¿Cómo funciona la Inteligencia Artificial? Guia práctica para entender los modelos existentes.

Entendiendo la inteligencia artificial. Fundamentos Básicos

En términos generales, los sistemas de inteligencia artificial pueden realizar tareas comúnmente asociadas con las funciones cognitivas humanas, como interpretar el habla, jugar juegos e identificar patrones. Por lo general, aprenden a hacerlo procesando cantidades masivas de datos, buscando patrones para modelar en su propia toma de decisiones. En muchos casos, los seres humanos supervisarán el proceso de aprendizaje de la IA, reforzando las buenas decisiones y desalentando las malas. Sin embargo, algunos sistemas de IA están diseñados para aprender sin supervisión, por ejemplo, jugando un videojuego una y otra vez hasta que eventualmente descubren las reglas y cómo ganar.

IA fuerte frente a IA débil
La inteligencia es difícil de definir, por eso los expertos en IA generalmente distinguen entre IA fuerte e IA débil.

IA fuerte
La IA fuerte, también conocida como inteligencia artificial general, es una máquina que puede resolver problemas en los que nunca ha sido entrenada, al igual que un humano puede hacerlo. Este es el tipo de IA que vemos en películas, como los robots de Westworld o el personaje Data de Star Trek: La próxima generación. Este tipo de IA aún no existe.

La creación de una máquina con inteligencia a nivel humano que pueda aplicarse a cualquier tarea es el Santo Grial para muchos investigadores de IA, pero la búsqueda de la inteligencia artificial general ha estado llena de dificultades. Y algunos creen que la investigación de la IA fuerte debería estar limitada debido a los riesgos potenciales de crear una IA poderosa sin las salvaguardias adecuadas.

En contraste con la IA débil, la IA fuerte representa una máquina con un conjunto completo de habilidades cognitivas, así como una amplia gama de casos de uso, pero el tiempo no ha facilitado la dificultad de lograr tal hazaña.

IA débil
La IA débil, a veces llamada IA estrecha o especializada, opera dentro de un contexto limitado y es una simulación de la inteligencia humana aplicada a un problema definido de manera estrecha (como conducir un automóvil, transcribir el habla humana o curar contenido en un sitio web).

La IA débil se enfoca en realizar una sola tarea de manera extremadamente eficiente. Si bien estas máquinas pueden parecer inteligentes, operan bajo muchas más restricciones y limitaciones que incluso la inteligencia humana más básica.

Ejemplos de IA débil incluyen:

• Siri, Alexa y otros asistentes inteligentes.
• Autos autónomos.
• Búsqueda de Google.
• Bots conversacionales.
• Filtros de correo no deseado de correo electrónico.
• Recomendaciones de Netflix.

Aprendizaje Automático vs. Aprendizaje Profundo
Aunque los términos "aprendizaje automático" y "aprendizaje profundo" se mencionan con frecuencia en conversaciones sobre IA, no deben usarse indistintamente. El aprendizaje profundo es una forma de aprendizaje automático, y el aprendizaje automático es una subcampo de la inteligencia artificial.

Aprendizaje automático
Un algoritmo de aprendizaje automático se alimenta de datos por una computadora y utiliza técnicas estadísticas para ayudar a “aprender” cómo mejorar progresivamente en una tarea, sin necesidad de haber sido programado específicamente para esa tarea. En cambio, los algoritmos de aprendizaje automático utilizan datos históricos como entrada para predecir nuevos valores de salida. Para lograrlo, el aprendizaje automático se compone tanto de aprendizaje supervisado (donde se conoce la salida esperada para la entrada gracias a conjuntos de datos etiquetados) como de aprendizaje no supervisado (donde las salidas esperadas son desconocidas debido al uso de conjuntos de datos no etiquetados).

Aprendizaje profundo
El aprendizaje profundo es un tipo de aprendizaje automático que procesa las entradas a través de una arquitectura de red neuronal inspirada en la biología. Las redes neuronales contienen varias capas ocultas a través de las cuales se procesan los datos, permitiendo que la máquina “profundice” en su aprendizaje, estableciendo conexiones y ponderando la entrada para obtener los mejores resultados.

EJEMPLOS DE INTELIGENCIA ARTIFICIAL – Los Cuatro Tipos de IA

La IA se puede dividir en cuatro categorías, según el tipo y la complejidad de las tareas que un sistema puede realizar. Son:

• Máquinas reactivas
• Memoria limitada
• Teoría de la mente
• Conciencia de sí mismo

Máquinas Reactivas
Una máquina reactiva sigue los principios más básicos de la IA y, como su nombre indica, solo es capaz de utilizar su inteligencia para percibir y reaccionar al mundo que tiene frente a sí. Una máquina reactiva no puede almacenar memoria y, como resultado, no puede basarse en experiencias pasadas para tomar decisiones en tiempo real.

