Cómo la Inteligencia Artificial cambiará el mundo

Estimado lector, según lo prometido en mi artículo de la semana anterior comienzo, a partir del actual, una serie de publicaciones sobre los grandes avances tecnológicos que estamos experimentando.

Primero se mostrarán los hechos objetivos de cada tema, así como su evolución durante los últimos años.

Al final, como siempre, mis reflexiones sobre ellos. Espero encontrarte para compartirlos.


Cómo la Inteligencia Artificial cambiará el mundo.

Built-in Beta, 2021



“La inteligencia artificial (AI o IA, en inglés) es una amplia rama de la informática que se ocupa de construir máquinas inteligentes capaces de realizar tareas que normalmente requieren inteligencia humana.

Menos de una década después de romper la máquina de encriptación nazi Enigma y ayudar a las fuerzas aliadas a ganar la Segunda Guerra Mundial, el matemático Alan Turing cambió la historia por segunda vez con una simple pregunta: "¿Pueden pensar las máquinas?" El artículo de Turing "Computing Machinery and Intelligence" (1950), y su posterior Test de Turing, establecieron el objetivo y la visión fundamentales de la inteligencia artificial.

Esta es la rama de la informática que pretende responder afirmativamente a la pregunta de Turing, pretendiendo replicar o simular la inteligencia humana en las máquinas. Su amplio objetivo ha dado lugar a que no haya una definición única del campo universalmente aceptada.

La IA es una ciencia interdisciplinaria con múltiples enfoques, pero los avances en el aprendizaje automático y el aprendizaje profundo están creando un cambio de paradigma en prácticamente todos los sectores de la industria tecnológica.

En su innovador libro de texto Artificial Intelligence: A Modern Approach, los autores Stuart Russell y Peter Norvig abordan la cuestión unificando su trabajo en torno al tema de los agentes inteligentes en las máquinas. Con esto en mente, la IA es "el estudio de agentes que reciben percepciones del entorno y realizan acciones".


Existen cuatro enfoques que han definido históricamente el campo de la IA:

  1. Pensar humanamente

  2. Pensar racionalmente

  3. Actuar humanamente

  4. Actuar racionalmente

Las dos primeras ideas se refieren a los procesos de pensamiento y razonamiento, mientras que las otras tratan del comportamiento.

Existen agentes racionales que actúan para conseguir el mejor resultado, señalando que "todas las habilidades necesarias para el Test de Turing también permiten a un agente actuar racionalmente".

Otros autores la definen como "algoritmos habilitados por restricciones, expuestos por representaciones que apoyan modelos dirigidos a bucles que unen el pensamiento, la percepción y la acción".

Aunque estas definiciones pueden parecer abstractas para el ciudadano de a pie, ayudan a centrar el campo como un área de la informática y proporcionan un plan para infundir a las máquinas y los programas el aprendizaje automático y otros subconjuntos de la inteligencia artificial.

Máquinas reactivas


Siguen los principios básicos de la IA y, como su nombre indica, sólo son capaces de utilizar su inteligencia para percibir y reaccionar ante el mundo que tiene delante. No no puede almacenar una memoria y, por tanto, no puede basarse en experiencias pasadas para tomar decisiones en tiempo real.

Percibir el mundo directamente significa que están diseñadas para realizar sólo un número limitado de tareas especializadas. Reaccionará siempre de la misma manera ante los mismos estímulos.

Un ejemplo es Deep Blue, diseñada por IBM en los años 90 como superordenador para jugar al ajedrez y que derrotó al gran maestro internacional Gary Kasparov en una partida. Sólo era capaz de identificar las piezas de un tablero de ajedrez y saber cómo se mueve cada una de ellas basándose en sus reglas del ajedrez, reconociendo la posición actual de cada pieza y determinando cuál sería la jugada más lógica en ese momento. No perseguía las posibles jugadas futuras de su oponente. Cada turno era visto como una realidad propia, separada de cualquier otro movimiento realizado con anterioridad.

Otro ejemplo es AlphaGo de Google, que es incapaz de evaluar las jugadas futuras, pero se basa en su propia red neuronal para evaluar la evolución de la partida actual, una ventaja sobre Deep Blue en un juego más complejo. También ha superado a competidores de talla mundial, derrotando al campeón de Go Lee Sedol en 2016.

Aunque tiene un alcance limitado y no es fácil de alterar, la inteligencia artificial de las máquinas reactivas puede alcanzar un nivel de complejidad, y ofrece confiabilidad cuando se crea para cumplir tareas repetibles.


