INTELIGENCIA ARTIFICIAL

La inteligencia artificial va a cambiar el mundo, pero todavía sigue siendo un misterio

para mucha gente. Descubre todo lo que tienes que saber sobre la IA en este dosier:
definición, funcionamiento, historia, diferentes categorías, casos prácticos y
aplicaciones. La inteligencia artificial es una tecnología tan amplia y revolucionaria que
es difícil dar una definición precisa. Puede considerarse una rama del campo de la
informática, cuyo objetivo es crear máquinas capaces de realizar tareas que
tradicionalmente requerían inteligencia humana.
Sin embargo, la IA es una ciencia interdisciplinaria con múltiples enfoques. Hoy en día,
el Machine Learning (aprendizaje automático) y el Deep Learning (aprendizaje
profundo) son dos técnicas utilizadas en empresas de todos los sectores.
¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?
En 1950, el matemático Alan Turing se hizo una pregunta: «¿Pueden pensar las
máquinas?». De hecho, esta simple pregunta transformaría el mundo. El artículo de
Alan Turing «Computing Machinery and Intelligence» y el consiguiente «Test de
Turing» sentaron las bases de la inteligencia artificial, su visión y sus objetivos.
De hecho, la inteligencia artificial pretende responder afirmativamente a la pregunta de
Alan Turing. Su objetivo es replicar o simular la inteligencia humana en las máquinas.
Se trata de un objetivo ambicioso, que también plantea muchos interrogantes y suscita
el debate. Por ello, aún no existe una definición única de inteligencia artificial.
La descripción de «máquinas inteligentes» no explica qué es realmente la inteligencia
artificial ni qué hace que una máquina sea inteligente. En un intento de remediar este
problema, Stuart Russell y Peter Norvig publicaron el libro «Artificial Intelligence: A
Modern Approach».
En ese libro, los dos expertos unifican sus trabajos sobre el tema de los agentes
inteligentes en las máquinas. Según ellos, «la IA es el estudio de los agentes que
reciben percepciones del entorno y realizan acciones».
En su opinión, cuatro enfoques distintos han definido históricamente el campo de la
inteligencia artificial: el pensamiento humano, el pensamiento racional, la acción
humana y la acción racional.
Los dos primeros enfoques se refieren al razonamiento y al procesamiento del
pensamiento, mientras que los otros dos se refieren al comportamiento. En su libro,
Norvig y Russell se centran principalmente en los agentes racionales capaces de
actuar para conseguir el mejor resultado.
Por su parte, Patrick Winston, profesor de inteligencia artificial del MIT, define la IA
como «algoritmos activados por restricciones, expuestos por representaciones que
soportan modelos que vinculan el pensamiento, la percepción y la acción».
Otra definición moderna describe la IA como «máquinas que responden a
simulaciones como los humanos, con capacidad de contemplación, juicio e intención».
Estos sistemas son capaces de «tomar decisiones que normalmente requieren un
nivel humano de conocimiento». Tienen tres cualidades que constituyen la esencia de
la inteligencia artificial: intencionalidad, inteligencia y adaptabilidad.
Estas diferentes definiciones pueden parecer abstractas y complejas. Sin embargo,
ayudan a establecer la inteligencia artificial como una ciencia informática.
En 2017, durante la Japan AI Experience, el CEO de DataRobot, Jeremy Achin, dio su
propia definición moderna y con un toque de humor de la IA : «La inteligencia artificial
es un sistema informático capaz de realizar tareas que normalmente requieren
inteligencia humana… muchos de estos sistemas de IA se basan en el Machine
Learning, otros en el Deep Learning y otros en cosas muy aburridas como las reglas«.
IA ESPECIALIZADA VS. IA GENERAL
Hay dos categorías principales de inteligencia artificial. La inteligencia artificial de tipo
«narrow» (estrecha), también conocida como «weak» (débil), solo puede funcionar en
un contexto limitado. Suele centrarse en la realización de una única tarea, que es
capaz de hacer perfectamente.
Sin embargo, aunque esa máquina pueda parecer inteligente, es mucho más limitada
que la inteligencia humana. No es más que una imitación de esta.
Algunos ejemplos son el motor de búsqueda web de Google, el software de
reconocimiento de imágenes, los asistentes virtuales como Siri de Apple o Alexa de
Amazon, los vehículos autónomos o el software como Watson de IBM.
En cambio, la segunda categoría es la inteligencia artificial «general». Esa IA es
similar a las que se ven en las películas y libros de ciencia ficción.
Es una máquina dotada de una inteligencia artificial general, comparable a la de un ser
humano y capaz de resolver cualquier tipo de problema. Un algoritmo universal, capaz
de aprender y actuar en cualquier entorno.
