Inteligencia Artificial (IA)

De manera simple, inteligencia artificial (IA) se refiere a sistemas o máquinas que imitan la inteligencia humana para realizar tareas y pueden mejorar iterativamente a partir de la información que recopilan.

La IA trata mucho más sobre el proceso y la capacidad de pensamiento superpoderado y el análisis de datos que sobre cualquier formato o función en particular. Aunque la IA muestra imágenes de robots de aspecto humano de alto funcionamiento que se apoderan del mundo, la IA no pretende reemplazar a los humanos. Su objetivo es mejorar significativamente las capacidades y contribuciones humanas. Eso la convierte en un activo empresarial muy valioso.

En resumen la inteligencia artificial aprovecha las computadoras y las máquinas para imitar las capacidades de resolución de problemas y toma de decisiones de la mente humana. Si quieres profundizar más sobre esta apasionante tecnología, sigue leyendo!.

Definición de Inteligencia Artificial (IA)

INTELIGENCIA ARTIFICIAL

Si bien han surgido varias definiciones de inteligencia artificial (IA) en las últimas décadas, una de las que más se acerca a lo que para mí es la IA, es la de John McCarthy, la cual paso a citar textualmente:

“Es la ciencia y la ingeniería de hacer máquinas inteligentes, especialmente programas de computadora inteligentes. Está relacionado con la tarea similar de usar computadoras para comprender la inteligencia humana, pero la IA no tiene que limitarse a métodos que son biológicamente observables”.

John McCarthy

Historia de la IA

Alan Turing – “El padre de la informática”

Sin embargo, esta definición no está completa, ni se entendería totalmente, sin remontarnos atrás en el tiempo. Cuando en 1950 Alan Turing publicó su trabajo denominado ” Computing Machinery and Intelligence “. En él, Turing, a quién se conoce como el “padre de la informática”, plantea la siguiente pregunta: “¿Pueden pensar las máquinas?”. A la cual responde, con lo que ahora se utiliza extensamente en informática y que se conoce como la “Prueba de Turing”. En esta prueba un interrogador humano trataría de distinguir entre una respuesta de texto emitida por un humano o por una computadora. Si bien esta prueba ha sido objeto de un gran escrutinio desde su publicación, sigue siendo una parte importante de la historia de la IA, así como un concepto continuo dentro de la filosofía, ya que utiliza ideas en torno a la lingüística.

Más tarde Stuart Russell y Peter Norvig publicaron Inteligencia artificial: un enfoque moderno, convirtiéndose en uno de los principales libros de texto en el estudio de la IA. En él, profundizan en cuatro posibles objetivos o definiciones de la IA, que diferencia los sistemas informáticos sobre la base de la racionalidad y el pensamiento frente a la actuación. Estos 4 enfoques son:

Enfoque humano:

  • Sistemas que piensan como humanos
  • Sistemas que actúan como humanos

Enfoque ideal:

  • Sistemas que piensan racionalmente
  • Sistemas que actúan racionalmente

Llegados a este punto, la definición de Alan Turing habría entrado en la categoría de “sistemas que actúan como humanos”.

Entonces, ¿Qué es la Inteligencia Artificial?

En su forma más simple, la inteligencia artificial es un campo que combina la informática y conjuntos de datos sólidos para permitir la resolución de problemas. También abarca subcampos de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning), que se mencionan con frecuencia junto con la inteligencia artificial. Estas disciplinas están compuestas por algoritmos de IA que buscan crear sistemas expertos que hagan predicciones o clasificaciones basadas en datos de entrada.

Hoy en día, todavía hay mucha expectación en torno al desarrollo de la IA, que se espera de cualquier nueva tecnología emergente en el mercado. Como se señaló en el ciclo de exageración de Gartner , las innovaciones de productos, como los automóviles autónomos y los asistentes personales, siguen “una progresión típica de innovación, desde un entusiasmo excesivo a través de un período de desilusión hasta una comprensión final de la relevancia y el papel de la innovación”.

Tipos de inteligencia artificial

IA Débil

La IA débil, también llamada IA ​​estrecha o Inteligencia artificial estrecha (ANI), es una IA entrenada y enfocada para realizar tareas específicas. La IA débil impulsa la mayor parte de la IA que nos rodea hoy. ‘Estrecho’ podría ser una descripción más precisa para este tipo de IA, ya que es cualquier cosa menos débil. De hecho permite algunas aplicaciones muy sólidas, como Siri de Apple, Alexa de Amazon, Watson de IBM, vehículos autónomos, etc.