Tipos de IA


  • Memoria limitada

Tiene la capacidad de almacenar datos y predicciones anteriores cuando recopila información y sopesa posibles decisiones, es decir, busca en el pasado pistas sobre lo que puede venir después. Es más compleja y presenta mayores posibilidades que las máquinas reactivas.

Se crea cuando un equipo entrena continuamente a un modelo en cómo analizar y utilizar nuevos datos o se construye un entorno de IA para que los modelos puedan ser entrenados y renovados automáticamente. Cuando se utiliza la IA de memoria limitada en el aprendizaje automático, hay que seguir seis pasos: Los datos de entrenamiento deben ser creados, el modelo de aprendizaje automático debe ser creado, el modelo debe ser capaz de hacer predicciones, el modelo debe ser capaz de recibir retroalimentación humana o ambiental, esa retroalimentación debe ser almacenada como datos, y estos estos pasos deben ser reiterados como un ciclo.


Existen tres grandes modelos de aprendizaje automático que utilizan la inteligencia artificial de memoria limitada:


- El aprendizaje por refuerzo, que aprende a hacer mejores predicciones a través del ensayo y error repetido.

- La memoria a largo plazo (LSTM), que utiliza datos pasados para ayudar a predecir el siguiente elemento de una secuencia. Las LTSM consideran que la información más reciente es la más importante a la hora de hacer predicciones y descartan los datos del pasado, aunque los siguen utilizando para sacar conclusiones.

- Redes Adversariales Generativas Evolutivas (E-GAN), que evolucionan con el tiempo, creciendo para explorar caminos ligeramente modificados basados en experiencias anteriores con cada nueva decisión. Este modelo busca constantemente un camino mejor y utiliza simulaciones y estadísticas, o el azar, para predecir los resultados a lo largo de su ciclo de mutación evolutiva.

  • Teoría de la mente

La teoría de la mente es sólo eso: teórica. Todavía no hemos alcanzado las capacidades tecnológicas y científicas necesarias para llegar a este siguiente nivel de inteligencia artificial.

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

Una vez que la teoría de la mente pueda establecerse en la inteligencia artificial, en algún momento del futuro, el paso final será que la IA adquiera conciencia de sí misma. Este tipo de inteligencia artificial posee una conciencia de 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 otros pueden necesitar basándose no sólo en lo que le comunican sino en cómo lo comunican.

La autoconciencia en la inteligencia artificial depende tanto de que los investigadores humanos comprendan la premisa de la conciencia como de que aprendan a replicarla para poder incorporarla a las máquinas.


¿Cómo se utiliza la IA?


Mientras se dirigía a una multitud en la Japan AI Experience en 2017, el CEO de DataRobot, Jeremy Achin, comenzó su discurso ofreciendo la siguiente definición:

"La IA es un sistema informático capaz de realizar tareas que normalmente requieren inteligencia humana... Muchos de estos sistemas de inteligencia artificial están impulsados por el aprendizaje automático, otros por el aprendizaje profundo y otros por cosas muy aburridas como las reglas."


Categorías


1) IA estrecha: A veces denominada "IA débil", este tipo de inteligencia artificial opera dentro de un contexto limitado y es una simulación de la inteligencia humana. Suele centrarse en la realización de una única tarea extremadamente bien y, aunque estas máquinas pueden parecer inteligentes, están operando bajo muchas más restricciones y limitaciones que incluso la inteligencia humana más básica.

La IA estrecha nos rodea y es fácilmente la realización más exitosa de la inteligencia artificial hasta la fecha. Al centrarse en la realización de tareas específicas, ha experimentado numerosos avances en la última década que han tenido "importantes beneficios sociales y han contribuido a la vitalidad económica de la nación", según un informe de 2016 publicado por la Administración Obama.

Algunos ejemplos de IA estrecha son: La búsqueda de Google, Software de reconocimiento de imágenes, Siri, Alexa y otros asistentes personales; Coches que se conducen solos y Watson de IBM .

La inteligencia artificial es un conjunto de algoritmos e inteligencia para tratar de imitar la inteligencia humana.

El aprendizaje automático es uno de dichos algoritmos.

Cuando el mismo alimenta a un ordenador con datos y utiliza técnicas estadísticas para ayudarle a "aprender" a ser mejor en una tarea, sin haber sido programado para esa tarea, elimina la necesidad de millones de líneas de código escrito.

