Modelos de inteligencia artificial

Hoy en día, la tecnología está en todas partes. La sociedad se ha movido constantemente hacia una mayor automatización y digitalización, que sólo se ha visto exacerbada por la pandemia del COVID-19. El trabajo desde casa y el cierre de tiendas han consolidado la sociedad moderna como una era digital.

El aumento de la automatización y la digitalización han sido posibles gracias a la inteligencia artificial. La inteligencia artificial consiste en hacer que los ordenadores y las máquinas tomen decisiones como los humanos. Al programar los ordenadores para que imiten los patrones de pensamiento humano, son capaces de realizar aspectos de nuestro trabajo. Aunque es una idea aterradora (como las películas de ciencia ficción en las que los robots se apoderan del mundo), la IA puede hacer que los procesos sean mucho más eficaces y, a menudo, más precisos.

Existen diferentes modelos de inteligencia artificial.

• Los modelos de inteligencia artificial son las herramientas y algoritmos utilizados para entrenar a los ordenadores a procesar y analizar datos, igual que hacen los humanos.
• El aprendizaje automático es una amplia categoría que se engloba bajo la etiqueta de modelo de inteligencia artificial, en la que se enseña a los ordenadores a pensar por sí mismos y a desarrollar sus propios algoritmos tras procesar grandes cantidades de datos.
• Otros modelos de inteligencia artificial necesitan que se programe un algoritmo en el ordenador y aprenderán a ajustar el algoritmo en función de la experiencia.
• Por último, también hay modelos que no tienen capacidad de aprender por sí mismos en absoluto: sólo funcionan según el algoritmo preprogramado y necesitan la intervención ^humana.1

Por ejemplo, Google Maps y otras aplicaciones de navegación utilizan modelos de inteligencia artificial para guiarnos a nuestros destinos. La máquina recuerda los bordes de los edificios que ha aprendido utilizando datos de otros viajeros y mediante la introducción de datos a través de un algoritmo. Como la gente usa la aplicación a diario, el modelo incorpora los datos recogidos de esos viajes y puede dar información más precisa sobre la ruta al reconocer los ^cambios en el flujo de tráfico.2

Sin embargo, queda una gran pregunta: ¿mejoran los modelos de inteligencia artificial a la humanidad y a la sociedad, o corren el riesgo de convertir a los humanos en redundantes? He aquí dos opiniones diferentes:

"El desarrollo de una inteligencia artificial completa podría significar el fin de la raza humana... Despegaría por sí sola y se rediseñaría a un ritmo cada vez mayor. Los humanos, limitados por una evolución biológica lenta, no podrían competir y serían desbancados".

- Stephen Hawking, físico teórico inglés que descubrió que los agujeros negros emiten radiación y fue el primero en descubrir una teoría de la relatividad y de la mecánica cuánti^ca.3

"Algunos lo llaman inteligencia artificial, pero la realidad es que esta tecnología nos aumentará. Así que en vez de inteligencia artificial, creo que aumentaremos nuestra inteligencia".

- Ginni Rometty, ejecutiva estadounidense que fue la primera mujer presidenta y consejera delegada de IBM.3

Inteligencia artificial: rama de la informática en la que la ingeniería de las máquinas imita la resolución de problemas y la toma de decisiones humanas. Es lo contrario de la "inteligencia natural", que muestran los ^seres humanos y los animales.4

El efecto de la inteligencia artificial: un fenómeno en el que la gente ya no ve la inteligencia artificial como lo que es después de convertirse en una parte generalizada de la vida cotidiana. Se ve como una herramienta porque estamos muy acostumbrados a que la tecnología complete una tarea y oculte el trabajo que hay detrás. Por ejemplo, es probable que no piense que ^Google Maps utiliza un modelo de inteligencia artificial5.

Aprendizaje automático: proceso por el que un ordenador intenta aprender del pasado. Los datos se introducen en una máquina, pasan por un algoritmo (un modelo de inteligencia artificial) y producen un resultado. Si el ordenador devuelve el resultado correcto, confirma el algoritmo. Si es incorrecto, ajusta el algoritmo en consecuencⁱa6.

