Inteligencia artificial (AI) y sus aplicaciones

Cuando hablamos de inteligencia artificial (AI de sus siglas en inglés) tenemos en nuestra mente un concepto erróneo de la misma. Generalmente lo vemos como algo que nos infunde un cierto miedo o incluso respeto. Creo que la palabra respeto, sintetiza los significados que erróneamente asociamos a los usos de la AI, como son el miedo, veneración, miramiento, etc. Dicha percepción es fruto de las creaciones de la industria filmográfica, inspiradas en novelas de ciencia ficción de grandes como Isaac Asimov o Arthur C. Clarke, entre otros. En el bestiario “sci-fi” relacionado con la AI, tenemos temibles elementos como HAL9000 en “2001 Una odisea del espacio”, “Joshua” con su Guerra Termonuclear Global en “Juegos de Guerra”, Skynet en la saga “Terminator”, los replicantes en “Blade Runner” o como los anfitriones rebelados en “Westworld”. Son claramente inteligencias artificiales con conductas homicidas, más atractivas para las filmotecas que otros seres más bondadosos.

Volviendo al mundo real, la definición de la RAE para Inteligencia Artificial es la siguiente: “Disciplina científica que se ocupa de crear programas informáticos que ejecutan operaciones comparables a las que realiza la mente humana, como el aprendizaje o el razonamiento lógico”.  Una ampliación de esta definición sería, que ya no hablamos de disciplina científica solamente, sino que ya son un hecho las aplicaciones en nuestro día a día de la AI. Realmente buscamos resolver problemas como el procesado de lenguaje natural, el aprendizaje automático (“machine learning”), dotar a máquinas de la creatividad artística humana o ver formas de representación del conocimiento humano.

Tipos de Inteligencia Artificial

En ese ámbito podemos diferenciar dos tipos de AI: la inteligencia artificial robusta (Strong AI) y la aplicada (Weak AI). La primera de ellas sería aquélla que pretende dotar a las máquinas de la inteligencia humana. Investigadores como Marvin Minsky se mostraron en su día escépticos del camino que estaba llevando la misma. Nos centraremos en la Inteligencia Artificial aplicada, que es donde entran los algoritmos de decisión y el aprendizaje dirigido con “Deep Learning” (DL) y “Machine Learning” (ML)”.

La relación entre las distintas tecnologías y sus orígenes

Mediante el siguiente diagrama, nos será más fácil entender la relación entre las distintas tecnologías y la fecha de aparición de las mismas:

Fuente: Edureka
Aprendizaje automático

Como se puede ver en la imagen el aprendizaje automático es un subconjunto de AI, ya que podemos construir máquinas “inteligentes” que tienen la capacidad de aprender utilizando sus propios datos. Vemos también que el aprendizaje profundo es un subconjunto del aprendizaje automático donde los algoritmos de aprendizaje se emplean en el proceso de entrenamiento de las redes neuronales profundas para conseguir una mayor precisión que con ML. Los algoritmos empleados no son algo nuevo que acaban de surgir (regresión lineal, árboles de decisión, etc…). Sin embargo, es ahora cuando están viviendo su momento de oro gracias a toda la información disponible y que aún son de aplicación (“Top prediction algorithms”).

El aprendizaje automático, como hemos visto, lleva más tiempo del que creemos con nosotros. Ejemplos claros de aplicación podrían ser los filtros de spam que se emplean en nuestros correos electrónicos (por ejemplo, en Gmail), los algoritmos de recomendación de Amazon o Facebook, algoritmos de reconocimiento de imágenes, etc. Como dijo Arthur Samuel en 1959: “Se trata de que la máquina aprenda sin necesidad de crear programas interminables con millones de líneas de código”.

Deep Learning

La Deep Learning, por su parte, pretende algo distinto o más bien complementa lo que aporta el aprendizaje automático. Con ella se pretende que seamos capaces de interpretar de otro modo nuestra realidad, aprovechando las mejoras en reconocimiento y análisis del lenguaje natural, el reconocimiento de imágenes y la detección patrones de comportamiento. Empresas como Amazon y Netflix están utilizando el aprendizaje profundo para comprender todavía mejor el comportamiento de sus clientes. Universidades están aprovechando el aprendizaje profundo para crear sistemas inteligentes de tutoría comunicándose con los alumnos mediante el lenguaje natural. Facebook lo emplea para detectar caras de amigos en las fotografías que comparten los usuarios dentro de la red.

Las tecnologías relacionadas con la IA, las más disruptivas

Como ya anticipa Gartner, desde hace algún tiempo, las tecnologías relacionadas con la IA van a ser la clase de tecnologías más disruptivas durante los próximos 10 años, gracias a las siguientes situaciones:

  • al incremento radical de la potencia de procesado,
  • la cantidad de información disponible: ya disponemos de cantidades ingentes de datos para alimentar/enseñar a esos sistemas,
  • los avances en redes neuronales profundas: estas tecnologías sentarán grandes cambios en el mundo IA.

Estos avances van a permitir que las organizaciones implementen soluciones relacionadas con las tecnologías de la inteligencia artificial (aprendizaje automático, aprendizaje profundo, etc.). De este modo serán capaces de aprovechar los datos disponibles en el seno de su organización y los datos que obtengan de fuera de ella, para adaptarse a nuevas situaciones, resolver problemas que nadie ha encontrado anteriormente y obtener ventajas competitivas frente a sus rivales.

Dejar un comentario

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