Un tipos de aprendizaje automático es el aprendizaje profundo, que las entradas a través de una arquitectura de red neuronal de inspiración biológica, lo que permite a la máquina profundizar en su aprendizaje, estableciendo conexiones y ponderando las entradas para obtener los mejores resultados.

2) Inteligencia General Artificial (AGI): La AGI, a veces denominada "IA fuerte", es el tipo de inteligencia artificial que vemos en las películas, como los robots de Westworld o Data de Star Trek: The Next Generation. La AGI es una máquina con inteligencia general y, al igual que un ser humano, puede aplicar esa inteligencia para resolver cualquier problema.

La creación de una máquina con inteligencia de nivel humano que pueda aplicarse a cualquier tarea es el Santo Grial para muchos investigadores de la IA, pero la búsqueda de la AGI ha estado plagada de dificultades.

La búsqueda de un "algoritmo universal para aprender y actuar en cualquier entorno" no es nueva, pero el tiempo no ha aliviado la dificultad de crear esencialmente una máquina con un conjunto completo de capacidades cognitivas.

La AGI ha sido durante mucho tiempo la musa de la ciencia ficción, en la que los robots superinteligentes invaden la humanidad, pero los expertos coinciden en que no es algo de lo que debamos preocuparnos a corto plazo.


Una breve historia


Los robots inteligentes y los seres artificiales aparecieron por primera vez en los antiguos mitos griegos de la Antigüedad. El desarrollo del silogismo por parte de Aristóteles y su uso del razonamiento deductivo fue un momento clave en la búsqueda de la humanidad por comprender su propia inteligencia. Aunque las raíces son largas y profundas, la historia de la inteligencia artificial tal y como la concebimos hoy abarca menos de un siglo.


  • 1940s

Se publica "A Logical Calculus of Ideas Immanent in Nervous Activity", un artículo que proponía el primer modelo matemático para construir una red neuronal.

En el libro “The Organization of Behavior: A Neuropsychological Theory”, se propone la teoría de que las vías neuronales se crean a partir de las experiencias y que las conexiones entre las neuronas se hacen más fuertes cuanto más se utilizan.


  • 1950s

Alan Turing publica en 1950 "Computing Machinery and Intelligence", proponiendo un test para determinar si una máquina es inteligente o no.

Estudiantes de Harvard construyen el primer ordenador de red neuronal.

Isaac Asimov publica las "Tres leyes de la robótica".

Mediante un experimento se traducen automáticamente al inglés 60 frases rusas cuidadosamente seleccionadas.

La frase inteligencia artificial se acuña en 1956 en el "Proyecto de Investigación de Dartmouth sobre IA". Se definen el alcance y los objetivos de la IA; y se considera como su nacimiento, tal y como la conocemos hoy.

Se demuestra la Teoría Lógica, el primer programa de razonamiento.

Se desarrolla el lenguaje de programación de IA Lisp y se publica el documento "Programas con sentido común", proponiendo un sistema de IA completo con la capacidad de aprender de la experiencia con la misma eficacia que los humanos.

Se desarrolla el General Problem Solver (GPS), un programa diseñado para imitar la resolución humana de problemas.

Se funda el Proyecto de Inteligencia Artificial del MIT.


  • 1960s

Se crea el Laboratorio de Inteligencia Artificial en Stanford.

Un informe al gobierno estadounidense detalla la falta de progreso de las traducciones automáticas, una iniciativa de la Guerra Fría con la promesa de una traducción instantánea del ruso. Esto provoca la cancelación de este proyecto.

Se desarrollan los sistemas expertos DENDRAL, un programa de XX; y se crea MYCIN, diseñado para diagnosticar infecciones sanguíneas.


  • 1970s

Se crea el lenguaje de programación lógica PROLOG.

El gobierno británico publica el "Informe Lighthill", detallando las decepciones de la investigación en IA, lo que conduce a graves recortes en su financiación.

Estas y otras frustraciones producen el agotamiento de la inteligencia artificial y la investigación se estanca. Este periodo se conoce como el primer “Invierno de la IA".


  • 1980s

DEC desarrolla R1 o XCON, el primer sistema experto comercial de éxito. Diseñado para configurar pedidos de nuevos sistemas informáticos, R1 inicia un auge de la inversión en sistemas expertos, poniendo fin al primer "Invierno de la IA".

El Ministerio de Comercio de Japón lanza el proyecto de Sistemas Informáticos de Quinta Generación, con el objeto de desarrollar un rendimiento similar al de los superordenadores y una plataforma para el desarrollo de la IA.

