COMO FUE CREADA LA TECNOLOGIA ARTIFICIAL
En 1950, el matemático Alan Turing se hizo una pregunta:
«¿Pueden pensar las máquinas?». De hecho, esta simple pregunta transformaría el
mundo.
Estas diferentes definiciones pueden parecer abstractas y
complejas. Sin embargo, ayudan a establecer la inteligencia artificial como una
ciencia informática.
En 2017, durante la Japan AI Experience, el CEO de
DataRobot, Jeremy Achin, dio su propia definición moderna y con un toque de
humor de la IA : «La inteligencia artificial es un sistema informático capaz de
realizar tareas que normalmente requieren inteligencia humana… muchos de estos
sistemas de IA se basan en el Machine Learning, otros en el Deep Learning y
otros en cosas muy aburridas como las reglas«.
Empezar un curso de Data Science para trabajar en IA
IA especializada vs. IA general
Hay dos categorías principales de inteligencia artificial.
La inteligencia artificial de tipo «narrow» (estrecha), también conocida como
«weak» (débil), solo puede funcionar en un contexto limitado. Suele centrarse
en la realización de una única tarea, que es capaz de hacer perfectamente.
Sin embargo, aunque esa máquina pueda parecer inteligente,
es mucho más limitada que la inteligencia humana. No es más que una imitación
de esta.
Algunos ejemplos son el motor de búsqueda web de Google, el
software de reconocimiento de imágenes, los asistentes virtuales como Siri de
Apple o Alexa de Amazon, los vehículos autónomos o el software como Watson de
IBM.
En cambio, la segunda categoría es la inteligencia
artificial «general». Esa IA es similar a las que se ven en las películas y
libros de ciencia ficción.
Es una máquina dotada de una inteligencia artificial
general, comparable a la de un ser humano y capaz de resolver cualquier tipo de
problema. Un algoritmo universal, capaz de aprender y actuar en cualquier
entorno.
Sin embargo, en realidad, este tipo de IA aún no existe.
Ninguna tecnología está lo suficientemente avanzada hasta la fecha como para
competir con el cerebro humano.
Por ese motivo, la creación de la IA general sigue siendo,
por el momento, el «Santo Grial» de los investigadores de IA. Es una búsqueda
ambiciosa, pero llena de obstáculos. A pesar de los avances técnicos, sigue
siendo muy difícil diseñar una máquina con plenas capacidades cognitivas.
Machine Learning y Deep Learning
El Machine (aprendizaje automático) y el Deep Learning
(aprendizaje profundo) son las dos técnicas principales de inteligencia
artificial que se utilizan en la actualidad. La distinción entre IA, ML y DL
puede prestarse a confusión.
En realidad, la inteligencia artificial puede definirse como
una serie de algoritmos y técnicas que pretenden imitar la inteligencia humana.
El Machine Learning es una categoría de IA, y el Deep Learning es una técnica
de Machine Learning.
El Machine Learning es el proceso de alimentar un ordenador
con datos. La máquina utiliza técnicas de análisis sobre estos datos para
«aprender» a realizar una tarea.
Para conseguirlo, no necesita ninguna programación
específica con millones de líneas de código. Por eso se denomina aprendizaje
«automático».
El Machine Learning puede ser «supervisado» o «no
supervisado». El aprendizaje supervisado se basa en series de datos
etiquetados, mientras que el aprendizaje no supervisado se basa en series de
datos no etiquetados.
El Deep Learning es un tipo de Machine Learning directamente
inspirado en la arquitectura de las neuronas del cerebro humano. Una red
neuronal artificial está compuesta por múltiples capas, a través de las cuales
se procesan los datos. Esto es lo que permite que la máquina «profundice» en su
aprendizaje, identificando conexiones y alterando los datos introducidos para
conseguir los mejores resultados.
Descubre las profesiones relacionadas con la IA
Aplicaciones y casos prácticos de la inteligencia artificial
La inteligencia artificial tiene muchos propósitos, como el
aprendizaje, el razonamiento y la percepción. Se utiliza en todos los sectores,
hasta el punto en que las aplicaciones son infinitas e imposibles de enumerar
con exhaustividad.
En el ámbito de la salud, se utiliza para desarrollar
tratamientos personalizados, descubrir nuevos fármacos o analizar imágenes
médicas como radiografías y resonancias magnéticas. Los asistentes virtuales
también pueden ayudar a los pacientes y recordarles que se tomen sus pastillas
o que hagan ejercicio para mantenerse en forma.
El sector del comercio minorista está utilizando la IA para
ofrecer recomendaciones y publicidad personalizadas a los clientes. También
puede utilizarse para optimizar la disposición de los productos o gestionar
mejor el inventario.
En las fábricas, la inteligencia artificial analiza los
datos de los equipos IoT para predecir la carga y la demanda mediante Deep
Learning. También puede anticiparse a posibles fallos de funcionamiento e
intervenir en una fase temprana.
