Inteligencia artificial (I.A.)

En los últimos años la Inteligencia Artificial está cogiendo gran impulso, al ser capaz de resolver problemas con ordenadores que antes no se consideraba posible, llegando a niveles a los que nunca antes se había llegado. Incluso los dispositivos móviles se benefician de investigaciones en este campo, por ejemplo, a través del texto predictivo del teclado, del desbloqueo de pantalla con huella dactilar o de la detección de rostros en los fotogramas captados por la cámara. Se podrían enumerar varias razones que han servido de motor de despegue de la IA, pero destaca con especial énfasis la democratización de la capacidad de cómputo, en especial a partir del año 2009 con la publicación del primer artículo científico sobre la paralelización masiva de cómputo de IA usando GPUs y otro en 2010, por la demostración de su uso en el reconocimiento automático de dígitos escritos a mano, superando por primera vez la capacidad humana en esta tarea. De esta forma, la Inteligencia Artificial adquiere su nombre debido a la capacidad que tiene un dispositivo electrónico de resolver problemas para los que se requiere inteligencia y que, de forma tradicional (programando), no podría resolverse en un ordenador.

Volviendo la vista atrás, el nacimiento de la Inteligencia Artificial se produjo hace más de 70 años, a manos de Alan Turing, considerado como el padre de esta disciplina. En 1936 ideó un modelo computacional, consistente en un cabezal sobre una cinta infinitamente larga que puede leer, escribir y desplazarse sobre ella. Este modelo computacional se denominó máquina de Turing, y permite representar cualquier operación computacional, en otras palabras, cualquier computación puede reducirse y representarse con una Máquina de Turing. Esto suscitó la siguiente pregunta: En el caso de que un cerebro ejerza operaciones computacionales, ¿podría ser reducido y representado mediante una Máquina de Turing? De ser esto posible, significaría que operaciones que consideramos inteligentes podrían ser automatizadas, como por ejemplo la detección de objetos en imágenes, la clasificación de sonidos o incluso el propio funcionamiento de la consciencia de un cerebro. No podemos afirmar que esto último pueda llegar a ocurrir, sin embargo, existen avances en cuanto a simular o aproximar comportamientos inteligentes, razón por la cual han aparecido subcampos en el ámbito de la Inteligencia Artificial como la Visión por Computador (Computer Vision, CV), el Aprendizaje Automático (Machine Learning, ML) y el Procesamiento del Lenguaje Natural (Natural Language Processing, NLP). 

Ejemplos de tecnología AI

• La automatización es el proceso de crear automáticamente un sistema o una función de proceso. La automatización robótica de procesos (RPA), por ejemplo, puede programarse para realizar tareas repetibles de alto volumen normalmente realizadas por seres humanos. La RPA es diferente de la automatización de TI en que se puede adaptar a las circunstancias cambiantes.

• El aprendizaje automático es la ciencia de conseguir que una computadora actúe sin programación. El aprendizaje profundo es un subconjunto del aprendizaje automático que, en términos muy simples, puede considerarse como la automatización de la analítica predictiva. Existen tres tipos de algoritmos de aprendizaje automático: el aprendizaje supervisado, en el que los conjuntos de datos están etiquetados para que los patrones puedan ser detectados y utilizados para etiquetar nuevos conjuntos de datos; el aprendizaje no supervisado, en el que los conjuntos de datos no están etiquetados y se clasifican de acuerdo a similitudes o diferencias; y el aprendizaje de refuerzo, en el que los conjuntos de datos no están etiquetados, pero después de realizar una acción o varias acciones, el sistema de AI recibe retroalimentación.

• La visión de la máquina es la ciencia de hacer que las computadoras vean. La visión de la máquina captura y analiza la información visual usando una cámara, la conversión de analógico a digital y el procesamiento de la señal digital. A menudo se compara con la vista humana, pero la visión artificial no está vinculada a la biología y puede programarse para ver a través de las paredes, por ejemplo. Se utiliza en una amplia gama de aplicaciones, desde la identificación de la firma hasta el análisis de imágenes médicas. La visión por computador, que se centra en el procesamiento de imágenes a máquina, suele combinarse con la visión artificial.