En respuesta a lo anterior, el gobierno de Estados Unidos lanza una iniciativa para proporcionar investigación financiada en computación avanzada e IA.

Las empresas gastan más de mil millones de dólares anuales en sistemas expertos y surge una industria conocida como las máquinas Lisp. Empresas como Symbolics y Lisp Machines construyen ordenadores para funcionar con el lenguaje de IA Lisp.

Surgen alternativas más baratas y el mercado de Lisp se hunde, dando paso al segundo “Invierno de la IA". Los sistemas expertos son caros de mantener y caen en desgracia.


  • 1990s

Las fuerzas estadounidenses despliegan DART, una herramienta de planificación y programación logística automatizada, durante la Guerra del Golfo.

Japón pone fin sus proyectos de IA, alegando el fracaso en el cumplimiento de los ambiciosos objetivos trazados una década antes.

DART pone fin a la Iniciativa de Computación Estratégica, tras gastar casi mil millones de dólares y no alcanzar las expectativas.

En 1997 el Deep Blue de IBM vence al campeón mundial de ajedrez Gary Kasparov.


  • 2000s

STANLEY, un coche de conducción autónoma, gana el Gran Desafío de DARPA.

El ejército estadounidense comienza a invertir en robots autónomos como el "Big Dog" de Boston Dynamics y el "PackBot" de iRobot.

Google hace avances en el reconocimiento de voz e introduce la función en su aplicación para el iPhone.


  • 2010-2014

Watson, de IBM, se impone a la competencia en Jeopardy!

Apple lanza Siri, un asistente virtual impulsado por la IA a través de su sistema operativo iOS.

El proyecto Google Brain Deep Learning, alimenta una red neuronal que utiliza algoritmos de aprendizaje profundo con 10 millones de vídeos de YouTube como entrenamiento. La red neuronal aprendió a reconocer un gato sin que se le dijera qué era un gato, iniciando la era de avances en redes neuronales y la financiación del aprendizaje profundo.

Google fabrica el primer coche de autoconducción que supera un examen de conducción estatal.

Se lanza Alexa, el hogar virtual de Amazon.


  • 2015-2021

AlphaGo, de Google DeepMind, derrota al campeón mundial de Go, Lee Sedol. La complejidad del antiguo juego chino se consideraba un obstáculo a superar por la IA.

El primer "ciudadano robot", un humanoide llamado Sophia, es creado por Hanson Robotics y es capaz de reconocer el rostro, la comunicación verbal y la expresión facial.

Google lanza el motor de procesamiento de lenguaje BERT, que reduce las barreras en la traducción y la comprensión mediante aplicaciones de aprendizaje automático.

Waymo lanza su servicio Waymo One, que permite a los usuarios de toda el área de Phoenix solicitar que les recoja uno de los vehículos de autoconducción de la empresa.

Baidu lanza su algoritmo LinearFold a científicos que trabajan para una vacuna del Covid. El mismo puede predecir la secuencia de ARN del virus en sólo 27 segundos.


Bueno, aquí estoy, nuevamente. ¿Qué te pareció lo que acabas de leer?

En mi caso, del artículo saco algunas conclusiones que considero muy importantes, no solo a nivel personal o profesional sino, fundamentalmente, a nivel social.

La industria informática en general, de la cual la AI es solo un subproducto, ha tenido un crecimiento exponencial a partir de la segunda mitad del siglo anterior, y lo puedo testificar luego de trabajar durante cuatro décadas en la Big Blue.

Como otras tantas aplicaciones desarrolladas para múltiples fines, la AI que vemos hoy es el resultado de una historia de éxitos y fracasos y, sobre todo, de multimillonarias inversiones a nivel global.

El paradigma que negó desde el principio la probabilidad de que las computadoras pidieran emular al sápiens por la imposibilidad de “pensar y sentir” como él, comienza a mudar de paradigma a mito, según lo indicado en el artículo.

La introducción de la computación cuántica puede aumentar aún más la potencia y velocidad de procesamiento de los equipos hasta límites incalculables; lo que puede generar como consecuencia que la IA iguale o supere a la humana, y esto no sea ya más ciencia ficción.

Creo que la gran pregunta aquí es: ¿Quién y cómo se controlará este incremento exponencial para que en un futuro no muy lejano sean los sápiens quienes estén al servicio de los descendientes de los cyborgs en nuestro querido planeta Tierra?


¡Me gustaría conocer tu opinión al respecto y desde ya agradezco el tiempo que invertiste en la lectura de este artículo!

113 visualizaciones0 comentarios

Entradas relacionadas

Ver todo