Los bancos, por su parte, están utilizando la IA para
prevenir y detectar el fraude. La tecnología también puede utilizarse para
comprobar si un cliente podrá pagar el crédito que solicita y para automatizar
las tareas de gestión de datos.
Estos son solo algunos ejemplos de sectores que utilizan la
inteligencia artificial. Como puede verse, esta revolucionaria tecnología está
llamada a revolucionar todos los sectores de actividad en los próximos años.
Empezar un curso de Data Science para trabajar en IA
La historia de la inteligencia artificial
La historia de la inteligencia artificial comenzó en 1943
con la publicación del artículo «A Logical Calculus of Ideas Immanent in
Nervous Activity» de Warren McCullough y Walter Pitts. En ese trabajo, los
científicos presentaron el primer modelo matemático para la creación de una red
neuronal.
El primer ordenador de red neuronal, Snarc, fue creado en
1950 por dos alumnos de Harvard: Marvin Minsky y Dean Edmonds. Ese mismo año,
Alan Turing publicó el Test de Turing, que todavía se utiliza hoy para valorar
las IA.
En 1952, Arthur Samuel creó un software capaz de aprender a
jugar al ajedrez de forma autónoma. El término inteligencia artificial fue
utilizado por primera vez en la conferencia «Dartmouth Summer Research Project
on Artificial Intelligence» de John McCarthy en 1956.
En ese acto, los investigadores presentaron los objetivos y
la visión de la IA. Muchos consideran esta conferencia como el verdadero
nacimiento de la inteligencia artificial, tal y como se conoce hoy en día.
En 1959, Arthur Samuel acuñó el término Machine Learning
mientras trabajaba en IBM. Por su parte, John McCarthy y Marvin Minsky fundaron
el MIT Artificial Intelligence Project. En 1963, John McCarthy también creó el
«AI Lab» en la Universidad de Stanford.
En los siguientes años, se cernieron dudas sobre el campo de
la IA. En 1966, el informe estadounidense ALPAC puso de manifiesto la falta de
avances en la investigación de la traducción automática destinada a traducir
simultáneamente la lengua rusa en el contexto de la Guerra Fría. Muchos
proyectos financiados por el gobierno estadounidense fueron cancelados.
Del mismo modo, en 1973, el gobierno británico publicó su
informe «Lighthill» en el que destacaba las decepciones de la investigación en
IA. Una vez más, los proyectos de investigación fueron reducidos por los
recortes presupuestarios. Este periodo de duda duró hasta 1980, y ahora se
denomina el «primer invierno de la IA«.
Ese invierno terminó con la creación de R1 (XCON) por parte
de Digital Equipment Corporations. Este sistema comercial experto está diseñado
para configurar los pedidos de nuevos sistemas informáticos, y provocó un
auténtico auge de las inversiones que se prolongó durante más de una década.
Japón y Estados Unidos hicieron grandes inversiones en la
investigación de la IA. Las empresas se gastaron más de mil millones de dólares
al año en sistemas expertos y el sector no paraba de crecer.
Desgraciadamente, el mercado de las máquinas “Lisp” se
desplomó en 1987 al surgir alternativas más baratas. Este fue el «segundo
invierno de la IA». Las empresas perdieron el interés por los sistemas
expertos. Los gobiernos de Estados Unidos y Japón abandonaron sus proyectos de
investigación y se gastaron miles de millones de dólares para nada.
Diez años después, en 1997, la historia de la IA estuvo
marcada por un acontecimiento importante. La IA Deep Blue de IBM triunfó sobre
el campeón mundial de ajedrez Gary Kasparov. Por primera vez, el hombre fue
derrotado por la máquina.
Diez años después, los avances tecnológicos permitieron el
resurgimiento de la inteligencia artificial. En 2008, Google hizo grandes
avances en el reconocimiento de voz y lanzó esa función en sus aplicaciones
para smartphones.
En 2012, Andrew Ng alimentó una red neuronal con 10 millones
de vídeos de YouTube como serie de datos de entrenamiento. Gracias al Deep
Learning, esta red neuronal aprendió a reconocer un gato sin que se le enseñara
lo que es un gato. Este fue el inicio de una nueva era para Deep Learning.
En 2016 se produjo otra victoria de la IA sobre el ser
humano, con el triunfo del sistema AlphaGo de Google DeepMind sobre Lee Sedol,
el campeón de Go. La inteligencia artificial también conquistó el campo de los
videojuegos, especialmente con DeepMind AlphaStar en Starcraft u OpenAI Five en
Dota 2.
Actualmente, empresas de todos los sectores utilizan el Deep
Learning y el Machine Learning para infinidad de aplicaciones. La IA no deja de
avanzar y sorprender con su rendimiento. El sueño de la inteligencia artificial
general se acerca cada vez más a la realidad.
Comentarios
Publicar un comentario