IA Fuerte

La IA fuerte se compone de Inteligencia General Artificial (AGI) y Súper Inteligencia Artificial (ASI). La inteligencia artificial general (AGI), o IA general, es una forma teórica de IA en la que una máquina tendría una inteligencia igual a la de los humanos. Es decir tendría una conciencia autoconsciente que tiene la capacidad de resolver problemas, aprender y planificar para el futuro. La superinteligencia artificial (ASI), también conocida como superinteligencia, superaría la inteligencia y la capacidad del cerebro humano. Si bien la IA fuerte sigue siendo completamente teórica y no tiene ejemplos prácticos en uso en la actualidad. Eso no significa que los investigadores de IA no estén explorando su desarrollo. Mientras tanto, los mejores ejemplos de ASI podrían provenir de la ciencia ficción, como HAL, el asistente informático sobrehumano y deshonesto en 2001: A Space Odyssey.

Deep Learning vs Machine Learning

Dado que el Aprendizaje Profundo (Deep Learning) y el Aprendizaje Automático (Machine Learning) tienden a usarse indistintamente, vale la pena señalar los matices entre los dos. Como se mencionó anteriormente, tanto el aprendizaje profundo como el aprendizaje automático son subcampos de la inteligencia artificial. De hecho, el aprendizaje profundo es en realidad un subcampo del aprendizaje automático.

El aprendizaje profundo en realidad se compone de redes neuronales. El término “Profundo”, dentro del concepto del aprendizaje profundo se refiere a una red neuronal compuesta por más de tres capas, que incluirían las entradas y la salida, y puede considerarse un algoritmo de aprendizaje profundo. Esto generalmente se representa usando el siguiente diagrama:

Diagrama de red neuronal profunda

La diferencia entre ambos tipos de aprendizajes (profundo vs automático) está en la manera de aprender de cada algoritmo. El aprendizaje profundo automatiza gran parte de la parte del proceso de extracción de características, lo que elimina parte de la intervención humana manual requerida. Permitiendo el uso de conjuntos de datos más grandes. Puede pensar en el aprendizaje profundo como “aprendizaje automático escalable”, como señaló Lex Fridman en una conferencia en el MIT. El aprendizaje automático clásico, o “no profundo”, depende más de la intervención humana para aprender. Los expertos humanos determinan la jerarquía de características para comprender las diferencias entre las entradas de datos. Lo que generalmente requiere datos más estructurados para aprender.

El aprendizaje automático “profundo” puede aprovechar conjuntos de datos etiquetados, también conocidos como aprendizaje supervisado, para informar su algoritmo, pero no necesariamente requiere un conjunto de datos etiquetados. Puede ingerir datos no estructurados en su forma original (por ejemplo, texto, imágenes). Y él mismo puede determinar/asignar automáticamente la jerarquía de características que distinguen las diferentes categorías de datos entre sí. A diferencia del aprendizaje automático, no requiere la intervención humana para procesar los datos. Lo que nos permite escalar el aprendizaje automático de formas más interesantes.

Aplicaciones de inteligencia artificial

Existen numerosas aplicaciones del mundo real de los sistemas de IA en la actualidad. A continuación se muestran algunos de los ejemplos más comunes:

  • Reconocimiento de voz: también se conoce como reconocimiento automático de voz (ASR), reconocimiento de voz por computadora o conversión de voz a texto. Y es una capacidad que utiliza el procesamiento de lenguaje natural (NLP) para procesar el habla humana en un formato escrito. Muchos dispositivos móviles incorporan el reconocimiento de voz en sus sistemas para realizar búsquedas por voz. Por ejemplo, Siri.
  • Servicio al cliente: los agentes virtuales en línea están reemplazando a los agentes humanos a lo largo del recorrido del cliente. Responden preguntas frecuentes (FAQ) sobre temas, como el envío, o brindan asesoramiento personalizado, productos de venta cruzada o sugerencias de tamaños para los usuarios, cambiando la forma en que pensamos sobre la participación del cliente en los sitios web y las plataformas de redes sociales. Los ejemplos incluyen bots (chatbots) de mensajería en sitios de comercio electrónico con agentes virtuales , aplicaciones de mensajería, como Slack y Facebook Messenger, y tareas que generalmente realizan asistentes virtuales y asistentes de voz .
  • Visión por computadora:  esta tecnología de inteligencia artificial permite que las computadoras y los sistemas obtengan información significativa de imágenes digitales, videos y otras entradas visuales. En función de esas entradas, puede tomar medidas. Esta capacidad de proporcionar recomendaciones lo distingue de las tareas de reconocimiento de imágenes. Impulsada por redes neuronales convolucionales, la visión por computadora tiene aplicaciones dentro del reconocimiento facial/matrículas,/objetos para el etiquetado de fotos en bases de datos/redes sociales, reconocimiento de imágenes de radiología en el cuidado de la salud y automóviles autónomos dentro de la industria automotriz.  
  • Motores de recomendación: utilizando datos de comportamiento de consumo pasados, los algoritmos de IA pueden ayudar a descubrir tendencias de datos que se pueden usar para desarrollar estrategias de venta cruzada más efectivas. Esto se utiliza para hacer recomendaciones de complementos relevantes a los clientes durante el proceso de pago para los minoristas en línea.
  • Bots de trading automatizado:  diseñados para optimizar las carteras de activos de inversores, las plataformas de negociación de alta frecuencia impulsadas por IA realizan miles o incluso millones de transacciones por día sin ningún tipo de intervención humana.

¿Qué es lo que está impulsando la adopción de la IA?

La IA hasta hace poco parecía algo del futuro, a pesar de que como hemos visto anteriormente es algo que, al menos de manera teórica, ya tiene varias décadas de antigüedad. De hecho su adopción está siendo tan sutil que a veces no somos realmente conscientes de su integración en múltiples facetas de nuestras vidas. Y estos es debido principalmente a tres factores que son los están impulsando el desarrollo de la IA en todas las industrias:

  • La capacidad de cómputo asequible y de alto rendimiento ya se encuentra disponible. La abundancia del poder de la computación de productos básicos en la nube permite un fácil acceso a un poder de computación asequible y de alto rendimiento. Antes de este desarrollo, los únicos entornos informáticos disponibles para la IA no estaban basados en la nube y tenían un coste prohibitivo.
  • Se encuentran disponibles grandes volúmenes de datos para la formación. La IA debe formarse en muchos datos para hacer las predicciones correctas. La aparición de diferentes herramientas para etiquetar datos, además de la facilidad y asequibilidad con que las organizaciones pueden almacenar y procesar datos estructurados y no estructurados, permite a más organizaciones diseñar y formar algoritmos de IA.
  • La IA aplicada proporciona una ventaja competitiva. Cada vez más, las empresas reconocen la ventaja competitiva de aplicar los conocimientos de IA a los objetivos empresariales y lo convierten en una prioridad para toda la empresa. Por ejemplo, las recomendaciones específicas proporcionadas por la IA pueden ayudar a las empresas a tomar mejores decisiones más rápido. Muchas de las características y capacidades de la IA pueden reducir los costes y los riesgos, acelerar el tiempo de comercialización y mucho más.

¿Qué podemos esperar de la IA en el corto plazo?

La IA es un imperativo estratégico para cualquier empresa que quiera obtener una mayor eficiencia, nuevas oportunidades de ingresos y/o aumentar la lealtad de los clientes. Como puedes comprender se está convirtiendo rápidamente en una ventaja competitiva para muchas organizaciones que están sabiendo aprovecharla. Con la IA, las empresas pueden cumplir más objetivos en menos tiempo, crear experiencias personalizadas y atractivas para los clientes y predecir los resultados comerciales para impulsar una mayor rentabilidad.

Sin embargo, la IA aún sigue siendo una tecnología nueva y compleja. Para aprovecharla máximo, necesita experiencia en el diseño y la administración de sus soluciones de IA de forma equilibrada. Un proyecto de IA exitoso requiere más que simplemente contratar a un científico de datos. Las empresas deben implementar las herramientas, los procesos y las estrategias de gestión correctas para garantizar el éxito de la IA.

En definitiva, aún estamos en el edad de piedra de la IA. Creo que aún nos queda mucho por ver en el avance de esta increíble tecnología, la cual es muy posible que nos depare nuevos paradigmas en las próximas décadas, para las que nuestra mente humana aún no se encuentra ni siquiera preparada….

Sin más, esto es todo lo que te quería contar sobre IA. Espero que te haya resultado de interés esta información. Muchas gracias por leernos.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *