En los últimos años, tal vez a lo sumo desde hace 3 años el término de Inteligencia Artificial (IA o AI por sus siglas en inglés), se viene escuchando cada vez más, evidentemente por los avances que se han logrando en ese campo, y por realidades con las que ya convivimos de modo cotidiano. El concepto tiene apenas un poco más de 60 años de existencia. La expresión IA se creó y se utilizó por primera vez en la conferencia de Dartmouth en 1956, en New Hampshire EU. Fue el momento en que empezaron a aparecer las primeros ordenadores digitales, aunque sólo en los laboratorios universitarios. Sí, la IA llegó para quedarse, y ya sea que tengamos o no una relación estrecha con su desarrollo, a todos nos interesa, porque todos somos y seremos usuarios de ella.

¿Qué es exactamente IA?

La pregunta es sencilla, pero la respuesta no lo es tanto, porque  la definición de inteligencia artificial está en constante evolución, y varía entre los mismos científicos. La primera definición fue en la década de los 50’s “IA es una subdisciplina del campo de la informática, que busca la creación de máquinas que puedan imitar comportamientos inteligentes”. Más actual y en un sentido más amplio, IA se refiere a máquinas que pueden aprender, razonar y decidir por sí mismas, pueden tomar sus propias decisiones ante situaciones nuevas, de la misma manera que los seres humanos y los animales pueden hacerlo, esta definición es válida aunque aún no se haya llegado a ese nivel. Lo que se ha logrado en el campo de la Inteligencia Artificial es lo siguiente, aunque sus conceptos suelen ser motivo de confusiones: Aprendizaje Automático, Machine Learning, Aprendizaje Profundo, Redes Neuronales, y Big Data.  

En la actualidad, la gran mayoría de los avances y aplicaciones de inteligencia artificial  se refieren a una categoría de algoritmos  (Conjunto de instrucciones informáticas diseñadas para realizar una tarea específica) conocida como aprendizaje automático. Los cuales utilizan la estadística para encontrar patrones entre cantidades enormes de datos, para posteriormente utilizar dichos patrones con el fin de hacer predicciones, por ejemplo señalar lo que le podría gustar comprar a alguien en Amazon, o que pelicula o serie  de Netflix le gustaría ver, o la respuesta que los asistentes personales como Alexa,  deben responder a lo que se le pregunta cuando se habla con ella.  

Se ha logrado que máquinas logren un mayor rendimiento que el propio ser humano, con respecto a ciertas tareas, pero eso aún no las convierte en más capaces que el humano. En el proceso de avances y de conceptualización en IA se habla de una inteligencia débil y una inteligencia fuerte, la primera cumple con un conjunto limitado de tareas, por ejemplo un robot al que se la ha enseñado a caminar, pero no puede patear una pelota. La inteligencia fuerte es aquella que se enfoca a la resolución de varios problemas. La mayoría de las aplicaciones actuales son del tipo de inteligencia débil, la segunda prácticamente existe solo en la mente de  los creadores de películas de ciencia ficción [vc_single_image image=”33701″ img_size=”large” alignment=”center”][vc_column_text]Un gran avance en el campo de IA es el concepto de Machine Learning, disciplina científica en el campo de la Inteligencia Artificial que crea sistemas que aprenden automáticamente. Aprender en este contexto quiere decir identificar patrones complejos en millones de datos. La máquina que realmente aprende es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros. es la generalización del conocimiento por una máquina a partir de experiencias.

En el proceso de la evolución de la IA surgen también las Redes Neuronales, que pretenden reproducir el funcionamiento del cerebro humano en un ordenador, o sea imitar el funcionamiento de las redes neuronales de los organismos vivos, o sea aprender de forma generalizada por niveles o capas, entre más capas más complejo el aprendizaje, con lo que llegamos al concepto de  aprendizaje profundo o deep learning.

El aprendizaje automático y su subconjunto el aprendizaje profundo son increíblemente poderosos, como subconjuntos y aplicaciones de la inteligencia artificial,. trata del uso de redes neuronales para mejorar cosas tales como el reconocimiento de voz, la visión por ordenador y el procesamiento del lenguaje natural. Exploran el estudio y la construcción de algoritmos que pueden aprender de los datos y hacer predicciones al respecto, es la base de muchos avances importantes, como el reconocimiento facial, la foto hiperrealista y la síntesis de voz  y Alpha Go o Go Champion,  el programa de Google que supera al mejor jugador humano en el complejo juego de Go. Pero todo esto es solo una pequeña fracción de lo que podría ser la IA.

La gran idea es desarrollar algo que se asemeje a la inteligencia humana, que a menudo se le denomina “inteligencia general artificial” o “AGI”. Algunos expertos creen que el aprendizaje automático y el aprendizaje profundo con suficiente información, eventualmente nos llevará al AGI. Los expertos dicen que puede ser pero que aún hay grandes piezas faltantes y aún estamos muy lejos. La IA puede haber dominado el Go, pero en otras formas todavía es mucho más tonto que un niño pequeño, pero este hecho curiosamente y de acuerdo a los expertos en procesos cognitivos, se cree que es el enfoque principal a seguir, el aprendizaje automático puede mejorarse con las ideas que se obtienen al estudiar cómo aprenden los niños.

Por último Big Data, es IA, surge de la acumulación de grandes, gigantescas, acumulaciones de datos, sometidos a través ciertos algoritmos a un proceso de su análisis, para luego convertirse en conocimiento.  El crecimiento de Big data y la velocidad de procesamiento de los datos hace posible la Inteligencia Artificial. Se puede decir que el alimento principal de la IA son los datos, la IA lo que hace es basarse en los datos que tiene y aprender de ellos, de tal modo que utilizando esos datos y aplicando la estadística, es capaz de realizar predicciones de futuro.

La IA también es aspiracional, y su definición está en constante evolución. Lo que hubiera sido considerado IA en el pasado puede no ser considerado IA hoy.  Debido a esto, los límites de la IA pueden ser realmente confusos, y el término a menudo se modifica para incluir cualquier tipo de algoritmo o programa de computadora.