La inteligencia artificial (IA) es una rama amplia de las ciencias de la computación que se ocupa de la construcción de máquinas inteligentes, capaces de realizar tareas que normalmente realiza un humano.
La inteligencia artificial generalmente se divide en dos categorías amplias, la IA estrecha y la IA general. La IA estrecha, que a veces se denomina “IA débil”, opera en un contexto limitado y es una simulación de la inteligencia humana. La IA estrecha a menudo se enfoca en realizar de forma óptima una sola tarea y, si bien estas máquinas pueden parecer inteligentes, operan bajo muchas restricciones y limitaciones comparadas conalgunas características básicas de la inteligencia humana.
La inteligencia artificial general (IAG), que a veces se denomina “IA fuerte”, es el tipo de inteligencia artificial que vemos en las películas, como los robots de Westworld o Data de StarTrek: TheNextGeneration. La IAG es una máquina con inteligencia general y, al igual que un ser humano, puede aplicar esa inteligencia para resolver cualquier problema.
Inteligencia artificial estrecha
La IA estrecha es la realización más exitosa de inteligencia artificial hasta la fecha y actualmente disfrutamos de sus resultados. Se enfoca en la realización de tareas específicas y ha experimentado numerosos avances en la última década que han generado beneficios sociales significativos y ha contribuido al dinamismo económico en forma importante.
Algunos ejemplos de IA estrecha son:
- Búsquedas de Google
- Software de reconocimiento de imágenes
- Siri, Alexa y otros asistentes personales
- Filtros de correo no deseado
- Recomendaciones de Netflix
- Google Home
- Autos autónomos
- Robo-asesores
- Bots conversacionales
Aprendizaje automático y aprendizaje profundo
La IA estrecha está impulsada por avances en el aprendizaje automático y el aprendizaje profundo. Comprender la diferencia entre inteligencia artificial, aprendizaje automático y aprendizaje profundo es un poco difícil. De acuerdo con Frank Chen, hay una forma general de distinguir estos conceptos.
“La inteligencia artificial es un conjunto de algoritmos para tratar de imitar la inteligencia humana. El aprendizaje automático es uno de ellos y el aprendizaje profundo es una de esas técnicas algorítmicas de aprendizaje automático”.
El aprendizaje automático alimenta los datos de una computadora y utiliza técnicas estadísticas para ayudarla a “aprender” a mejorar progresivamente en una tarea, sin haber sido programado específicamente para realizar esa tarea, eliminando la necesidad de millones de líneas de código escrito. El aprendizaje automático consiste en aprendizaje supervisado, utilizando conjuntos de datos etiquetados, mientras que elaprendizaje no supervisado utilizaconjuntos de datos no etiquetados.
Inteligencia artificial general
La creación de una máquina con inteligencia similar a la del humano que se pueda aplicar a cualquier situación es el objetivo principal delos investigadores de IA, desafortunadamente la búsqueda de IAG ha enfrentado muchas dificultades.
La búsqueda de un “algoritmo universal para aprender y actuar en cualquier entorno” no es nueva, pero los desarrollos tecnológicos y el tiempo no han aliviado la dificultad de crear una máquina con un conjunto completo de habilidades cognitivas.
La IAG ha sido durante mucho tiempo la musa de la ciencia ficción distópica, en la que robots súper inteligentes invaden a la humanidad, pero según los expertos es algo de lo que no debamos preocuparnos por ahora.
Hasta ahora se han propuesto cuatro tipos de inteligencia artificial: (i) Máquinas reactivas, (ii) Memoria limitada, (iii) Teoría de la mente y, (iv) Conciencia de sí mismo. En los siguientes párrafos se describen brevemente en qué consiste cada una de ellas.
(i) Máquinas reactivas:Una máquina reactiva sigue los principios más básicos de la IA, solo es capaz de usar su inteligencia para percibir y reaccionar ante el mundo que tiene enfrente. Una máquina reactiva no puede almacenar una memoria, por lo que no puede usar experiencias pasadas para retroalimentar la toma de decisiones en tiempo real. Por lo anterior, reaccionará de la misma forma a los mismos estímulos, así que están diseñadas para completar solo un número limitado de tareas especializadas.
Un ejemplo famoso de una máquina reactiva es Deep Blue, que fue diseñada por IBM en la década de 1990 como una supercomputadora para jugar ajedrez y que derrotó en un solo juego al gran maestro Gary Kasparov. Deep Blue solo fue capaz de identificar las piezas en un tablero de ajedrez y saber cómo se mueve cada una siguiendo las reglas del ajedrez, reconociendo la posición actual de cada pieza y determinando cuál sería la jugada más lógica en ese momento. La computadora no perseguía movimientos potenciales futuros de su oponente ni intentaba poner sus propias piezas en una mejor posición. Cada movimientolo veía como su propia realidad, separada de cualquier otro movimiento previo que se hubiera realizado.
A pesar de que tiene un alcance limitado y no se modifica fácilmente, la inteligencia artificial de la máquina reactiva puede alcanzar un cierto nivel de complejidad y ofrece confiabilidad cuando se crea para realizar tareas específicas repetibles.
(ii) Memoria limitada: La inteligencia artificial de memoria limitada tiene la capacidad de almacenar datos y predicciones previas al recopilar información y sopesar decisiones potenciales, esencialmente buscando pistas en el pasado para definir lo que vendrá en el futuro. La inteligencia artificial de memoria limitada es más compleja y tiene más potencialidades que las máquinas reactivas.La IA de memoria limitada se crea cuando una computadora entrena continuamente un modelo sobre cómo analizar y utilizar nuevos datos o se crea un entorno de IA para que los modelos se puedan entrenar y renovar automáticamente.
Cuando se utiliza IA de memoria limitada en el aprendizaje automático, se deben seguir los siguientes pasos: (i) crear los datos de entrenamiento, (ii) crear el modelo de aprendizaje automático, (iii) el modelo debe poder hacer predicciones, (iv) el modelo debe poder recibir retroalimentación de humanos o ambientales que se almacenan en forma de datos. Estos cuatro pasos corresponden a un ciclo que se repite en forma iterativa.
Hay tres modelos principales de aprendizaje automático que utilizan inteligencia artificial de memoria limitada:
• Aprendizaje por refuerzo, que aprende a hacer mejores predicciones mediante repetidas pruebas y errores.
• Memoria a largo plazo a corto plazo (MLCP), que utiliza datos pasados para ayudar a predecir el siguiente elemento de una secuencia. La(MLCP) ve la información más reciente como la más importante al hacer predicciones y descuentan datos del pasado de largo plazo, para obtener conclusiones.
• Redes Generativas Adversarias Evolutivas (RGAE), que evolucionan con el tiempo, creciendo para explorar caminos ligeramente modificados basados en experiencias previas con cada nueva decisión. Este modelo busca constantemente un mejor camino y utiliza simulaciones y estadísticas, o el azar, para predecir los resultados a lo largo de su ciclo de evolución
(iii) Teoría de la mente: La teoría de la mente es solo una teoría, el concepto se basa en la premisa de comprender que otros seres vivos tienen pensamientos y emociones que afectan el comportamiento de uno mismo. En términos de máquinas de inteligencia artificial, esto significaría que la inteligencia artificial podría comprender cómo se sienten los humanos, los animales y otras máquinas y tomar decisiones 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 muchos otros conceptos psicológicos en tiempo real, creando una relación bidireccional entre las personas y la inteligencia artificial. Desafortunadamente todavía no se disponen de las capacidades tecnológicas y científicas necesarias para alcanzar este siguiente nivel de inteligencia artificial.
(iv) Conciencia de sí mismo:Una vez que en el futuro se pueda establecer la Teoría de la Mente en la inteligencia artificial, el paso final será que la IA se vuelva consciente de sí misma. Este tipo de inteligencia artificial poseerá una conciencia a nivel humano y comprenderá su existencia propia en el mundo, así como la presencia y el estado emocional de todas/todos los demás. Será capaz de comprender las necesidades de otras/otros basándose no solo en lo que les comunican, sino también en cómo lo comunican. La autoconciencia en la inteligencia artificial depende dela comprensión de la premisa de la conciencia por parte de los investigadores humanos para que aprendan a replicarla e integrarla en las máquinas.
¿Cuál es y será el impacto de la inteligencia artificial?
La inteligencia artificial impactará el futuro de prácticamente todas las industrias, las sociedades y todos los seres humanos. La inteligencia artificial ha actuado como el principal impulsor de tecnologías emergentes como el Big Data, robótica, industria 4.0, sociedad 5.0, Internet de las Cosas, y seguirá actuando como un innovador tecnológico en el futuro previsible.
La Industria 4.0 es la transformación digital de la fabricación / producción y las industrias relacionadas y los procesos de creación de valor. De esta manera, los productos y medios de producción se conectan en red y pueden comunicarse, permitiendo nuevas formas de producción, creación de valor y optimización en tiempo real.
Por otra parte, la sociedad 5.0 puede definirse como una sociedad centrada en el ser humano que equilibra el avance económico con la resolución de problemas sociales mediante un sistema que integra en gran medida el ciberespacio (espacio virtual) y el espacio físico (real).
El Internet de las cosas describe objetos físicos, que están integrados con sensores, capacidad de procesamiento, software y otras tecnologías, que conectan e intercambian datos con otros dispositivos y sistemas a través de Internet u otras redes de comunicaciones
