¿Qué es la IA? Todo lo que hay que saber sobre inteligencia artificial

¿Qué es la inteligencia artificial?

La inteligencia artificial es «un campo técnico y científico dedicado al sistema de ingeniería que genera resultados como contenido, previsiones, recomendaciones o decisiones para un conjunto determinado de objetivos definidos por el ser humano». [ISO/IEC 22989:2022]. A pesar de que esta definición de inteligencia artificial es acertada desde el punto de vista técnico, ¿qué significa esto para el ciudadano de a pie?

En realidad, la IA solo es una herramienta práctica y no una panacea. Es tan buena como lo sean los algoritmos y el aprendizaje automático que guían sus acciones. La IA puede llegar a ser increíble a la hora de realizar una tarea específica, pero requiere muchísimos datos y repeticiones. Simplemente, aprende a analizar grandes cantidades de datos, reconocer patrones y hacer predicciones o tomar decisiones en base a los datos, y mejora continuamente su desempeño con el tiempo.

El aprendizaje automático se ha vuelto muy «competente» en la generación de todo tipo de cosas, desde códigos de software hasta imágenes, artículos, videos y música. Es el siguiente nivel de la IA, la llamada IA generativa, que difiere de la IA tradicional en cuanto a sus capacidades y aplicaciones. Mientras que los sistemas de IA tradicionales se utilizan principalmente para analizar datos y hacer predicciones, la IA generativa va un paso más allá y crea nuevos datos similares a sus datos de capacitación.

Breve historia de la inteligencia artificial

La IA de hoy en día tiene su origen en la invención en el siglo XIX de la «máquina diferencial» de Charles Babbage, la primera calculadora automática del mundo que tuvo éxito. El descifrador de códigos británico Alan Turing, figura clave entre los recursos de inteligencia de los Aliados durante la Segunda Guerra Mundial (entre otras hazañas), también puede considerarse un predecesor de las iteraciones actuales de la IA. En 1950, presentó la prueba de Turing, diseñada para evaluar a capacidad de una máquina de mostrar comportamientos inteligentes indistinguibles de los de los humanos.

El crecimiento exponencial de la potencia de computación y de Internet trajo consigo el concepto y la realidad del aprendizaje automático: el desarrollo de los algoritmos de IA que son capaces de aprender sin haber sido programados, mediante el procesamiento de grandes conjuntos de datos. A lo largo de la década pasada, la IA ha pasado a formar parte de la vida cotidiana, influyendo en la forma en la que trabajamos, nos comunicamos e interactuamos con la tecnología.

¿Cómo funciona la IA?

Básicamente, la IA analiza datos para extraer patrones y hacer predicciones. Lo hace combinando grandes conjuntos de datos con algoritmos inteligentes de IA (o conjuntos de reglas) que permiten al software aprender de los patrones de los datos. El sistema lo logra mediante una red neuronal, una matriz de nodos interconectados que intercambian información entre diversas capas para buscar conexiones y deducir el significado de los datos.

Para comprender cómo funciona, debemos profundizar en los siguientes conceptos:

• Aprendizaje: la función de aprendizaje automático de la IA permite a las máquinas aprender de los datos, identificar patrones y tomar decisiones sin programación explícita. Es más, los avances en el aprendizaje profundo permiten al software de IA comprender patrones más complejos utilizando millones de puntos de datos.
• Razonamiento: la capacidad de razonar es fundamental para la IA, ya que permite a las computadoras imitar el cerebro humano. La IA puede hacer inferencias en base a los comandos que se le han dado o cualquier otra información disponible, desde formar hipótesis o desarrollar estrategias para abordar un problema.
• Resolución de problemas: la capacidad de resolución de problemas de la IA se basa en la manipulación de datos a través de técnicas de ensayo y error. Consiste en utilizar algoritmos para explorar varias rutas posibles y encontrar la solución más óptima a problemas complejos.
• Procesamiento del lenguaje: la IA utiliza procesamiento del lenguaje natural, o PLN, para analizar los datos del lenguaje humano de forma que tengan sentido para las computadoras. ¿Qué es el PLN? Es la capacidad de las computadoras de comprender, interpretar y generar lenguaje humano a través de análisis de textos, análisis de sentimiento y traducción automática.
• Percepción: la IA escanea el entorno mediante captadores de sentido, como sensores de temperatura y cámaras. Este campo de la IA, más conocido como visión artificial, permite a las máquinas interpretar y comprender datos visuales y se utiliza en el reconocimiento de imágenes, reconocimiento facial y detección de objetos.