Sin embargo, en realidad, este tipo de IA aún no existe. Ninguna tecnología está lo
suficientemente avanzada hasta la fecha como para competir con el cerebro humano.
Por ese motivo, la creación de la IA general sigue siendo, por el momento, el «Santo
Grial» de los investigadores de IA. Es una búsqueda ambiciosa, pero llena de
obstáculos. A pesar de los avances técnicos, sigue siendo muy difícil diseñar una
máquina con plenas capacidades cognitivas.
MACHINE LEARNING Y DEEP LEARNING
El Machine (aprendizaje automático) y el Deep Learning (aprendizaje profundo)
son las dos técnicas principales de inteligencia artificial que se utilizan en la actualidad.
La distinción entre IA, ML y DL puede prestarse a confusión.
En realidad, la inteligencia artificial puede definirse como una serie de algoritmos y
técnicas que pretenden imitar la inteligencia humana. El Machine Learning es una
categoría de IA, y el Deep Learning es una técnica de Machine Learning.
El Machine Learning es el proceso de alimentar un ordenador con datos. La máquina
utiliza técnicas de análisis sobre estos datos para «aprender» a realizar una tarea.
Para conseguirlo, no necesita ninguna programación específica con millones de líneas
de código. Por eso se denomina aprendizaje «automático».
El Machine Learning puede ser «supervisado» o «no supervisado». El aprendizaje
supervisado se basa en series de datos etiquetados, mientras que el aprendizaje no
supervisado se basa en series de datos no etiquetados.
El Deep Learning es un tipo de Machine Learning directamente inspirado en la
arquitectura de las neuronas del cerebro humano. Una red neuronal artificial está
compuesta por múltiples capas, a través de las cuales se procesan los datos. Esto es
lo que permite que la máquina «profundice» en su aprendizaje, identificando
conexiones y alterando los datos introducidos para conseguir los mejores resultados.
Aplicaciones y casos prácticos de la inteligencia artificial
La inteligencia artificial tiene muchos propósitos, como el aprendizaje, el razonamiento
y la percepción. Se utiliza en todos los sectores, hasta el punto en que las aplicaciones
son infinitas e imposibles de enumerar con exhaustividad.
En el ámbito de la salud, se utiliza para desarrollar tratamientos personalizados,
descubrir nuevos fármacos o analizar imágenes médicas como radiografías y
resonancias magnéticas. Los asistentes virtuales también pueden ayudar a los
pacientes y recordarles que se tomen sus pastillas o que hagan ejercicio para
mantenerse en forma.
El sector del comercio minorista está utilizando la IA para ofrecer recomendaciones y
publicidad personalizadas a los clientes. También puede utilizarse para optimizar la
disposición de los productos o gestionar mejor el inventario.
En las fábricas, la inteligencia artificial analiza los datos de los equipos IoT para
predecir la carga y la demanda mediante Deep Learning. También puede anticiparse a
posibles fallos de funcionamiento e intervenir en una fase temprana.
Los bancos, por su parte, están utilizando la IA para prevenir y detectar el fraude. La
tecnología también puede utilizarse para comprobar si un cliente podrá pagar el crédito
que solicita y para automatizar las tareas de gestión de datos.
Estos son solo algunos ejemplos de sectores que utilizan la inteligencia artificial. Como
puede verse, esta revolucionaria tecnología está llamada a revolucionar todos los
sectores de actividad en los próximos años.
LA HISTORIA DE LA INTELIGENCIA ARTIFICIAL
La historia de la inteligencia artificial comenzó en 1943 con la publicación del artículo
«A Logical Calculus of Ideas Immanent in Nervous Activity» de Warren McCullough y
Walter Pitts. En ese trabajo, los científicos presentaron el primer modelo matemático
para la creación de una red neuronal.
El primer ordenador de red neuronal, Snarc, fue creado en 1950 por dos alumnos de
Harvard: Marvin Minsky y Dean Edmonds. Ese mismo año, Alan Turing publicó el Test
de Turing, que todavía se utiliza hoy para valorar las IA.
En 1952, Arthur Samuel creó un software capaz de aprender a jugar al ajedrez de
forma autónoma. El término inteligencia artificial fue utilizado por primera vez en la
conferencia «Dartmouth Summer Research Project on Artificial Intelligence» de John
McCarthy en 1956.
En ese acto, los investigadores presentaron los objetivos y la visión de la IA. Muchos
consideran esta conferencia como el verdadero nacimiento de la inteligencia artificial,
tal y como se conoce hoy en día.
En 1959, Arthur Samuel acuñó el término Machine Learning mientras trabajaba en
IBM. Por su parte, John McCarthy y Marvin Minsky fundaron el MIT Artificial
Intelligence Project. En 1963, John McCarthy también creó el «AI Lab» en la
Universidad de Stanford.
