¿Qué es la Inteligencia Artificial?

¿Qué es la inteligencia artificial?

Que-es-la-inteligencia-artificial
Que-es-la-inteligencia-artificial

La inteligencia artificial (IA) es una rama amplia de la informática que se ocupa de la construcción de máquinas inteligentes capaces de realizar tareas que normalmente requieren inteligencia humana. La IA es una ciencia interdisciplinaria con múltiples enfoques, pero los avances en el aprendizaje automático (Machine Learning) y el aprendizaje profundo (Deep Learning) están creando un cambio de paradigma en prácticamente todos los sectores de la industria tecnológica. 

¿CÓMO FUNCIONA LA INTELIGENCIA ARTIFICIAL?

¿Pueden pensar las máquinas? – Alan Turing, 1950

Menos de una década después de romper la máquina de cifrado 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 Prueba de Turing, establecieron el objetivo fundamental y la visión de la inteligencia artificial.   

¿Qué es la inteligencia artificial?En esencia, la IA es la rama de la informática que tiene como objetivo responder afirmativamente a la pregunta de Turing. Es el esfuerzo por replicar o simular la inteligencia humana en máquinas.

El objetivo expansivo de la inteligencia artificial ha dado lugar a muchas preguntas y debates. Tanto es así, que no se acepta universalmente una definición singular del campo.  

La principal limitación para definir la IA como simplemente “construir máquinas que son inteligentes” es que en realidad no explica qué es la inteligencia artificial. ¿Qué hace que una máquina sea inteligente?

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. Teniendo esto en cuenta, la IA es “el estudio de los agentes que reciben percepciones del entorno y realizan acciones”. (Russel y Norvig viii)

Norvig y Russell continúan explorando cuatro enfoques diferentes que históricamente han definido el campo de la IA: 

  1. Pensando humanamente
  2. Pensando racionalmente
  3. Actuando humanamente 
  4. Actuando racionalmente

Las dos primeras ideas se refieren a los procesos de pensamiento y al razonamiento, mientras que las otras se refieren al comportamiento. Norvig y Russell se enfocan particularmente en los agentes racionales que actúan para lograr el mejor resultado, señalando que “todas las habilidades necesarias para la prueba de Turing también permiten que un agente actúe racionalmente”. (Russel y Norvig 4).

Patrick Winston, profesor de Ford de inteligencia artificial e informática en el MIT, define la IA como “algoritmos habilitados por restricciones, expuestos por representaciones que apoyan modelos dirigidos a bucles que unen el pensamiento, la percepción y la acción”.

Si bien estas definiciones pueden parecer abstractas para la persona promedio, ayudan a enfocar el campo como un área de la informática y proporcionan un plan para infundir máquinas y programas con aprendizaje automático y otros subconjuntos de inteligencia artificial. 

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

“La IA es un sistema informático capaz de realizar tareas que normalmente requieren inteligencia humana … Muchos de estos sistemas de inteligencia artificial funcionan con aprendizaje automático, algunos con aprendizaje profundo y algunos con cosas muy aburridas como reglas . ” 

¿CÓMO SE USA LA IA?

La inteligencia artificial generalmente se divide en dos categorías amplias: 

  • IA estrecha: a veces conocida como “IA débil”, este tipo de inteligencia artificial opera dentro de un contexto limitado y es una simulación de la inteligencia humana. La IA estrecha a menudo se enfoca en realizar una sola tarea extremadamente bien y, si bien estas máquinas pueden parecer inteligentes, operan bajo muchas más restricciones y limitaciones que incluso la inteligencia humana más básica. 
     
  • Inteligencia artificial general (AGI) : 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 . AGI es una máquina con inteligencia general y, al igual que un ser humano, puede aplicar esa inteligencia para resolver cualquier problema. 

EJEMPLOS DE INTELIGENCIA ARTIFICIAL

  • Asistentes inteligentes (como Siri y Alexa)
  • Herramientas de predicción y mapeo de enfermedades
  • Robots de fabricación y drones
  • Recomendaciones de tratamiento sanitario optimizadas y personalizadas
  • Bots conversacionales para marketing y servicio al cliente
  • Robo-advisors para el comercio de acciones
  • Filtros de spam en el correo electrónico
  • Herramientas de monitoreo de redes sociales para contenido peligroso o noticias falsas
  • Recomendaciones de canciones o programas de televisión de Spotify y Netflix

Inteligencia artificial estrecha

La IA estrecha nos rodea y es fácilmente la realización más exitosa de inteligencia artificial hasta la fecha. Con su enfoque en realizar tareas específicas, Narrow AI ha experimentado numerosos avances en la última década que han tenido “beneficios sociales significativos y han contribuido a la vitalidad económica de la nación”, según “Preparándose para el futuro de la inteligencia artificial”, un Informe de 2016 publicado por la administración Obama. 

