Qué es la Inteligencia Artificial: tipos y ejemplos de IA

En la sociedad hipertecnológica actual, uno de los conceptos que está más en auge es la llamada inteligencia artificial (IA). Este concepto está “de moda” pero es bastante confuso y, para la mayoría de la gente, no es muy fácil separar lo que es ciencia ficción y lo que es realidad.

¿La inteligencia artificial es ciencia ficción o realidad?

1. Tipos de inteligencia artificial: la IA débil y la IA fuerte

Antes de empezar es importante dejar claro un diferencia de conceptos cuando se habla de inteligencia artificial. Debemos definir lo que es la IA fuerte (o general ai o AGI) y la IA débil (o narrow ai o nAI). Esta última es símplemente un software o programa de ordenador que utiliza machine learning y deep learning (u otras técnicas de IA) con el objetivo de resolver un problema concreto (que puede ser jugar al ajedrez o la detección de peatones y obstáculos por parte de un coche autónomo). La AGI, mucho más compleja, significa crear máquinas con la capacidad de resolver problemas variados, no previstos y de muchos tipos, tal como lo hace la inteligencia humana; en otras palabras, las máquinas AGI entenderían su entorno y razonarían como un ser humano. Todas las aplicaciones de IA que podemos encontrar actualmente son ejemplos de IA débil. La IA fuerte aún no existe.

Sin embargo, debido a que en los últimos años se ha avanzado muchísimo en las técnicas de IA, podemos aventurar que se podrá generar una AGI funcional quizás en unos 20 años.

2. Aprendizaje automático (machine learning)

Ya te he explicado que la IA actual es la IA débil, ahora veremos en qué consiste el aprendizaje automático o machine learning, que es la técnica informática en la que se basa. El machine learning son programas de ordenador que intentan aprender de la experiencia previa y los ejemplos, y tienen un propósito concreto y prefijado que generalmente es el modelado, la predicción, la comprensión de patrones en los datos o el control de algún sistema. Los problemas de aprendizaje automático se definen a partir de ejemplos y se intenta automatizar la búsqueda de la solución a partir de estos ejemplos o experiencias previas.

Por otro lado, el aprendizaje profundo o deep learning serían un tipo específico de algoritmos de machine learning que se basan en redes neuronales y que se caracterizan por un procesamiento de datos en distintas capas o niveles. Es un machine learning bastante más sofisticado y complejo.

Para implementar machine learning hay dos estrategias principales:

• Supervised learning: Consiste en que cada dato que entra en el sistema corresponde a un dato que sale y esto lo proveemos a la máquina mediante miles de ejemplos. Por ejemplo, introducimos miles de fotos de animales y le decimos en cada caso si se trata de un gato o no. Después de procesar los ejemplos y nuestras indicaciones (gato si, gato no), la inteligencia artificial tendrá suficientes datos para reconocer los gatos que le enseñemos a partir de ese momento.
• Unsupervised learning: En este caso no hace falta decir si cada foto es un gato o no. Solamente proporcionamos las fotos y el ordenador hace agrupaciones y descubre patrones, uno puede ser la forma de gato (manchas oscuras con dos triángulos encima). Después ya le diremos con una etiqueta que eso se llama gato, pero el ordenador ha aprendido a reconocerlo antes él solo.

Un ejemplo del machine learning de uso muy extendido actualmente son los chatbots, programas usados en marketing para atender de forma automatizada y personalizada a los visitantes de nuestro sitio web y que usan la IA para entender las necesidades e intenciones del usuario y orientarlo en nuestra web. Este caso concreto de machine learning se llama NLP (natural language processing).

3. Ejemplos de uso actual de la inteligencia artificial

Actualmente, en los negocios, se utilizan las técnicas de machine learning con dos objetivos: detectar y predecir.

Detectar significa aprender a reconocer lo que hay detrás de grandes cantidades de datos. Podemos detectar y reconocer el significado de los datos (reconocer caras, reconocer objetos, reconocer voz, reconocer lenguaje escrito, detectar las fichas del ajedrez, etc…) pero, además de reconocer también puede implicar un análisis y acción posterior. Por ejemplo, en el reconocimiento de fotografías aéreas, hay sistemas que pueden reconocer el estado de las plantaciones, o en el caso de los automóviles autónomos, a partir del análisis de los datos de los sensores, el coche decide avanzar o parar.

Los ordenadores también pueden ir un poco más lejos y usar grandes cantidades de datos (el llamado big data) para predecir lo que puede pasar en el futuro. Siempre tiene que haber un humano experto para interpretar a la máquina para poder dar un diagnóstico lo más ajustado posible. El objetivo empresarial está claro:

• Reducir pérdidas. Ejemplos de ello sería la predicción de riesgos en créditos o en seguros, predecir riesgos de enfermedades de cara a dimensionar la seguridad social (aquí no se ha llegado a tiempo para predecir el covid-19), la prevención del fraude, poder predecir el abandono escolar…
• Personalizar la oferta de productos para nuestro cliente buscando la diferenciación. El caso paradigmático es las recomendaciones de qué ver en Netflix o qué comprar en
• Mejorar la calidad de nuestros productos. Podemos llegar a detectar anomalías y fallos de forma temprana, mucho antes que lo vean las personas.

Que la inteligencia artificial actualmente esté en un momento de crecimiento y que se haya hecho grandes avances en el aprendizaje automático se debe a cuatro razones principales:

• Acumulaciones de grandes cantidades de datos (big data). Ahora muchos sistemas están interconectados y todo, absolutamente todo, genera datos.
• Ha habido avances importantes en la potencia computacional de los ordenadores.
• Los modelos matemáticos implementados cada vez con más complejidad.
• Las nuevas posibilidades de las arquitecturas de aprendizaje profundo.

4. El futuro de la inteligencia artificial

En un futuro cercano, la inteligencia artificial no va a reemplazar a las personas en el mercado laboral. Sí que se van a reemplazar ciertas tareas repetitivas y de bajo nivel cognitivo, lo que permitirá al trabajador dedicar su tiempo a tareas críticas, estratégicas y que necesiten un alto nivel cognitivo.

Las inteligencias artificiales, los robots, trabajarán como “compañeros” en todo tipo de trabajos. Esta interacción máquina-humano constituye una asociación imprescindible donde, probablemente, no se perderán trabajos y solo se reemplazarán tareas específicas. Cada uno se dedicará a la tarea que puede realizar de manera más eficiente.

• Cambio en los roles. Muchos de las tareas y trabajos de la actualidad necesitaran que las personas tengan roles distintos a medida que vayamos creando mejores inteligencias artificiales, pero esto no tiene que ser intrínsecamente malo.
• Nuevos trabajos. Parece hay un cierto consenso en que no se van a perder trabajos, sino que presumiblemente se van a crear trabajos nuevos, y que actualmente estos trabajos aún no existen. Es probable que los chicos de un aula actual de infantil o primaria se dediquen en un futuro a empleos que ahora ni siquiera somos capaces de imaginar.

Parece claro, entonces, que las generaciones que están actualmente en edad de formación tienen por delante muchos cambios, también en el mercado laboral. Abróchense los cinturones.

Autor:

Guillem García
blogger en blog Elvisitantedigital.com