• El procesamiento del lenguaje natural (PNL, o NLP por sus siglas en inglés) es el procesamiento del lenguaje humano y no informático por un programa informático. Uno de los ejemplos más antiguos y conocidos de PNL es la detección de spam, que mira la línea de asunto y el texto de un correo electrónico y decide si es basura. Los enfoques actuales de la PNL se basan en el aprendizaje automático. Las tareas de PNL incluyen traducción de texto, el análisis de sentimientos y el reconocimiento de voz.

• El reconocimiento de patrones es una rama del aprendizaje automático que se centra en la identificación de patrones en los datos. El término, hoy, es anticuado.

• La robótica es un campo de la ingeniería centrado en el diseño y fabricación de robots. Los robots se utilizan a menudo para realizar tareas que son difíciles de realizar para los seres humanos o es complicado que se desempeñen de manera consistente. Se utilizan en líneas de montaje para la producción de coches o por la NASA para mover objetos grandes en el espacio. Más recientemente, los investigadores están utilizando el aprendizaje automático para construir robots que puedan interactuar en entornos sociales.

Aplicaciones de AI

• AI en la asistencia sanitaria. Las mayores apuestas están en mejorar los resultados de los pacientes y reducir los costos. Las empresas están aplicando el aprendizaje de máquina para hacer diagnósticos mejores y más rápidos que los seres humanos. Una de las tecnologías sanitarias más conocidas es IBM Watson. Entiende el lenguaje natural y es capaz de responder a las preguntas que se le formulan. El sistema extrae datos de los pacientes y otras fuentes de datos disponibles para formar una hipótesis, que luego presenta con un esquema de puntuación de confianza. Otras aplicaciones de AI incluyen chatbots, un programa de computadora utilizado en línea para responder a preguntas y ayudar a los clientes, para ayudar a programar citas de seguimiento o ayudar a los pacientes a través del proceso de facturación, así como en asistentes virtuales de salud que proporcionan retroalimentación médica básica.

•AI en los negocios. La automatización de procesos robóticos se está aplicando a tareas altamente repetitivas que normalmente realizan los seres humanos. Los algoritmos de aprendizaje automático se están integrando en las plataformas de análisis y CRM para descubrir información sobre cómo servir mejor a los clientes. Los chatbots se han incorporado en los sitios web para ofrecer un servicio inmediato a los clientes. La automatización de puestos de trabajo también se ha convertido en un punto de conversación entre académicos y consultores de TI, como Gartner y Forrester.

• AI en la educación. La AI puede automatizar la calificación, dando a los educadores más tiempo. AI puede evaluar a los estudiantes y adaptarse a sus necesidades, ayudándoles a trabajar a su propio ritmo. Los tutores de AI pueden proporcionar apoyo adicional a los estudiantes, asegurando que se mantengan en el buen camino. AI podría cambiar dónde y cómo los estudiantes aprenden, tal vez incluso reemplazando a algunos maestros.

• AI en finanzas. La AI aplicada a las aplicaciones de finanzas personales, como Mint o Turbo Tax, está transformando a las instituciones financieras. Aplicaciones como estas podrían recopilar datos personales y proporcionar asesoramiento financiero. Otros programas, IBM Watson siendo uno, se han aplicado al proceso de comprar una casa.

• AI en la ley. El proceso de descubrimiento, a través de la revisión de documentos, en la ley es a menudo abrumador para los seres humanos. Automatizar este proceso es un mejor uso del tiempo y un proceso más eficiente. Las startups también están construyendo asistentes informáticos con preguntas y respuestas que pueden tamizar preguntas programadas para contestar examinando la taxonomía y la ontología asociadas a una base de datos.

• AI en la fabricación. Esta es un área que ha estado a la vanguardia de la incorporación de robots en el flujo de trabajo. Los robots industriales solían realizar tareas únicas y estaban separados de los trabajadores humanos, pero a medida que la tecnología avanza eso ha cambiado.

Algunas tendencias en Inteligencia Artificial en 2019

Si bien el año 2018 fue el momento en que la IA se hizo popular, acaparando telediarios y conversaciones en todos los sectores, este año promete ser el de la consolidación comercial y tecnológica. Aún teniendo en cuenta que la IA es más bien un deseo, un anhelo tecnológico de construir máquinas pensantes (algo que posiblemente nunca veamos), lo que actualmente llamamos comúnmente IA es un set de herramientas muy útiles y que seguirán mejorando las próximas décadas.