IA fuerte frente a IA débil

AI can be broadly categorized as weak or strong.

La IA débil, también denominada IA estrecha, hace referencia a los sistemas diseñados para llevar a cabo tareas específicas con gran eficiencia, pero limitadas a un campo en particular. No posee inteligencia general. Algunos ejemplos son las asistentes de voz Siri y Alexa.

El objetivo de la IA fuerte, también denominada IA general, es que los sistemas aborden una amplia gama de tareas con un nivel de desempeño satisfactorio. Es decir, que sean capaces de aprender y aplicar esos conocimientos en diversos campos. La IA general, con capacidades cognitivas similares a las humanas y la capacidad de llevar a cabo cualquier tarea intelectual como un humano, continúa siendo un concepto teórico.

¿Cuáles son los cuatro tipos de IA?

Mientras que las máquinas reactivas y la IA de memoria limitada existen en la actualidad, la teoría de la mente y la autoconciencia representan tipos de IA que todavía no se han desarrollado plenamente. Entonces, ¿cómo son?

• Las máquinas reactivas siguen reglas predeterminadas y son incapaces de aprender a partir de datos nuevos. Destacan en tareas específicas, como responder a clientes en línea a través de chatbots, pero les falta adaptabilidad.
• La memoria limitada puede aprender de datos históricos y tomar decisiones informadas, adaptándose en cierta medida en función del entrenamiento. Algunos ejemplos son los vehículos autónomos y las aplicaciones de procesamiento del lenguaje natural.
• La teoría de la mente es un área de investigación en curso compleja: el concepto de un agente artificial capaz de comprender las creencias, intenciones y emociones de otras entidades.
• La IA autoconsciente es el escenario hipotético de un sistema de inteligencia artificial que posea consciencia y la capacidad de comprender su propia existencia. Sigue siendo una especulación.

Aprendizaje automático frente a aprendizaje profundo

El aprendizaje automático se basa en algoritmos que mejoran automáticamente el desempeño a través de la experiencia. Existen tres categorías:

• Aprendizaje supervisado: este algoritmo se entrena en un conjunto de datos etiquetados en el que cada ejemplo tiene una entrada y una salida correspondiente, y aprende de estos datos para crear predicciones sobre nuevos datos no vistos.
• Aprendizaje no supervisado: no cuenta con etiquetas ni salidas predefinidas; este algoritmo aprende a descubrir estructuras ocultas o agrupaciones dentro de los datos.
• Aprendizaje por refuerzo: entrenado para interactuar con el entorno y aprender mediante ensayo y error, el agente recibe retroalimentación en forma de recompensas o penalizaciones a medida que realiza acciones, gracias a lo cual aprende y mejora su desempeño con el tiempo.

El aprendizaje profundo es un subconjunto del aprendizaje automático, que se centra en el entrenamiento de redes neuronales artificiales con múltiples capas, inspiradas en la estructura y función del cerebro humano, formadas por nodos interconectados (neuronas) que transmiten señales.

Al extraer automáticamente características de los datos sin procesar mediante múltiples capas de abstracción, estos algoritmos de IA destacan en el reconocimiento de imágenes y del habla, el procesamiento del lenguaje natural y muchos otros campos. El aprendizaje profundo puede manejar conjuntos de datos a gran escala con entradas de alta dimensión, pero debido a su complejidad, requiere una cantidad considerable de potencia computacional y un entrenamiento exhaustivo.

Ejemplos de inteligencia artificial

Entonces. ¿qué puede hacer la IA? La mayoría de la gente la conoce gracias a altavoces inteligentes y asistentes de teléfonos inteligentes como Siri y Alexa, pero la nueva tecnología de IA facilita constantemente nuestras vidas y las hace más eficientes de muchas otras maneras.