En los siguientes años, se cernieron dudas sobre el campo de la IA. En 1966, el
informe estadounidense ALPAC puso de manifiesto la falta de avances en la
investigación de la traducción automática destinada a traducir simultáneamente la
lengua rusa en el contexto de la Guerra Fría. Muchos proyectos financiados por el
gobierno estadounidense fueron cancelados.
Del mismo modo, en 1973, el gobierno británico publicó su informe «Lighthill» en el
que destacaba las decepciones de la investigación en IA. Una vez más, los proyectos
de investigación fueron reducidos por los recortes presupuestarios. Este periodo de
duda duró hasta 1980, y ahora se denomina el «primer invierno de la IA«.
Ese invierno terminó con la creación de R1 (XCON) por parte de Digital Equipment
Corporations. Este sistema comercial experto está diseñado para configurar los
pedidos de nuevos sistemas informáticos, y provocó un auténtico auge de las
inversiones que se prolongó durante más de una década.
Japón y Estados Unidos hicieron grandes inversiones en la investigación de la IA. Las
empresas se gastaron más de mil millones de dólares al año en sistemas expertos y el
sector no paraba de crecer.
Desgraciadamente, el mercado de las máquinas “Lisp” se desplomó en 1987 al surgir
alternativas más baratas. Este fue el «segundo invierno de la IA». Las empresas
perdieron el interés por los sistemas expertos. Los gobiernos de Estados Unidos y
Japón abandonaron sus proyectos de investigación y se gastaron miles de millones de
dólares para nada.
Diez años después, en 1997, la historia de la IA estuvo marcada por un
acontecimiento importante. La IA Deep Blue de IBM triunfó sobre el campeón mundial
de ajedrez Gary Kasparov. Por primera vez, el hombre fue derrotado por la máquina.
Diez años después, los avances tecnológicos permitieron el resurgimiento de la
inteligencia artificial. En 2008, Google hizo grandes avances en el reconocimiento de
voz y lanzó esa función en sus aplicaciones para smartphones.
En 2012, Andrew Ng alimentó una red neuronal con 10 millones de vídeos de
YouTube como serie de datos de entrenamiento. Gracias al Deep Learning, esta red
neuronal aprendió a reconocer un gato sin que se le enseñara lo que es un gato. Este
fue el inicio de una nueva era para Deep Learning.
En 2016 se produjo otra victoria de la IA sobre el ser humano, con el triunfo del
sistema AlphaGo de Google DeepMind sobre Lee Sedol, el campeón de Go. La
inteligencia artificial también conquistó el campo de los videojuegos, especialmente
con DeepMind AlphaStar en Starcraft u OpenAI Five en Dota 2.
Actualmente, empresas de todos los sectores utilizan el Deep Learning y el Machine
Learning para infinidad de aplicaciones. La IA no deja de avanzar y sorprender con su
rendimiento. El sueño de la inteligencia artificial general se acerca cada vez más a la
realidad.
LOS PELIGROS DE LA INTELIGENCIA ARTIFICIAL
La inteligencia artificial ofrece muchas promesas para la humanidad, pero también
podría representar una amenaza más peligrosa que la bomba nuclear.
Con su capacidad de aprender y evolucionar de forma autónoma, la IA podría superar
algún día la inteligencia humana. Entonces podría decidir volverse contra sus
creadores.
Este oscuro presagio puede parecer sacado directamente de una película de ciencia
ficción, pero es una posibilidad muy real. Destacados expertos como Stephen
Hawking, Elon Musk o Bill Gates ya han dado la voz de alarma sobre la inteligencia
artificial.
Según ellos, la IA representa un riesgo inminente e inevitable en los próximos años.
Por eso piden a los gobiernos que regulen este campo para que se desarrolle de
forma ética y segura. Más de un centenar expertos ha pedido también a Naciones
Unidas que prohíba los «robots asesinos» y otras armas militares autónomas.
Sin embargo, otros expertos creen que el futuro de la inteligencia artificial depende
únicamente de cómo decidan utilizarla los humanos. Incluso una IA aparentemente
inofensiva podría manipularse y utilizarse de forma malintencionada. Ya podemos
verlo con el incremento de los «DeepFakes»: vídeos falsos creados mediante Deep
Learning para mostrar a una persona en una situación comprometida.
La inteligencia artificial seguirá desarrollándose a gran velocidad en los próximos años.
La humanidad es quien debe decidir qué dirección tomará su desarrollo.
Ya sabes todo lo que hay que saber sobre inteligencia artificial. Descubre ahora
nuestro completo dosier sobre Data Science, y echa un vistazo más de cerca al
Machine Learning.