Expansión en el sector Retail

AmazonGo consiste en una tienda física sin dependientes. Diferentes sistemas basados en IA permiten reconocer cuándo cada usuario coge e introduce en la cesta un determinado producto, convirtiendo a los cajeros y a muchos empleados en obsoletos. Cuando terminas de hacer la compra, simplemente sales de la tienda y el recargo se efectúa de forma automática en tu cuenta de Amazon, sin tener que hacer colas ni escanear ningún artículo en la salida.

Aparentemente, Amazon pretende abrir al menos 3.000 de estas tiendas de aquí a 2021. Este modelo, que ya tiene tiendas piloto, es el pináculo de la IA en el comercio minorista . En 2019 veremos nuevas tiendas y puede que otros competidores comiencen a copiarle. La IA en este sector va a entrar con fuerza este año.

Expansión en el sector Salud

No es necesario haber seguido los desarrollos de Google Medical Brain para darse cuenta de que la IA se aplicará a la atención sanitaria de forma acelerada en 2019. La IA podría estar en el centro de la creación de un sistema de atención más centrado en el paciente, comenzando precisamente en el hogar inteligente en el futuro, a través del cual se puede monitorizar con mayor facilidad la salud de cada miembro de la familia.

La IA tendrá acceso a nuestros registros médicos electrónicos y estará implicada en casi toddos los avances en neurociencia, genética, diagnóstico de cáncer y sistemas de diagnóstico precoz de los próximos años. La IA puede predecir los resultados de los pacientes ayudando a la investigación y desarrollo de fármacos y productos farmacéuticos. Las cirugías robóticas y automatizadas continuarán aumentando, y a medida que las grandes empresas de tecnología se impliquen más en el cuidado de la salud, nuestros datos de salud se utilizarán para innovaciones específicas para la IA.

Las habilidades de Alexa ya ayudan a los ciudadanos de todo el mundo a lidiar con enfermedades y afecciones crónicas y para ayudar a los miembros de la familia a cuidar de sus seres queridos. La asistencia sanitaria es sin duda uno de los mayores ámbitos en los que más se sentirá el impacto de la IA en 2019.

Carrera armamentística

Las Fuerzas Armadas chinas y rusas y la Agencia de Investigación Avanzada de EEUU (DARPA) están invirtiendo cantidades ingentes de dinero en la aplicación de la IA en su capacidad armamentística. Especialmente preocupante es el desarrollo de estas tres naciones en las máquinas de matar automatizadas (actualmente en primeras fases en drones).

Para EEUU la IA “ofrece una nueva ruta para sostener su superioridad militar, mientras reduce el coste y el riesgo de sus soldados”. Para Rusia y China “ofrece algo más valioso: la capacidad de quebrantar la superioridad militar de EEUU”.

Lora Saalman, vicepresidenta del programa Asia/Pacífico del Instituto Este/Occidente, destaca el actual temor a falsos negativos en las armas autónomas, Además, la inteligencia artificial china está a punto de sobrepasar tecnológicamente a la estadounidense.

Investigadores en IA y robótica escribieron en 2017 una carta abierta sobre el peligro de las armas autónomas. “Una vez que se abra esta caja de Pandora será muy difícil cerrarla”, argumentaban. Elon Musk, por su parte, advirtió numerosas veces también:

“Una vez desarrolladas, las armas autónomas letales permitirán que los conflictos armados se libren a una escala mayor que nunca, y a escalas de tiempo más rápidas de lo que los humanos pueden comprender. Pueden ser armas de terror, armas que los déspotas y los terroristas usan contra poblaciones inocentes”. 2019 será un año crítico para frenar esta terrible escalada.

Chips de IA

Otra carrera, en este caso positiva, es la de los chips especializados para IA. Las empresas de tecnología están pasando por alto a los fabricantes de chips tradicionales y están creando los suyos propios. Según Arstechnica, mientras que Intel entró en el mercado con la compra de Nervana Systems en 2016 y compró una segunda compañía, Movidius, para el procesamiento de imágenes con IA, las principales empresas tecnológicas están construyendo sus propios chips. Microsoft está preparando un chip de IA para sus auriculares HoloLens VR/AR, y hay potencial para su uso en otros dispositivos. Google ya tiene un chip de IA especial para redes neuronales llamado Tensor Processing Unit, o TPU, que está disponible para aplicaciones de IA en la plataforma Google Cloud Platform. Amazon está trabajando en un chip de IA para su asistente de Alexa. Apple está trabajando en un procesador de IA llamado Motor Neural que alimentará a Siri y FaceID. ARM Holdings recientemente introdujo dos nuevos procesadores, el procesador ARM Machine Learning (ML) y el procesador ARM Object Detection (OD). Ambos se especializan en el reconocimiento de imágenes. IBM está desarrollando un procesador específico de IA, y la empresa también ha concedido una licencia NVLink de Nvidia para el procesamiento de datos de alta velocidad específicos de IA y ML. Huawei ya tiene sus chips de IA desde 2018 y Alibaba va a sacar los suyos en 2019.

