.
Este sistema evitaría muchos quebraderos de cabeza a quien está en urgencias decidiendo cuál es
el orden de asistencia y su decisión tendría una base científica.
Prevención de lesiones
Toda esa información sirve posteriormente para controlar la salud del jugador y adelantarse a si va
a tener una lesión o un problema de cardiovascular: “Con estos dispositivos puedes medir si una
persona va a tener un ataque al corazón. Al monitorizarla todo el rato, podrías detectar muy
rápidamente si le está subiendo el ritmo cardíaco”.
Ahora se trata de un producto que se usa en el deporte, pero podría llegar a tener beneficios en la
población gracias a un reconocimiento de las actividades a través de un dispositivo móvil que
lleves contigo: “Con que lo tenga en el bolsillo, puedes saber muy fácilmente si la persona está
andando, si está corriendo, si es sedentaria o no.
Control de personas
Este punto entra en conflicto con los derechos personales, no querer que una entidad superior
controle todo aquello que hacemos, pero la pandemia por coronavirus ha hecho replantearse esta
tesitura. Es más que probable que en nuestro futuro más próximo se centre el foco en analizar
todo lo que hacemos, dónde y si se rige por las leyes.
Ahora hemos visto ejemplos: “Que las cámaras de seguridad capten cómo de cerca estás de otra
persona y si guardas las distancias es también inteligencia artificial. Se detectan las caras para ver
si llevas correctamente puesta la mascarilla y si estás lo suficientemente separado de otras
personas”.
Ahora surgen dudas en torno a “Radar COVID”, la app del Gobierno que notifica a los ciudadanos
si han estado cerca de alguien que ha dado positivo por coronavirus: “Este procesado de datos
para saber quién ha estado, dónde y con quién, no requiere de una IA muy avanzada”.
En UNIR, en 2018, ya se dio a conocer un estudio en el que se trabajaba dentro del centro para
analizar el comportamiento de un alumno dentro de la plataforma de estudios, saber si estaba
siguiendo bien el curso y qué probabilidades tenía de que pudiera sacarlo o no adelante. Tal y
como apuntaban los líderes del proyecto, no se pretendía fiscalizar a los alumnos, al revés, se
buscaba ayudar a los profesores a mejorar las notas y rendimiento escolar de sus estudiantes.
En esta línea, cree Villalonga, que estará dirigido el futuro de los estudios online: “Para nosotros,
como profesores, lo más práctico sería poder detectar antes de que el alumno suspenda, que
lo va a hacer para así poder ayudarle. Si nosotros tenemos unos patrones determinados y sabemos
que los alumnos no se conectan al campus virtual, tardan mucho tiempo en hacerlo entre dos
periodos, no entran en las actividades propuestas, no leen el foro… podríamos detectar que su
comportamiento va a llevarles a suspender y adelantarnos”.
Toda aquella tecnología que permita optimizar el proceso de generación de energía, considerar
cuáles son los mejores momentos de la jornada para hacerlo, incluso valorar qué contaminantes
afectan más a la humanidad o a un entorno, son algunas de las ideas que le vienen a la cabeza a
Villalonga. Pero, entre todas, destaca la siguiente: la señalización inteligente del tráfico.
“Si se pudieran adaptar los semáforos y las señales de velocidad para controlar el flujo de
tráfico, podrían mejorar la reducción de emisión de contaminantes. Por ejemplo, obligando a los
coches a ir más lento. En esta línea, de reducción de contaminantes, también se me ocurre la idea
de optimizar las rutas, que se programasen los recorridos entre dos puntos de la forma más
eficiente”.