Algunos ejemplos de IA estrecha incluyen: 

  • búsqueda de Google
  • Software de reconocimiento de imágenes
  • Siri, Alexa y otros asistentes personales
  • Autos autónomos
  • Watson de IBM 

Aprendizaje automático y aprendizaje profundo 

Gran parte de Narrow AI está impulsada por avances en el aprendizaje automático y el aprendizaje profundo . Comprender la diferencia entre inteligencia artificial, aprendizaje automático y aprendizaje profundo puede resultar confuso. El capitalista de riesgo Frank Chen ofrece una buena descripción general de cómo distinguirlos, señalando:  

“La inteligencia artificial es un conjunto de algoritmos e inteligencia para tratar de imitar la inteligencia humana. El aprendizaje automático es uno de ellos, y el aprendizaje profundo es una de esas técnicas de aprendizaje automático”. 

En pocas palabras, el aprendizaje automático alimenta los datos de una computadora y utiliza técnicas estadísticas para ayudarla a “aprender” cómo mejorar progresivamente en una tarea, sin haber sido programado específicamente para esa tarea, eliminando la necesidad de millones de líneas de código escrito. El aprendizaje automático consiste en aprendizaje supervisado (utilizando conjuntos de datos etiquetados) y aprendizaje no supervisado (utilizando conjuntos de datos no etiquetados).  

El aprendizaje profundo es un tipo de aprendizaje automático que ejecuta entradas a través de una arquitectura de red neuronal de inspiración biológica. Las redes neuronales contienen una serie de capas ocultas a través de las cuales se procesan los datos, lo que permite a la máquina profundizar en su aprendizaje, hacer conexiones y ponderar las entradas para obtener los mejores resultados.

Inteligencia Artificial General

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

La búsqueda de un “algoritmo universal para aprender y actuar en cualquier entorno” (Russel y Norvig 27) no es nueva, pero el tiempo no ha aliviado la dificultad de crear esencialmente una máquina con un conjunto completo de habilidades cognitivas. 

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

HISTORIA DE LA IA

Los robots inteligentes y los seres artificiales aparecieron por primera vez en los antiguos mitos griegos de la antigüedad. El desarrollo de Aristóteles del silogismo y su uso del razonamiento deductivo fue un momento clave en la búsqueda de la humanidad por comprender su propia inteligencia. Si bien las raíces son largas y profundas, la historia de la inteligencia artificial tal como la pensamos hoy se extiende por menos de un siglo. A continuación, se ofrece un vistazo rápido a algunos de los eventos más importantes de la IA. 

1943

  • Warren McCullough y Walter Pitts publican “Un cálculo lógico de ideas inmanentes en la actividad nerviosa”. El documento propuso el primer modelo matemático para construir una red neuronal. 

1949

  • En su libro  The Organization of Behavior: A Neuropsychological Theory, Donald Hebb propone la teoría de que las vías neuronales se crean a partir de experiencias y que las conexiones entre neuronas se vuelven más fuertes cuanto más frecuentemente se usan. El aprendizaje de Hebbian sigue siendo un modelo importante en IA.

1950

  • Alan Turing publica “Computing Machinery and Intelligence”, proponiendo lo que ahora se conoce como la prueba de Turing, un método para determinar si una máquina es inteligente. 
  • Los estudiantes de Harvard Marvin Minsky y Dean Edmonds construyen SNARC, la primera computadora de red neuronal.
  • Claude Shannon publica el artículo “Programación de una computadora para jugar al ajedrez”.
  • Isaac Asimov publica las “Tres leyes de la robótica”.  

1952

  • Arthur Samuel desarrolla un programa de autoaprendizaje para jugar a las damas. 

1954

  • El experimento de traducción automática de Georgetown-IBM traduce automáticamente 60 oraciones rusas cuidadosamente seleccionadas al inglés. 

1956

  • La frase inteligencia artificial se acuñó en el “Proyecto de investigación de verano de Dartmouth sobre inteligencia artificial”. Dirigida por John McCarthy, la conferencia, que definió el alcance y los objetivos de la IA, se considera ampliamente como el nacimiento de la inteligencia artificial tal como la conocemos hoy. 
  • Allen Newell y Herbert Simon demuestran Logic Theorist (LT), el primer programa de razonamiento. 

1958

  • John McCarthy desarrolla el lenguaje de programación de IA Lisp y publica el artículo “Programas con sentido común”. El documento proponía el hipotético Advice Taker, un sistema de inteligencia artificial completo con la capacidad de aprender de la experiencia con la misma eficacia que los humanos.  

