“Físicamente, y hasta cierto punto mentalmente, un robot, cualquier robot, es superior a un ser humano”
Yo Robot, Isaac Asimov (1950)
Inundado de frases y situaciones icónicas, y con la mítica formulación de las tres leyes que deben regir la ética y moral de imaginadas máquinas inteligentes, y autoconscientes, libros como el de Asimov alimentaron los sueños tecnológicos y futuristas de varias generaciones de adolescentes, y no tanto (entra las que me incluyo). Ante los recientes avances, y sobre todo la difusión mediática, en el campo de la inteligencia artificial, que aparece para convertirse en una “nueva revolución tecnológica” llamada a cambiar la forma que tenemos de trabajar, y de interactuar con las máquinas, nos vemos tentados a rescatar estas visiones un tanto “vernianas” que nos apartan de la utilidad práctica que tienen, y los cambios que verdaderamente van a suponer para nuestro día a día.
La inteligencia artificial es un área que centra en la creación de sistemas y máquinas capaces de realizar tareas que requerirían de inteligencia humana para su resolución
Lejos de robots irredentos con conflictos morales no resueltos, la inteligencia artificial es un área que se centra en la creación de sistemas y máquinas capaces de realizar tareas que requerirían de inteligencia humana para su resolución. En definitiva, estos sistemas persiguen simular procesos cognitivos asociados a la condición humana, como el razonamiento, la percepción, el aprendizaje o el reconocimiento de patrones, de manera que les permitan la resolución de problemas y la toma de decisiones de una forma más o menos automatizada. Una visión quizás menos apasionante, pero desde luego de mucha mayor aplicación práctica en nuestro día a día.
El término “inteligencia artificial” aparece por primera vez en el contexto de la conferencia de Darmouth allá por 1956 de la mano del profesor John McCarthy. Esta intervención se ha considerado el germen de la disciplina
De hecho, por novedoso que pueda parecer, el término “inteligencia artificial” aparece por primera vez en el contexto de la conferencia de Darmouth allá por 1956 de la mano del profesor John McCarthy. Esta intervención se ha considerado el germen de la disciplina. Estos inicios fueron seguidos con avances como lo que podemos considerar el primer chatbot en 1966 ELIZA, no tan locuaz como los actuales, pero quedémonos con las fechas, es un área que lleva mucho tiempo de investigación y desarrollo. Y así se ha ido avanzando en distintas áreas, desde temas más científicos y prácticos a otros más lúdicos y asociados a los juegos, implantándose como un término ampliamente utilizado.
Así pues, lo que ya todos conocemos como “la IA” (o bien AI, cuando las fuentes son en inglés) tiene aplicaciones de interés en numerosos campos. Desde la medicina a la industria, a procesos de seguridad, mejora de los procesos educativos o la seguridad entre muchos otros. Cuenta por tanto con un potencial de transformar en gran medida la forma que tenemos de abordar la resolución de problemas, nuestra actual forma de trabajar e incluso cómo interactuamos actualmente con la tecnología.
Si a estas consideraciones añadimos que se basan en algoritmos y modelos matemáticos capaces de procesar enormes cantidades de datos (cada vez más), e incluso aprender de ellos, ofreciéndonos conclusiones sobre los mismos y nuevos puntos de vista sin necesidad de una programación explícita de cada tarea necesaria, la aplicación de la IA en el campo de la analítica de datos es más que evidente, y necesaria.
La aplicación de la IA en el campo de la analítica de datos es más que evidente, y necesaria.
El propio área de actividad está repleta de términos, que solemos confundir entre ellos mismos, siendo el propio Inteligencia artificial el más genérico y que engloba el resto, contamos así con términos “hiper-utilizados” como el de Machine Learning (Aprendizaje autimático), que es un subcampo de la IA. Comprende los algoritmos y modelos que permiten a las máquinas aprender a partir de los datos y mejorar el rendimiento de las tareas específicas que les son encomendadas sin necesidad de que se programen de forma explícita. Otro también con dilatada literatura y difusión medíatica es el de Deep Learning (Aprendizaje profundo), subcategoría del anterior, que base en uso de redes neuronales (Neural networks) y otros elementos de procesamiento para aprender representaciones jerárquicas de los datos capturando características complejas que los habilitan a realizar tareas avanzadas (como puedan ser la clasificación de imágenes, traducción de idiomas…).
Son distintos ámbitos de la IA, y que conviene tener presente que unos engloban a otros, lo que nos puede llevar a cierta confusión.
Estas IA, o más bien los sistemas que cuentan con estas IA, se clasifican en estos tres grandes grupos de acuerdo con su capacidad:
1. Inteligencia Artificial Débil (AI Narrow o Weak AI), referida a sistemas que están diseñados para realizar tareas específicas y limitadas. Especializados en un dominio particular, no tienen capacidad para realizar tareas fuera de ese ámbito. Contamos ejemplos de IA débiles en sistemas de reconocimiento de voz, de reconocimientos de patrones, chatbots… Nos encontramos, por tanto, que la mayoría de las aplicaciones actuales que se usan ya en nuestra vida cotidiana entrarían en esta clasificación.