En cualquier caso en 2019, los fabricantes de chips como Intel, NVIDIA, AMD, ARM y Qualcomm enviarán chips especializados que acelerarán la ejecución de aplicaciones habilitadas para la IA, incluso cuando las empresas de tecnología construyan las suyas propias. Va a ser un año de un crecimiento enorme.

El problema de la desviación humana

Muchos de los desarrollos de IA actuales tienen un problema: el sesgo humano. Los algoritmos de IA se basan en redes neuronales que necesitan datos para “aprender”. La mayor fuente de datos disponible para esta tarea es Internet, pero claro, Internet está poblado de contenido hecho por humanos, con nuestros errores y sesgos de todo tipo.

El desafío de abordar el sesgo humano en los sistemas de IA estará en primera línea en 2019. Actualmente es el talón de Aquiles de la IA en muchos servicios. Hasta que esto no se corrija, nuestra civilización no confiará plenamente en la Inteligencia Artificial. Queremos sistemas neutros, justos y precisos.

Como probablemente afirmaría Babbage, la culpa es de los datos de entrada, no de los algoritmos de IA en sí mismos, pero incluso la etnia y el género de los ingenieros de software pueden tener su papel en el sesgo en algunos cassos. La propia Facebook admite que su IA podría tardar años en reconocer la desinformación (fake news), los trolls o incluso los discursos de odio.

Estamos empezando a descubrir sesgos en los algoritmos más rudimentarios y existen sesgos en todos nuestros sistemas. Mejores conjuntos de datos y mejor formación son sólo parte de la solución. También es posible que enfoques como AlphaZero de Google, que puede aprender de cero a base de prueba y error, sean una de las soluciones.

Avances en Redes Neuronales

Las redes neuronales artificiales evocan de cierto modo el trabajo biológico del cerebro humano, utilizando pequeñas unidades que serían equivalentes a las neuronas humanas individuales, y grupos de neuronas, para producir resultados basados en las entradas que les llegan.

Una red neuronal no es un algoritmo, sino la mezcla de un marco y una metodología de aprendizaje-máquina. Por ello las posibilidades de mejora en el diseño de sistemas con más y más capas de neuronas son prometedoras, por decir lo menos.

Muchas funciones importantes de la IA se basan en los avances de las redes neuronales artificiales. De los más destacados es el procesamiento del lenguaje natural, que ha experimentado una inmensa evolución en los últimos tres años. El entrenamiento de la IA en el juego es otro ejemplo, como mencionábamos con AlphaZero. Creemos que este año veremos más avances fundamentales, ahora que la IA se ha popularizado de forma global.

Paquetes integrados de herramientas de IA para empresas

La Inteligencia puede mejorar las tareas que hacemos en nuestros trabajos, casi sin importan cuál sea. Una investigación de Gartner indica que para el 2020, “el 85% de los CIOs estarán implementando programas de inteligencia artificial a través de una combinación de compras, construcción y subcontratación”. En 2019, la IA automatizará la toma de decisiones de la manera más eficiente posible.

A medida que la Nube madura, también lo hacen los kits de herramientas de IA, que permiten a los humanos trabajar de forma más eficiente sin darse cuenta. Muchas aplicaciones de aprendizaje automático no se pueden actualmente “mirar bajo el capó”. No podemos entender los algoritmos o la lógica que hay detrás de las decisiones y recomendaciones de estas aplicaciones, pero las usamos y funcionan. Se trata básicamente de la humanización de las herramientas de IA, que ahora pueden llegar fácilmente a los trabajadores de millones de empresas. Llevar las herramientas de IA a las masas laborales será un tema importante en 2019.

Conoce como la inteligencia artificial está cambiando la forma de ver el mundo en el siguiente vídeo.

Después de todo lo que pudieron ver espero puedan responder a la siguiente pregunta:

 ¿Qué se ha logrado hasta ahora en I.A.?