Redes neuronales: Los modelos artificiales se diseñan con redes neuronales. Las redes neuronales imitan la forma en que las neuronas de nuestro cerebro interactúan entre sí: una entrada desencaden^a una respuesta y crea una salida.6

Aprendizaje profundo: El aprendizaje profundo es la forma en que funciona el aprendizaje automático. Mientras que algunos modelos de inteligencia artificial se construyen introduciendo primero un algoritmo, el aprendizaje profundo es una técnica en la que la máquina ^desarrolla un algoritmo tras encontrarse con grandes cantidades de datos.4

Máquina de Turing: una máquina de Turing es una máquina hipotética desarrollada por el matemático Alan Turing en 1936. Era una máquina que, cambiando los datos en 0 y 1 (simplificando los datos a lo esencial) podía simular cualquier algo^ritmo informático.7

Modelos de aprendizaje automático supervisado: modelos de inteligencia artificial que requieren formación humana. Las personas etiquetarán conjuntos de datos y el modelo aprenderá de la forma en que ^los humanos analizan los datos.8

Modelos de aprendizaje automático no supervisado: modelos de inteligencia artificial que no requieren intervención humana. En su lugar, estos modelos se entrenan mediante software, que identifica patrones ^para que el ordenador pueda imitarlos.8

Modelos de aprendizaje automático semisupervisado: modelos de inteligencia artificial que combinan enfoques de aprendizaje automático supervisado y no supervisado, utilizando tanto formación humana como formación mediante software.8

Los matemáticos Alonzo Church y Alan Turing fueron los primeros en utilizar la computación como dispositivo para realizar razonamientos formales. En 1936 desarrollaron la tesis de Church-Turing, que sugiere que cualquier cálculo del mundo real puede traducirse en un cálculo equivalente con una máquina de Turing. La tesis se desarrolló poco después de que Turing desarrollara la máquina de Turing, y abrió el abanico de posibilidades del aprendizaje por ordenador. La gente empezó a creer que sería posible c^onstruir un cerebro electrónico9.

Como el acceso a los ordenadores no estaba generalizado en 1936, el "cerebro electrónico" tardó unos años en convertirse en una teoría matizada. El modelo de Turing era sólo hipotético, pero en 1943, el neurocientífico Warren Sturgis McCulloch y el lógico Walter Harry Pitts lo formalizaron y crearon la primera teoría computacional de la mente y el cerebro. En su artículo titulado "A Logical Calculus of the Ideas Immanent in Nervous Activity" (Un cálculo lógico de las ideas inherentes a la ^actividad nerviosa), explicaban cómo los mecanismos neuronales de los ordenadores podían realizar funciones mentales.10

Sin embargo, la inteligencia artificial no fue una realidad hasta 1949, porque los ordenadores no podían almacenar órdenes. Aunque podían ejecutarlos, no podían retener un modelo de inteligencia artificial. Nadie había hecho aún de esa realidad una posibilidad porque la informática era muy cara. El término inteligencia artificial ni siquiera se acuñó hasta 1955, y fue ese mismo año cuando los informáticos y psicólogos cognitivos Allen Newell, Cliff Shaw y Herbert Simon crearon una prueba de concepto de inteligencia artificial. Desarrollaron el Logic Theorist, un programa que utilizaba la inteligencia artificial para imitar la capacidad de resol^ución de problemas de un ser humano.11

A partir de ese momento, muchos se interesaron por desarrollar modelos de inteligencia artificial. En 1997, el informático estadounidense Tom Mitchell dio una definición de inteligencia artificial más refinada de lo que se había expresado hasta entonces. La definió como "se dice que un programa informático aprende de la experiencia E con respecto a alguna tarea T y alguna medida de rendimiento P, si su rendimiento en T, medido por P, ^mejora con la experiencia E". 12

Vamos a representarlo con el ejemplo de Google Maps. Si queremos que un ordenador prediga las pautas de tráfico (tarea T), debemos someter un programa a un modelo de inteligencia artificial con datos sobre las pautas de tráfico anteriores (experiencia E) y, una vez que haya aprendido, podrá predecir mejor las pautas de tráfico futuras (ren^dimiento P).12

Hay cientos de usos prácticos e importantes de los modelos de inteligencia artificial. Los modelos de IA ayudan a que el análisis y el procesamiento de datos sean más eficientes y aumentan la automatización. Tanto el aprendizaje profundo como los modelos de inteligencia artificial están revolucionando la sociedad.

Al principio, los modelos de inteligencia artificial eran máquinas reactivas que no podían almacenar ninguna memoria, lo que significa que no podían aprender de la experiencia. Hoy en día, todos los ordenadores de inteligencia artificial pueden almacenar memoria, lo que significa que las máquinas mejoran constantemente en el análisis de datos. Mientras que las máquinas de aprendizaje profundo aprenden completamente de la experiencia, los ordenadores que se rigen p^or modelos de inteligencia artificial siguen perfeccionando sus algoritmos a través de la experiencia.13 Estas máquinas están haciendo que los procesos sean más eficientes, reduciendo la necesidad de int^ervención humana (y, por tanto, reduciendo los errores humanos), y pueden ayudar a las organizaciones a entender cómo mejorar sus funciones.14

Existen ventajas tanto en los modelos de aprendizaje automático como en los de inteligencia artificial que no aprenden únicamente de la experiencia, sino que utilizan algoritmos preprogramados. Los que utilizan algoritmos preprogramados pueden procesar rápidamente los datos y ofrecer los resultados deseados. No requieren tiempo adicional para "aprender" qué hacer, sólo para perfeccionar sus procesos, por lo que requieren maquinaria más sencilla y barata. El aprendizaje automático, aunque más caro, puede procesar datos más complejos y es autosuficiente, por lo que no requiere tanta intervención humana.