2. Inteligencia Artificial General (AGI o Strong AI), es un objetivo a largo plazo dentro del campo de la inteligencia artificial. Aspira a replicar la inteligencia humana en su totalidad, siendo capaz de comprender, aprender y razonar en diversos contextos. Podría, por tanto, afrontar un amplio abanico de problemas de manera similar a lo que lo hacemos lo seres humanos. Como comento se encuentra en proceso de investigación y desarrollo, y va mucho más allá de los avances que tanto nos sorprenden (alimentados de forma consciente por los medios) pero que siguen dentro de la IA débil que comentábamos anteriormente.
3. Superinteligencia Artificial (ASI), iría más allá de la inteligencia humana en todos los aspectos, superándola en todas las áreas cognitivas y creativas. No nos llevemos a equívoco, actualmente es un mero título de clasificación, y como concepto es absolutamente especulativo. Por mucho que en ocasiones nos lo pueda parecer, la consecución de este tipo de sistemas es a día de hoy todavía cuestionable (más aún con el estado incipiente de los dos anteriores). Se acercarían a hacer auténtica la frase con la que comenzábamos el artículo.
También podemos abordar la clasificación las inteligencias artificiales, de acuerdo con la propuesta de Arend Hinze (investigador de la Universidad de Michigan), teniendo en cuenta su funcionalidad, la complejidad de las mismas y de los problemas que son capaces de resolver. Divididas en cuatro grandes grupos de acuerdo con su funcionalidad:
1. IA Reactiva, la más básica de todas, basad únicamente en la información disponible en el momento presente. No tienen capacidad de aprendizaje ni memoria a largo plazo. Ejemplos icónicos son sistemas de juego como el de ajedrez de Deep Blue (que en su momento todavía nos sorprendía…).
2. IA Limitada o basada en la memoria, aquí ya se incluye el aprendizaje de experiencias pasadas y tomar decisiones basadas en esa información almacenada. Sigue estando limitada, de ahí su nombre, dado que no es capaz de generalizar para ir más allá de su área de experiencia. Los encontramos en determinados chatbots, en sistemas de recomendación…
3. IA Teórica o de Conciencia, damos el salto a la capacidad de razonar y entender el mundo de manera similar a los humanos (atendiendo a la clasificación por capacidad ya son IA fuerte…). Apoyada en esa capacidad de entender el contexto y de aprender de la experiencia, se adaptaría a nuevas situaciones de las que no se ha aportado una solución previa. Aquí ya nos movemos en el campo del desarrollo e investigación.
4. IA Consciente o de Autodescubrimiento, volvemos al campo de la hipótesis (y las ASI), son IA que tienen conciencia de su entorno y de si mismas. Van mucho más allá de lo alcanzado en la actualidad, aunque son objetivo de investigación a largo plazo.
Vistas las clasificaciones y puesta de contexto de la IA como área tecnológica, nuestro enfoque se va a centrar en su aplicación real (nos olvidamos de hipótesis, teorías …) y actual de estos elementos fundamentales para la extracción y procesado de datos y para la toma informada de decisiones sobre conjuntos de datos cada vez más complejos.
Nuestro enfoque se va a centrar en elementos fundamentales para la extracción y procesado de datos y para la toma informada de decisiones sobre conjuntos de datos cada vez más complejos.
Aquí abordaremos distintos elementos o subcampos de la IA. Desde el aprendizaje automático, para la detección y comprensión de patrones en nuestros datos que puedan ser entrenados para ayudarnos en las tareas de clasificación y recomendación sobre los mismos, hasta los modelos predictivos que en base a tendencias históricas., no permitan alcanzar predicciones de comportamientos futuros con cierto grado fiabilidad.
También la automatización de decisiones que propongan acciones a realizar a tenor de las conclusiones obtenidas, permitiendo la optimización de procesos dentro de nuestras organizaciones. Sin olvidarnos con la generación de contenido sobre el que el usuario pueda interactuar, seleccionar o preguntar, entrando ya en el campo del procesamiento de lenguaje natural (PLN) y las IA generativas aplicada a la creación de dashboard y visualizaciones de datos que evolucionan con nuestros datos, y el uso y resultados que obtenemos de ellos.
Estos temas de IA aplicada cuentan con suficiente entidad para que los vayamos desglosando en próximas entradas de nuestro blog, con el objeto de dar una visión objetiva de la aplicación de la IA en el mundo de los datos a día de hoy, y llegado el momento, qué podemos esperar que se vaya materializando en un futuro inmediato. Durante este viaje, pasaremos de las conjeturas y la literatura, al trabajo real y los beneficios que su aplicación va a traer a nuestros equipos.
(* Nota informativa: todas las imágenes han sido generadas mediante “prompts” sobre la plataforma Copilot)