1959

  • Allen Newell, Herbert Simon y JC Shaw desarrollan General Problem Solver (GPS), un programa diseñado para imitar la resolución de problemas humanos. 
  • Herbert Gelernter desarrolla el programa Geometry Theorem Prover.
  • Arthur Samuel acuña el término aprendizaje automático en IBM.
  • John McCarthy y Marvin Minsky fundaron el Proyecto de Inteligencia Artificial del MIT.

1963

  • John McCarthy inicia el laboratorio de inteligencia artificial en Stanford.

1966

  • El informe del Comité Asesor de Procesamiento Automático de Idiomas (ALPAC) del gobierno de EE. UU. Detalla la falta de progreso en la investigación de traducciones automáticas, una importante iniciativa de la Guerra Fría con la promesa de una traducción automática e instantánea del ruso. El informe de ALPAC conduce a la cancelación de todos los proyectos de MT financiados por el gobierno. 

1969

  • Los primeros sistemas expertos exitosos se desarrollan en DENDRAL, un programa XX, y MYCIN, diseñado para diagnosticar infecciones sanguíneas, se crea en Stanford.

1972

  • Se crea el lenguaje de programación lógica PROLOG.

1973

  • El “Informe Lighthill”, que detalla las decepciones en la investigación de la IA, es publicado por el gobierno británico y conduce a severos recortes en la financiación de proyectos de inteligencia artificial. 

1974-1980

  • La frustración con el progreso del desarrollo de la inteligencia artificial conduce a importantes recortes de DARPA en las becas académicas. En combinación con el informe anterior de ALPAC y el “Informe Lighthill” del año anterior, la financiación de la inteligencia artificial se agota y la investigación se estanca. Este período se conoce como el “Primer invierno de la IA”. 

1980

  • Digital Equipment Corporations desarrolla R1 (también conocido como XCON), el primer sistema experto comercial exitoso. Diseñado para configurar pedidos de nuevos sistemas informáticos, R1 inicia un auge de inversiones en sistemas expertos que durará gran parte de la década, poniendo fin al primer “Invierno de IA”.

1982

  • El Ministerio de Industria y Comercio Internacional de Japón lanza el ambicioso proyecto de sistemas informáticos de quinta generación. El objetivo de FGCS es desarrollar un rendimiento similar a un superordenador y una plataforma para el desarrollo de IA.

1983

  • En respuesta al FGCS de Japón, el gobierno de los Estados Unidos lanza la Iniciativa de Computación Estratégica para proporcionar investigación financiada por DARPA en computación avanzada e inteligencia artificial. 

1985

  • Las empresas gastan más de mil millones de dólares al año en sistemas expertos y surge una industria completa conocida como el mercado de máquinas Lisp para respaldarlas. Empresas como Symbolics y Lisp Machines Inc. construyen computadoras especializadas para ejecutarse en el lenguaje de programación de inteligencia artificial Lisp. 

1987-1993

  • A medida que la tecnología informática mejoró, surgieron alternativas más baratas y el mercado de las máquinas Lisp colapsó en 1987, marcando el comienzo del “Segundo invierno de la IA”. Durante este período, los sistemas expertos resultaron demasiado costosos de mantener y actualizar, y finalmente cayeron en desgracia.
  • Japón pone fin al proyecto FGCS en 1992, citando el fracaso en el cumplimiento de los ambiciosos objetivos esbozados una década antes.
  • DARPA pone fin a la Iniciativa de Computación Estratégica en 1993 después de gastar casi $ 1 mil millones y estar muy por debajo de las expectativas. 

1991

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

1997

  • Deep Blue de IBM vence al campeón mundial de ajedrez Gary Kasparov

2005

  • STANLEY, un coche autónomo, gana el DARPA Grand Challenge.
  • El ejército estadounidense comienza a invertir en robots autónomos como “Big Dog” de Boston Dynamic y “PackBot” de iRobot.

2008

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

2011

  • Watson de IBM derrota a la competencia en  Jeopardy !. 

2012

  • Andrew Ng, fundador del proyecto Google Brain Deep Learning, alimenta una red neuronal utilizando algoritmos de aprendizaje profundo 10 millones de videos de YouTube como conjunto de entrenamiento. La red neuronal aprendió a reconocer a un gato sin que se le dijera qué es un gato, lo que marcó el comienzo de una era revolucionaria para las redes neuronales y la financiación del aprendizaje profundo.

2014

  • Google fabrica el primer automóvil autónomo que pasa un examen de manejo estatal. 

2016

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