¿Qué es la Inteligencia Artificial?

¿Qué es la Inteligencia Artificial?

Este artículo se divide en cuatro secciones

1.-Tres aplicaciones populares de IA.

En el cual, ejemplificamos cómo se utiliza la IA en el mundo actual, antes de aventurarnos a dar una definición formal.

2.- Definición de IA.

Dirigida al formalista obsesionado, esta sección comenta las dificultades de dar una definición satisfactoria de "Inteligencia Artificial" y luego intentamos dar una que sea pragmática.

3.- Un catálogo de subproblemas de IA.

Armados con las intuiciones desarrolladas a través de la observación de las aplicaciones y los conceptos introducidos en la definición, procedemos a descomponer la IA en varios subcampos, según el tipo de problemas que cada uno de ellos trata de resolver.

4.- Limitaciones de la IA.

En esta breve sección señalamos que la IA, al menos en la sencilla definición que hemos logrado desarrollar hasta ahora, no es todopoderosa y tiene serias limitaciones.

Tres aplicaciones de IA muy populares

En lugar de entrar de inmediato en una definición de IA de una manera abstracta, académica y árida, nos gustaría revisar primero dos aplicaciones populares de la IA. Algunas de ellas también podrían considerarse como aprendizaje mecánico sencillo (ML) y no tan "inteligente". Sin embargo, al ser ML un subconjunto de la IA, cualquier aplicación de ML es también una aplicación de IA, de la misma manera que la elaboración de postres es un ejemplo de la categoría más amplia de "cocinar". Estas aplicaciones servirán para introducir algunos de los conceptos generales de nuestra definición de IA.

Aplicación 1. Autos que se conducen solos.

Los vehículos autónomos son probablemente la cúspide de la IA hoy en día. Si lo piensas, que un coche se conduzca por sí mismo es en realidad un robot, aunque no lo parezca. Percibe (recoge datos sobre) su entorno a través de un rico conjunto de sensores (cámaras, radares, GPS) y también está dotado de actuadores que le permiten realizar acciones (dirección, aceleración) para cambiar su propia situación en el entorno o afectar a éste. Los coches autónomos constituyen un buen ejemplo del concepto general de "agentes autónomos", que será clave para definir adecuadamente la IA más adelante.

Más allá de los sensores y actuadores, que corresponden aproximadamente a las capas de entrada y salida, hay una capa intermedia de procesamiento que interpreta los datos brutos procedentes de los sensores y los convierte en información/conocimiento que se utiliza en última instancia para resolver el problema de conducir con seguridad y llevarte de A a B. Esta capa es, por supuesto, lo que da a un coche autopropulsado su inteligencia y combina bastantes técnicas clave de IA. Para enumerar sólo tres, tenemos:

1.- Visión por computador: Se refiere a un conjunto de técnicas de nivel relativamente bajo utilizadas para convertir los píxeles sin procesar capturados por una cámara óptica o infrarroja en la detección real de líneas de carril, obstáculos, peatones, animales, señales de tráfico, etc. Este es realmente un problema de ML puro, actualmente resuelto con técnicas de Deep Learning y hardware especializado (GPUs).

2.- Búsqueda y planificación: Estos se utilizan, entre otras cosas, para encontrar la ruta más conveniente de A a B, sujeto a las limitaciones impuestas por los obstáculos, el tráfico, los cierres de carreteras, los límites de velocidad, las condiciones meteorológicas, etc.... Por cierto, este es uno de los problemas resueltos por la IA que no puede resolverse mediante técnicas de ML puro, demostrando que la IA es mucho más que un simple ML.

3.- Toma de decisiones bajo incertidumbre: como las mediciones de los sensores no son absolutamente exactas y la información disponible sobre el entorno circundante es necesariamente incompleta, cualquier coche autónomo se ve obligado a tomar decisiones bajo incertidumbre casi todo el tiempo. Esta no es una característica común de los sistemas informáticos anteriores a la IA, o incluso algo que la mayoría de la gente pensaría que los ordenadores pueden hacer. Afortunadamente, durante la última mitad del siglo XX hubo un gran progreso en el campo de las estadísticas bayesianas computacionales para permitir que los ordenadores intrínsecamente deterministas se ocuparan de la incertidumbre.

Aplicación 2. Recomendación de Contenido Personalizado

Aunque a veces invisibles, los sistemas de recomendación están prácticamente en todas partes, desde sitios de comercio electrónico -piensa en Amazon- hasta plataformas de distribución de contenido digital como Netflix y Spotify, así como redes sociales. Cada vez que veas mensajes del tipo 'basado en tu historial reciente de visualización/compras, creemos que también te gustaría que Y', puedes estar seguro de que hay un sistema de recomendaciones en acción.

El uso de este tipo de sistemas ha permeado incluso a los proveedores de contenidos tradicionales, recientemente convertidos en digitales. La mayoría de la gente no se da cuenta, pero la primera página de la versión en línea del New York Times es diferente para cada lector. Los algoritmos de recomendación determinan el contenido que cada usuario ve de forma personalizada.

Porque viste "Russian Doll".

El objetivo de un sistema de recomendaciones es examinar un vasto mar de información o elementos de contenido para seleccionar aquellos que tienen más probabilidades de ser relevantes para un usuario o subconjunto de usuarios en particular (es decir, aquellos que residen en un lugar o pertenecen a un segmento de edad en particular). Esto mejora la experiencia del usuario y el compromiso general con el contenido de la plataforma.

Técnicamente, un sistema de recomendaciones puede ser visto como una aplicación de una de las siguientes técnicas generales de IA:

Búsqueda: El sistema tiene la tarea de encontrar el contenido más relevante sujeto a algunas restricciones específicas del usuario, que generalmente se derivan del historial de interacciones del usuario.

Aprendizaje predictivo de la máquina: Dado el registro de las interacciones pasadas de los usuarios (ejemplos), afinamos un modelo específico del usuario que nos permite hacer predicciones sobre la probabilidad de que al usuario X le guste un ítem Y (nunca antes visto).

Aplicación 3. El uso de la Inteligencia Artificial la economía creativa

Se han observado desarrollos emocionantes con el uso de la Inteligencia Artificial en la economía creativa, y las vamos a describir a continuación.

Muchos aprovechan los avances en el aprendizaje "Machine Learning" para analizar enormes conjuntos de datos para aprender comportamientos específicos, lo que permite a las computadoras reconocer patrones y "aprender" nuevas acciones sin estar programado explícitamente.

La IA está ayudando a los creadores a hacer coincidir más eficazmente el contenido con el público en general. Los algoritmos basados en redes neuronales aprenden y clasifican las preferencias de un usuario - desde películas en streaming Netflix, música escuchada en Spotify o productos comprados en Amazon. Los proveedores pueden entonces recomendar contenido adaptado a las necesidades del cliente creando un usuario específico.

La IA ayuda a la creación en sí misma, al realizar tareas que son demasiado difícil para los humanos. En la publicidad, se utiliza para contextualizar conversaciones de medios sociales para entender cómo los consumidores perciben los productos, y para detectar impresiones de anuncios fraudulentos.

Servicios como Amper o Jukedeck componen música con AI, que permite a los creadores a pequeña escala utilizar música de alta calidad para sus podcasts, videos y juegos a bajo costo.

En particular, la IA que genera texto está muy extendida en el periodismo y es utilizado por los editores para ampliar la gama de ofertas.

La Associated Press ha utilizado la inteligencia artificial para liberar alrededor de un 20% de tiempo de los reporteros, mientras que la producción se multiplica por diez.

El Washington Post desarrolló su propia herramienta, Heliograf, para cubrir deportes y noticias políticas. En su primer año generó alrededor de 70 artículos al mes, la mayoría historias que no tendría personal dedicado a ello.

Más perturbadoramente, el aprendizaje automático ha comenzado a crear contenido original. Las implicaciones se han dejado sentir en todas partes y en múltiples industrias de negocio. En música, AI ha producido instrumentos y sonidos que los humanos nunca han oído antes.

Definición de IA

Un intento de definir la IA está lleno de dificultades culturales, conceptuales e incluso filosóficas, entre las que podemos contar:

Representaciones necesariamente defectuosas de la IA en películas de ciencia ficción y los correspondientes conceptos erróneos que han generado en la cultura popular.

El reciente resurgimiento de la IA ha traído consigo una falta de precisión, si no un abuso del término por parte de los profesionales del marketing y los ejecutivos de C-suite. Esta es, de hecho, una de las principales razones para crear esta presentación. En los entornos comerciales, el término "IA" se utiliza a menudo para referirse a muchas cosas que solían llamarse con otros nombres, al menos en los círculos académicos más estrechos en los que se desarrollaron. Algunos ejemplos de esto son:

Aprendizaje automático: Como ya hemos señalado, se trata de un subconjunto estricto de la IA.

Inteligencia empresarial/analítica: no es realmente IA, aunque puede servir para guiar las decisiones más inteligentes de los seres humanos.

Sistemas expertos: Éstos se basan en la recopilación minuciosa de muchas reglas de expertos humanos en un dominio dado y en la aplicación de las mismas por parte de un ordenador, según sea necesario. Aunque pertenecen a los inicios de la IA, mucho ha sucedido desde su desarrollo inicial.

Algunas herramientas estadísticas: ¡incluso las herramientas estadísticas clásicas como la regresión lineal o la regresión logística a veces se etiquetan como IA, en interés del marketing!

Muchos productos que alguna vez se consideraron ejemplos de IA, como los sistemas OCR (que extraen texto digital de documentos escaneados o códigos postales escritos a mano de sobres de cartas) o los correctores ortográficos, ahora son considerados por muchos como "software normal", no dignos de la etiqueta "AI inside". Como dice un viejo chiste: "La IA es todo lo bueno que los ordenadores todavía no pueden hacer". Como todos los chistes, éste se basa en la opinión generalizada de que, tan pronto como se diseña un enfoque algorítmico razonablemente eficiente o una arquitectura de ordenador para resolver un problema, dicho problema queda automáticamente fuera del ámbito de la IA y se incorpora al campo de la ingeniería de software "clásica".

Por último, pero no por ello menos importante, la mera presencia de la palabra inteligencia en "Inteligencia Artificial" abre una lata semántica y filosófica de gusanos que plaga cualquier intento de definir satisfactoriamente la frase. Preguntas abiertas de hace milenios sobre la "verdadera naturaleza" de la conciencia, el pensamiento, la mente y el alma aparecen inmediatamente. Por supuesto, ni siquiera intentaremos atacarlos aquí. Basta decir que cualquier definición coherente y aceptada de IA, como la que presentaremos en la siguiente sección, evitará necesariamente tocar el tema espinoso de lo que realmente implica la "inteligencia biológica" u "orgánica".

Una (imperfecta) definición

He aquí una definición pragmática de IA. Debido a las dificultades filosóficas que acabamos de mencionar, es necesariamente imperfecta. Es operativa en el sentido de que se centra en los atributos observables que deben presentar los agentes inteligentes, más que en lo que significa la inteligencia.

Definición: La IA es la rama de la informática encargada del diseño y la construcción de agentes inteligentes.

Un agente inteligente es a su vez cualquier agente que sea capaz de realizar principalmente acciones de manera:

1.- autónoma (es decir, capaz de realizar tareas en un entorno complejo sin la guía constante de un usuario) y

2.- adaptable (capaz de mejorar el rendimiento aprendiendo de la experiencia)

3.- capaz de percibir y abstraer eficientemente las características de su entorno (percepción)

4.- capaz de actuar "racionalmente". En este contexto, el comportamiento racional es aquel que está dirigido a maximizar una función de utilidad cuantitativa y objetiva o una medida de rendimiento.

Dos corolarios de esta definición son que los agentes inteligentes necesariamente comprenden (y casi pueden ser reducidos a):

a)       programas que toman decisiones inteligentes - donde "inteligente" es sólo una palabra más simple para racional en el sentido indicado anteriormente.

b)      sistemas capaces de imitar (algunos aspectos de) la cognición humana.

Una lista de subcampos de IA

Armados con la definición anterior, por imperfecta que sea, estamos mejor preparados para revisar y comprender algunos de los subcampos de la IA. Aquí hay un pequeño catálogo:

Búsqueda y recuperación de información: Esto no se refiere sólo a la búsqueda en Internet, por ejemplo, Google o Shazam, sino a un conjunto más amplio de problemas en los que nuestro agente inteligente -llamado en este contexto "el motor de búsqueda- tiene que navegar por un entorno que consiste en una gran colección de elementos de datos para maximizar una función de utilidad, una medida cuantitativa de la relevancia de cada elemento para una consulta.

Planificación: Este es el problema de diseñar un plan o secuencia de acciones que conduzcan a un sistema complejo desde un estado inicial A hasta un estado deseado B, sujeto a un conjunto de restricciones. Un ejemplo no trivial de esto podría ser el de crear un programa de aterrizaje justo y óptimo para un conjunto de aviones en un aeropuerto muy concurrido durante las horas de congestión.

Procesamiento del lenguaje natural (PNL) y reconocimiento del habla: estos son los ingredientes clave de cualquier chatbot o asistente digital conversacional. En este contexto, el agente inteligente es el bot y el entorno es la sala de chat, por un lado, y el conjunto de servicios de información, bases de datos o APIs utilizados para responder a la pregunta o ejecutar la petición del humano, por otro.

Razonamiento automatizado: Son sistemas que intentan llevar a cabo el pensamiento lógico o la deducción de un conjunto de premisas hasta una conclusión. Hace unos años, IBM Watson se hizo famoso por ganar Jeopardy contra anteriores campeones humanos. Sin duda, el juego no se trataba sólo de razonar, sino que también contenía un pesado componente de recuperación de información. Más recientemente, un llamado "IA legal" fue capaz de detectar problemas en los acuerdos de la NDA, con mayor precisión que un grupo de abogados experimentados. Es cierto que este ejemplo también se encuentra en una zona gris entre el procesamiento del lenguaje natural y el razonamiento automatizado.

Cualquier problema de aprendizaje automático (ML): Por último, pero no por ello menos importante, debemos mencionar que hay una gran clase de problemas que no caen directamente en ninguno de los subcampos anteriores, sino que son solucionables a través de las técnicas de ML. Para poder aplicarlo, el ingrediente clave es tener muchos datos en forma de ejemplos a partir de los cuales los algoritmos genéricos puedan detectar patrones y luego hacer predicciones.

Limitaciones de la IA

Como ya señalamos en una sección anterior, la palabra "inteligente" es problemática e incluso engañosa. Un sistema de visión artificial que es capaz de detectar el melanoma a partir de una fotografía de la piel puede llamarse inteligente, pero no es capaz de realizar ninguna otra tarea que una persona inteligente haría.

Es por eso que los más pedantes de entre nosotros hacen una distinción entre la inteligencia artificial estrecha y la general. Un sistema de IA se llama estrecho si su capacidad de resolver un problema no nos dice nada sobre la capacidad de resolver otro problema, incluso si, desde la perspectiva humana, ambos problemas están estrechamente relacionados. La observación clave es que los sistemas de IA estrechos no pueden transferir principios generales de un problema a otro.

Hasta ahora sólo hemos sido capaces de desarrollar una IA estrecha. La inteligencia general artificial, a menudo abreviada AGI, se refiere a máquinas que pueden manejar cualquier tarea intelectual y que pueden transferir conocimientos o habilidades de una tarea a otra. Desafortunadamente (¿o afortunadamente?) AGI todavía está en el reino de la ciencia ficción. Hay poco consenso en cuanto a si la AGI se logrará en un futuro previsible. A pesar de los impresionantes avances en el campo del aprendizaje profundo para cosas que no hace mucho tiempo se consideraban imposibles (AlphaGo), es una generalizada que AGI está al menos a 50 años de distancia, si no más...

En conclusión, la principal limitación de la IA es que los agentes de IA normalmente sólo son capaces de optimizar sus decisiones y acciones para lograr un objetivo singular. El elemento humano sigue desempeñando un papel clave en la comprensión del contexto de este objetivo, priorizando el trabajo a través de diferentes objetivos y comunicando eficazmente los resultados de los modelos impulsados por la IA.