La percepción directa del mundo significa que las máquinas reactivas están diseñadas para completar solo un número limitado de tareas especializadas. Reducir intencionalmente la visión del mundo de una máquina reactiva tiene sus beneficios: este tipo de IA será más confiable y segura, y reaccionará de la misma manera ante los mismos estímulos cada vez.

Ejemplos de Máquinas Reactivas
Deep Blue fue diseñado por IBM en la década de 1990 como una supercomputadora de ajedrez y derrotó al gran maestro internacional Gary Kasparov en una partida. Deep Blue solo era capaz de identificar las piezas en un tablero de ajedrez y conocer cómo se mueve cada una según las reglas del ajedrez, reconociendo la posición actual de cada pieza y determinando cuál sería el movimiento más lógico en ese momento. La computadora no estaba persiguiendo futuros movimientos potenciales de su oponente ni intentando colocar sus propias piezas en una mejor posición. Cada turno se consideraba su propia realidad, separada de cualquier otro movimiento que se hubiera realizado anteriormente.

AlphaGo de Google también es incapaz de evaluar movimientos futuros, pero se basa en su propia red neuronal para evaluar el desarrollo del juego actual, dándole ventaja sobre Deep Blue en un juego más complejo. AlphaGo también venció a competidores de clase mundial en el juego, derrotando al campeón de Go Lee Sedol en 2016.

Memoria Limitada
La IA con memoria limitada tiene la capacidad de almacenar datos y predicciones anteriores al recopilar información y evaluar decisiones potenciales, esencialmente mirando hacia el pasado en busca de pistas sobre lo que puede suceder a continuación. La IA con memoria limitada es más compleja y presenta mayores posibilidades que las máquinas reactivas.

La IA con memoria limitada se crea cuando un equipo entrena continuamente un modelo sobre cómo analizar y utilizar nuevos datos, o cuando se construye un entorno de IA para que los modelos se puedan entrenar y renovar automáticamente.

Al utilizar la IA con memoria limitada en el aprendizaje automático, se deben seguir seis pasos:

1. Establecer datos de entrenamiento.
2. Crear el modelo de aprendizaje automático.
3. Asegurarse de que el modelo pueda hacer predicciones.
4. Asegurarse de que el modelo pueda recibir retroalimentación humana o ambiental.
5. Almacenar la retroalimentación humana y ambiental como datos.
6. Repetir los pasos anteriores como un ciclo.

Teoría de la Mente
La teoría de la mente es precisamente eso, teórica. Aún no hemos logrado las capacidades tecnológicas y científicas necesarias para alcanzar este siguiente nivel de IA.

El concepto se basa en la premisa psicológica de comprender que otros seres vivos tienen pensamientos y emociones que afectan el comportamiento de uno mismo. En términos de máquinas de IA, esto significaría que la IA podría comprender cómo los seres humanos, los animales y otras máquinas sienten y toman decisiones a través de la autorreflexión y la determinación, y luego utilizar esa información para tomar sus propias decisiones. Esencialmente, las máquinas tendrían que ser capaces de comprender y procesar el concepto de “mente”, las fluctuaciones emocionales en la toma de decisiones y una serie de otros conceptos psicológicos en tiempo real, creando una relación bidireccional entre las personas y la IA.

Conciencia de sí mismo
Una vez que se establezca la teoría de la mente, en algún momento en el futuro de la IA, el último paso será que la IA adquiera conciencia de sí misma. Este tipo de IA posee una conciencia a nivel humano y comprende su propia existencia en el mundo, así como la presencia y el estado emocional de los demás. Sería capaz de entender lo que los demás pueden necesitar no solo en base a lo que le comunican, sino también a cómo lo comunican.

La conciencia de sí mismo en la IA se basa tanto en la comprensión de los investigadores humanos de la premisa de la conciencia, como en aprender cómo replicarla para poder integrarla en las máquinas.

Ejemplos de inteligencia artificial

La tecnología de inteligencia artificial adopta muchas formas, desde los chatbots a las aplicaciones de navegación y los rastreadores de fitness portátiles. Los siguientes ejemplos ilustran la amplitud de las aplicaciones potenciales de la IA.

ChatGPT
ChatGPT es un chatbot de inteligencia artificial capaz de producir contenido escrito en diversos formatos, desde ensayos hasta código y respuestas a preguntas sencillas. Lanzado en noviembre de 2022 por OpenAI, ChatGPT cuenta con un amplio modelo lingüístico que le permite emular la escritura humana.

Google Maps
Google Maps utiliza los datos de localización de los teléfonos inteligentes, así como los datos notificados por los usuarios sobre aspectos como obras y accidentes de tráfico, para controlar el flujo y reflujo del tráfico y evaluar cuál será la ruta más rápida.