Hay bastantes controversias éticas cuando se trata de modelos de inteligencia artificial.

Una es que muchos modelos de inteligencia artificial se utilizan para "sondear" nuestro comportamiento, ya sea nuestra huella digital o el reconocimiento facial, y no sabemos exactamente cómo se utilizan o almacenan los datos.

En el aprendizaje automático, dado que los modelos de inteligencia artificial aprenden por sí mismos, la preocupación ética es que existe una falta de transparencia con l^as herramientas de inteligencia artificial.15 Para los modelos que no se rigen por el aprendizaje automático, pueden existir sesgos en los algoritmos que se introducen en los programas. Por ejemplo, ha habido una gran controversia en torno al reconocimiento facial después de que se hiciera evidente que esta tecnología era significativamente menos precisa a la hora de reconocer los rostros de las personas de raza negra. Esto se debió a que el equipo que creó los modelos era mayoritariamente blanco y no era tan preciso a la hora de disti^nguir entre personas de color. Sus prejuicios se integraron en el modelo de inteligencia artificial.16

También está la cuestión de si los modelos de inteligencia artificial pueden incluir la moralidad como parte de su programación. Si un coche autónomo se encuentra en una situación en la que puede atropellar a un peatón si no pisa el freno, debe decidir entre la seguridad de los ocupantes del vehículo y la del peatón.

También hay quien piensa que la inteligencia artificial está reduciendo nuestra humanidad y lo que es natural. Fenómenos como los "bebés de diseño", en los que las personas pueden elegir los genes que tendrá un niño, son objeto de debate sobre si se alejan de lo natural. Estas innovaciones nos obligan a considerar los aspectos morales y éticos de la inteligencia artificial. Como declaró el Presidente Ejecutivo del Foro Económico Mundial, Klaus Schwab, "Debemos abordar, individual y colectivamente, las cuestiones morales y éticas que plantea la investigación de vanguardia en inteligencia artificial y biotecnología, que permitirá una prolongación significativa de l^a vida, los bebés de diseño y la extracción de memoria". 3

In Medicine

Los modelos de inteligencia artificial pueden detectar el cáncer en los pacientes. Mediante el análisis de radiografías e imágenes CRT, son capaces de detectar anomalías en el cuerpo humano relacionadas con el cáncer. En la actualidad, estos modelos se basan en el aprendizaje automático y son cada vez más precisos y capaces de reconocer incluso cá^nceres anormales, ya que han aprendido a través de la experiencia.17

En Comunicación

¿Te has preguntado alguna vez cómo nuestros teléfonos predicen lo que vamos a decir a continuación? Nuestros teléfonos nos sugieren la siguiente palabra en un mensaje de texto o predicen el final de la frase en un correo electrónico. También nos hacen sugerencias cuando creen que hemos escrito mal una palabra. Todo esto es posible gracias a modelos de inteligencia artificial, en los que nuestros teléfonos analizan nuestra comunicación anterior (y los patrone^s de comunicación de la población en general) para predecir lo que queremos decir a continuación.2

Chatbots y asistentes digitales

Los chatbots han sustituido a los agentes de atención al cliente, ya sea Alexa o Siri. Los chatbots pueden responder eficazmente a preguntas frecuentes analizando la pregunta del cliente y comparándola con experiencias anteriores. Los asistentes digitales escuchan su voz, procesan y analizan los datos y realizan la fun^ción deseada.2

Anuncios específicos

Todos hemos oído hablar de las teorías conspirativas según las cuales nuestros teléfonos nos escuchan, pero nuestros teléfonos almacenan tantos datos sobre nosotros que no necesitan escucharnos para poblar nuestras redes sociales con anuncios dirigidos. Basándose en tus búsquedas anteriores, en las búsquedas de las personas de tu red y en marcadores demográficos, los modelos de inteligencia artificial predicen qué p^roductos es más probable que compres y te los muestran en tus feeds.2

Combinar la IA y las ciencias del comportamiento de forma responsable

La inteligencia artificial se utiliza para revolucionar todos los campos, incluidas las ciencias del comportamiento. Dado que "inteligencia artificial" es una palabra de moda y abarca muchas variaciones del aprendizaje por ordenador, este artículo ayuda a desglosar qué es exactamente la inteligencia artificial y cómo se utiliza tanto positiva como negativamente. Nuestro colaborador Julian Hazell explora si la inteligencia artificial realmente nos da una mayor comprensión del comportamiento humano, o si la programamos para reforzar nuestras creencias preexistentes.