A continuación se enumeran algunos ejemplos de aplicaciones de la inteligencia artificial:

• La IA sanitaria puede procesar y analizar grandes cantidades de datos de pacientes para ofrecer predicciones exactas y recomendar tratamientos personalizados para obtener los mejores resultados.
• Las empresas y el sector de la fabricación se benefician de la automatización en todos los sectores, desde la detección de fraudes, la evaluación de riesgos y el análisis de las tendencias del mercado hasta los robots dotados de IA en las líneas de producción. Los sistemas de IA también pueden predecir fallos en los equipos antes de que se produzcan y detectar anomalías en los patrones de tráfico de las redes, identificando así amenazas a la ciberseguridad. En el sector del comercio minorista, la IA ofrece gestión de inventario, experiencias de compra personalizadas, chatbots para ayudar a los clientes y análisis de preferencias de los clientes, lo que aumenta las ventas gracias a anuncios mejor orientados.
• La IA educativa incluye sistemas de tutoría inteligente que se adaptan a las necesidades del alumnado, lo cual les proporciona retroalimentación y orientación personalizadas. La IA también puede ofrecer calificaciones automatizadas, creación de contenido y simulaciones de realidad virtual.
• En el sector del transporte, la IA optimiza el flujo de tráfico, predice las necesidades de mantenimiento y mejora la logística en las empresas de transporte; en el sector agrícola, puede optimizar el rendimiento de las cosechas y reducir el despilfarro de recursos. La tecnología de drones vigila las condiciones del suelo, identifica las enfermedades de los cultivos y evalúa las necesidades de riego; asimismo, los sistemas de IA pueden recomendar usos eficientes de los pesticidas y la gestión de los cultivos.
• Entretenimiento: al analizar las preferencias de los usuarios, la IA puede recomendar películas, música o libros. La realidad virtual y aumentada crean entornos de entretenimiento inmersivos. La IA de CGI realista y de «efectos especiales» mejora la experiencia visual de películas y juegos.

Gobernanza y normativa de la IA

Con su creciente integración en diversos sectores, no se puede exagerar la importancia de garantizar la calidad y fiabilidad de los softwares de IA. A pesar de los riesgos que conlleva, la IA sigue sufriendo una falta de regulación. Aquí es donde pueden ayudar las Normas Internacionales.

Las normas, como las elaboradas por ISO/IEC JTC 1/SC 42 sobre inteligencia artificial, desempeñan un papel fundamental a la hora de abordar el desarrollo y el uso éticos y responsables de las tecnologías de IA. Ayudan a llenar el vacío de la normativa, dando a los responsables de la toma de decisiones y a los responsables políticos las herramientas necesarias para establecer datos y procesos coherentes y auditables.

• ISO/IEC 42001 AI management systems

  ISO/IEC 23894 AI – Guidance on risk management

  ISO/IEC 23053 Framework for AI Systems Using ML

Estas normas pueden aportar valor a largo plazo a una empresa, especialmente en ámbitos como los informes medioambientales. Las normas desarrollan credibilidad ante las partes interesadas y garantizan que las ventajas de la inteligencia artificial superen los riesgos asociados mediante la alineación con la normativa y las herramientas de gobernanza existentes.

¿Cómo cambiará la IA nuestro mundo?

A medida que se vuelve más sofisticada, esperamos que la inteligencia artificial cambie nuestra forma de trabajar y de vivir. Además de las muchas aplicaciones descritas anteriormente, la IA desempeñará un papel crucial a la hora de abordar los desafíos mundiales y acelerar la búsqueda de soluciones.

No obstante, las implicaciones éticas de la IA se desarrollarán de forma paralela. A medida que la IA se vuelve más potente y omnipresente, debemos garantizar un desarrollo y uso responsables y abordar cuestiones de parcialidad, privacidad y transparencia. Para lograrlo, es fundamental estar al día y mostrar proactividad en su desarrollo con el fin de crear un futuro que sea beneficioso y ético para todos.