Asistentes inteligentes
Asistentes personales como Siri, Alexa y Cortana utilizan el procesamiento del lenguaje natural (PLN) para recibir instrucciones de los usuarios y establecer recordatorios, buscar información en Internet y controlar las luces de los hogares. En muchos casos, estos asistentes están diseñados para aprender las preferencias del usuario y mejorar su experiencia con el tiempo, con mejores sugerencias y respuestas más personalizadas.

Filtros de Snapchat
Los filtros de Snapchat utilizan algoritmos de ML para distinguir entre el sujeto de una imagen y el fondo, seguir los movimientos faciales y ajustar la imagen en la pantalla en función de lo que esté haciendo el usuario.

Coches autónomos
Los coches autoconducidos son un ejemplo reconocible de aprendizaje profundo, ya que utilizan redes neuronales profundas para detectar objetos a su alrededor, determinar su distancia con otros coches, identificar señales de tráfico y mucho más.

Wearables
Los sensores y dispositivos wearables utilizados en la industria de la salud también aplican el aprendizaje profundo para evaluar el estado de salud del paciente, incluidos sus niveles de azúcar en la sangre, presión arterial y frecuencia cardíaca. También pueden derivar patrones de los datos médicos previos de un paciente y utilizarlos para anticipar cualquier condición de salud futura.

MuZero
MuZero, un programa informático creado por DeepMind, es un prometedor pionero en la búsqueda de una verdadera inteligencia artificial general. Ha conseguido dominar juegos a los que ni siquiera se le ha enseñado a jugar, incluido el ajedrez y toda una serie de juegos de Atari, mediante fuerza bruta, jugando millones de veces.

AI BENEFICIOS, RETOS Y FUTURO

Beneficios de la inteligencia artificial
La IA tiene muchos usos: desde impulsar el desarrollo de vacunas hasta automatizar la detección de posibles fraudes. Las empresas de IA recaudaron 66.800 millones de dólares en financiación en 2022, según la investigación de CB Insights, más del doble de la cantidad recaudada en 2020. Debido a su rápida adopción, la IA está haciendo olas en una variedad de industrias.

Banca más segura
El informe 2022 de Business Insider Intelligence sobre la IA en la banca descubrió que más de la mitad de las empresas de servicios financieros ya utilizan soluciones de IA para la gestión de riesgos y la generación de ingresos. La aplicación de la IA en la banca podría suponer un ahorro de más de 400.000 millones de dólares.

Mejor medicina
En cuanto a la medicina, un informe de 2021 de la Organización Mundial de la Salud señalaba que, si bien la integración de la IA en el ámbito sanitario conlleva desafíos, la tecnología “es muy prometedora”, ya que podría reportar beneficios como políticas sanitarias más informadas y mejoras en la precisión del diagnóstico de los pacientes.

Medios de comunicación innovadores
La IA también ha dejado su huella en el mundo del espectáculo. Se estima que el mercado mundial de la IA en los medios de comunicación y el entretenimiento alcanzará los 99.480 millones de dólares en 2030, creciendo desde un valor de 10.870 millones de dólares en 2021, según Grand View Research. Esa expansión incluye usos de la IA como el reconocimiento del plagio y el desarrollo de gráficos de alta definición.

Retos y limitaciones de la IA
Aunque no cabe duda de que la IA se considera un activo importante y en rápida evolución, este campo emergente viene con su parte de desventajas.

El Pew Research Center encuestó a 10.260 estadounidenses en 2021 sobre sus actitudes hacia la IA. Los resultados revelaron que el 45% de los encuestados están igualmente entusiasmados y preocupados, y el 37% están más preocupados que entusiasmados. Además, más del 40% de los encuestados considera que los coches sin conductor son perjudiciales para la sociedad. Sin embargo, la idea de utilizar la IA para identificar la difusión de información falsa en las redes sociales fue mejor recibida, ya que cerca del 40% de los encuestados la calificaron de buena idea.

La IA es una gran ayuda para mejorar la productividad y la eficiencia, al tiempo que reduce las posibilidades de error humano. Pero también tiene algunas desventajas, como los costes de desarrollo y la posibilidad de que las máquinas automatizadas sustituyan puestos de trabajo humanos. No obstante, cabe señalar que la industria de la inteligencia artificial también puede crear puestos de trabajo, algunos de los cuales ni siquiera se han inventado todavía.

Futuro de la inteligencia artificial
Si tenemos en cuenta los costes computacionales y la infraestructura técnica de datos que hay detrás de la inteligencia artificial, la ejecución real de la IA es un asunto complejo y costoso. Afortunadamente, se han producido avances masivos en la tecnología informática, como indica la Ley de Moore, según la cual el número de transistores de un microchip se duplica aproximadamente cada dos años, mientras que el coste de los ordenadores se reduce a la mitad.

Aunque muchos expertos creen que es probable que la Ley de Moore llegue a su fin en algún momento de la década de 2020, ha tenido un gran impacto en las técnicas modernas de IA: sin ella, el aprendizaje profundo sería impensable.