La gobernanza de la IA

Hoy en día, los datos son uno de los recursos más valiosos (a veces más que el dinero) y rigen gran parte de nuestras vidas. Los datos determinan qué anuncios se nos muestran, qué productos compramos y configuran lo que nos gusta y lo que no. Todas nuestras decisiones están en cierto modo guiadas por los datos. Sin embargo, en este artículo, nuestros colaboradores Mark Esposito, Danny Goh, Josh Entsminger y Terence Tse se preguntan si deberíamos sentirnos cómodos viviendo en una sociedad en la que nuestro comportamiento está determinado por la IA o, lo que es más importante, por las personas que controlan la IA. Se preguntan quién es responsable de garantizar que la forma en que se utiliza la IA y se comparten los datos es ética.

1. ¿Qué es un modelo de IA? Esto es lo que necesita saber. (2021, 6 de julio). viso.ai. https://viso.ai/deep-learning/ml-ai-models/
2. Reeves, S. (2020, 10 de agosto). 8 útiles ejemplos cotidianos de inteligencia artificial. IoT Para Todos. https://www.iotforall.com/8-helpful-everyday-examples-of-artificial-intelligence
3. Marr, B. (2017, 25 de julio). Las 28 mejores citas sobre inteligencia artificial. Forbes. https://www.forbes.com/sites/bernardmarr/2017/07/25/28-best-quotes-about-artificial-intelligence/?sh=115b1a8a4a6f
4. Aprendizaje profundo. (2021, 1 de octubre). The Decision Lab. https://thedecisionlab.com/reference-guide/computer-science/deep-learning/
5. ¿Qué es el efecto IA y está a punto de repetirse? (2020, 3 de diciembre). ThinkAutomation. https://www.thinkautomation.com/bots-and-ai/what-is-the-ai-effect-and-is-it-set-to-happen-again/
6. Aprendizaje automático. (2021, 7 de octubre). The Decision Lab. https://thedecisionlab.com/reference-guide/computer-science/machine-learning/
7. Mullins, R. (2012). Raspberry Pi. Departamento de Informática y Tecnología. https://www.cl.cam.ac.uk/projects/raspberrypi/tutorials/turing-machine/one.html
8. Soha, G. (24 de mayo). ¿Qué es un modelo de IA? Reveal Brainspace. Obtenido el 1 de noviembre de 2021, del sitio Web: https://resource.revealdata.com/en/blog/what-is-an-ai-model.
9. Rustagi, D. (2020, 20 de mayo). Tesis de Church para la máquina de Turing. GeeksforGeeks. https://www.geeksforgeeks.org/churchs-thesis-for-turing-machine/
10. Piccinini, G. (2004). La primera teoría computacional de la mente y el cerebro: A close look at Mcculloch and Pitts's "Logical calculus of ideas immanent in nervous activity". Synthese, 141(2), 175-215. https://doi.org/10.1023/b:synt.0000043018.52445.3e
11. Anyoha, R. (2017, 28 de agosto). La historia de la inteligencia artificial. Science in the News. https://sitn.hms.harvard.edu/flash/2017/history-artificial-intelligence/
12. McCrea, N. (2014, 8 de agosto). Introducción a la teoría del aprendizaje automático y sus aplicaciones: Un Tutorial Visual con Ejemplos. Blog de ingeniería Toptal. https://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer
13. Press, G. (2016, 30 de diciembre). Brevísima historia de la inteligencia artificial (IA). Forbes. https://www.forbes.com/sites/gilpress/2016/12/30/a-very-short-history-of-artificial-intelligence-ai/?sh=398b8256fba2
14. McKinsey. (2018, 25 de abril). El potencial y las limitaciones de la inteligencia artificial en el mundo real. McKinsey Podcast [Episodio de podcast de audio]. https://www.mckinsey.com/featured-insights/artificial-intelligence/the-real-world-potential-and-limitations-of-artificial-intelligence
15. Inteligencia Artificial: ejemplos de dilemas éticos. (2020, 2 de octubre). UNESCO. Obtenido el 1 de noviembre de 2021, del sitio Web: https://en.unesco.org/artificial-intelligence/ethics/cases.
16. Najibi, A. (2020, 24 de octubre). Discriminación racial en la tecnología de reconocimiento facial. Science in the News. https://sitn.hms.harvard.edu/flash/2020/racial-discrimination-in-face-recognition-technology/
17. Cruz, J. A., & Wishart, D. S. (2006). Aplicaciones del aprendizaje automático en la predicción y el pronóstico del cáncer. Cancer Informatics, 2, 117693510600200. https://doi.org/10.1177/117693510600200030