La columna de la semana: ¿La Inteligencia Artificial es positiva?

¿Qué es la inteligencia artificial (IA)?

Ilustración de cómo la IA permite que las computadoras piensen como humanos, aplicaciones interconectadas y el impacto en la vida moderna. La columna de esta semana no pretende emitir ni juicio de valor ni una opinión acerca del tema en cuestión. No obstante, las descripciones que se proporcionan (se cita la fuente informativa) valen para acuñar conceptos de cada lector para con las nuevas tecnologías. Aunque la pregunta que surge es...¿le sirve a los seres humanos?

¿Qué es la IA?

Tipos de inteligencia artificial: IA débil frente a IA fuerte-Aprendizaje profundo vs. Aprendizaje automático-El auge de los modelos generativos- Aplicaciones de inteligencia artificial-Historia de la inteligencia artificial: fechas y nombres clave.

La inteligencia artificial, o IA, es tecnología que permite que las computadoras simulen la inteligencia humana y las capacidades humanas de resolución de problemas.

Por sí sola o combinada con otras tecnologías (por ejemplo, sensores, geolocalización, robótica), la IA puede realizar tareas que de otro modo requerirían inteligencia o intervención humana. Los asistentes digitales, la guía por GPS, los vehículos autónomos y las herramientas de inteligencia artificial generativa (como Chat GPT de Open AI) son solo algunos ejemplos de inteligencia artificial en las noticias diarias y en nuestra vida cotidiana.

Como campo de la informática, la inteligencia artificial abarca (y a menudo se menciona junto con) el aprendizaje automático y el aprendizaje profundo. Estas disciplinas implican el desarrollo de algoritmos de IA, modelados a partir de los procesos de toma de decisiones del cerebro humano, que pueden "aprender" de los datos disponibles y realizar clasificaciones o predicciones cada vez más precisas con el tiempo.

La inteligencia artificial ha pasado por muchos ciclos de exageración, pero incluso para los escépticos, el lanzamiento de ChatGPT parece marcar un punto de inflexión. La última vez que la IA generativa fue tan importante, los avances se produjeron en la visión por computadora, pero el salto se produce en el procesamiento de lenguaje natural (PLN). Hoy en día, la IA generativa puede aprender y sintetizar no solo el lenguaje humano sino también otros tipos de datos, como imágenes, vídeos, códigos de software e incluso estructuras moleculares.

Las aplicaciones para la IA crecen cada día. Pero a medida que se dispara el revuelo en torno al uso de herramientas de IA en las empresas, las conversaciones sobre la ética de la IA y la IA responsable se vuelven de vital importancia. Para obtener más información sobre la posición de IBM en estos temas, lea Generar confianza en la IA.

La definición de Alan Turing habría caído bajo la categoría de "sistemas que actúan como humanos".

En su forma más simple, la inteligencia artificial es un campo que combina la informática y conjuntos de datos robustos para permitir la resolución de problemas. También engloba los subcampos del aprendizaje automático y el aprendizaje profundo, que se mencionan con frecuencia junto con la inteligencia artificial. Estas disciplinas están compuestas por algoritmos de IA que buscan crear sistemas expertos que hagan predicciones o clasificaciones basadas en datos de entrada.

Las aplicaciones para esta tecnología están creciendo cada día, y apenas se está empezando a explorar las posibilidades. Pero a medida que se extiende el uso de la IA en las empresas, las conversaciones sobre ética adquieren una importancia crítica. Para leer más sobre dónde se encuentra IBM dentro de la conversación en torno a la ética de la IA, lea más aquí.

Tipos de inteligencia artificial: IA débil frente a IA fuerte

La IA débil, también llamada IA estrecha o Inteligencia artificial estrecha (ANI), es una IA entrenada y enfocada para realizar tareas específicas. La IA débil impulsa la mayor parte de la IA que nos rodea hoy. "Estrecho" podría ser un descriptor más preciso para este tipo de IA, ya que no tiene nada de débil; permite algunas aplicaciones muy potentes, como Siri de Apple, Alexa de Amazon, IBM Watson y vehículos autónomos.

 Los modelos generativos

Los modelos generativos se han utilizado durante años en estadísticas para analizar datos numéricos. Sin embargo, el auge del aprendizaje profundo permitió ampliarlos a imágenes, voz y otros tipos de datos complejos. Entre la primera clase de modelos que lograron esta hazaña cruzada se encuentran los autocodificadores variacionales, o VAE, introducidos en el 2013. Los VAE fueron los primeros modelos de aprendizaje profundo que se usaban ampliamente para generar imágenes y discursos realistas.

“Los VAEs abrieron las puertas al modelado generativo profundo haciendo que los modelos sean más fáciles de escalar”, dijo Akash Srivastava, experto en IA generativa del MIT-IBM watsonx AI Lab. “Gran parte de lo que hoy pensamos como IA generativa comenzó aquí”.

Aplicaciones de inteligencia artificial

Hoy en día, existen numerosas aplicaciones reales para sistemas de IA A continuación se presentan algunos de los casos de uso más comunes.

Muchos dispositivos móviles incorporan reconocimiento de voz en sus sistemas para realizar búsquedas por voz (Siri, por ejemplo) o brindar más accesibilidad para enviar mensajes de texto en inglés o en muchos idiomas ampliamente utilizados. Vea cómo Don Johnston utilizó IBM Watson Text to Speech para mejorar la accesibilidad en el aula con nuestro estudio de caso. La atención al cliente es lo más caracterítico.

Los  agentes virtuales en línea y los chatbots están reemplazando a los agentes humanos a lo largo del recorrido del cliente. Responden preguntas frecuentes (FAQ) sobre temas como el envío, o brindan asesoramiento personalizado, venta cruzada de productos o sugerencias de tamaños para los usuarios, cambiando la forma en que pensamos sobre la participación del cliente en sitios web y plataformas de redes sociales. Esos ejemplos incluyen a los llamados bots.

Marvin Minsky y Seymour Papert publican un libro titulado Perceptrons, que se convierte en el trabajo de referencia en redes neuronales y, al menos por un tiempo, en un argumento contra futuros proyectos de investigación de redes neuronales.

1980: Las redes neuronales que utilizan un algoritmo de retropropagación para entrenarse a sí mismas se utilizan ampliamente en aplicaciones de IA.

1997: El sistema Deep Blue de IBM vence al campeón mundial de ajedrez Garry Kasparov, en una partida de ajedrez (y revancha).

2011: IBM Watson vence a los campeones Ken Jennings y Brad Rutter en Jeopardy!

2015: La supercomputadora Minwa de Baidu usa un tipo especial de red neuronal profunda, llamada red neuronal convolucional, para identificar y categorizar imágenes con una mayor precisión que el promedio humano.

2016: El programa AlphaGo de DeepMind, impulsado por una red neuronal profunda, vence a Lee Sodol, el campeón mundial de Go, en un partido de cinco juegos. La victoria es significativa dado el gran número de movimientos posibles a medida que el juego progresa (¡más de 14,5 billones después de solamente cuatro movimientos!). Más tarde, Google compró DeepMind por USD 400 millones.(Fuente IBM- Don Johnston utilizó IBM Watson Text to speech para mejorar accesibildiad en el aula).