La inteligencia artificial crea arte, sabe más que muchas personas y trabaja más rápido que ellas. Pero, ¿aceptará la gente robots controlados por IA que sirvan como trabajadores de servicios o entretengan a quienes necesiten atención?

¿Qué debe tener un robot para que la gente esté dispuesta a aceptarlo como compañero social? ¿Necesita un rostro, o es preciso que la máquina pueda comprender o incluso mostrar emociones? La psicóloga, neurocientífica y filósofa Agnieszka Wykowska, investigadora del Instituto Italiano de Tecnología de Génova, dice: «Tendemos a humanizarlo todo. Incluso vemos rostros en la parte delantera de los coches. Esto se intensifica cuando un robot exhibe un comportamiento similar al humano”. En una residencia de ancianos en Rendsburg, la película muestra la relación entre las personas necesitadas de cuidados y los robots. Hannes Eilers, de la Universidad de Ciencias Aplicadas de Kiel, analiza allí el uso de robots a pedido de las compañías de seguros de salud. Los robots cantan con los ancianos, juegan con ellos o demuestran ejercicios físicos; lo único que no se les permite es orar con ellos.

Los sistemas funcionan de forma autónoma. Esto significa que no pueden acceder en segundo plano a un servidor de IA, de modo que son inofensivos en términos de protección de datos. Sin embargo, los servidores de IA en segundo plano ya controlan gran parte de nuestra comunicación. No solo sugieren qué debemos leer, comer o comprar a continuación: también existen chatbots que sirven como contactos personales. El científico Hossein Rahnama del Instituto Tecnológico de Massachusetts (MIT) en Boston está perfeccionando la apariencia y la comunicación de este tipo de chatbots. Él cree que «ahora tenemos acceso a tal poder de cómputo y datos que podemos crear una versión digital de cualquiera y pronto incluso hacer que sean sensibles.»

Hace tiempo que la inteligencia artificial abandonó el espectro de la ciencia ficción para colarse en nuestras vidas y, aunque todavía en una fase muy inicial, está llamada a protagonizar una revolución equiparable a la que generó Internet. Sus aplicaciones en múltiples sectores —como salud, finanzas, transporte o educación, entre otros— han provocado que la Unión Europea desarrolle sus propias Leyes de la Robótica.

La Inteligencia Artificial (IA) es la combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades que el ser humano. Una tecnología que todavía nos resulta lejana y misteriosa, pero que desde hace unos años está presente en nuestro día a día a todas horas.
Tipos de Inteligencia Artificial
Los expertos en ciencias de la computación Stuart Russell y Peter Norvig diferencian varios tipos de inteligencia artificial:

Sistemas que piensan como humanos
Automatizan actividades como la toma de decisiones, la resolución de problemas y el aprendizaje. Un ejemplo son las redes neuronales artificiales.

Sistemas que actúan como humanos
Se trata de computadoras que realizan tareas de forma similar a como lo hacen las personas. Es el caso de los robots.

Sistemas que piensan racionalmente
Intentan emular el pensamiento lógico racional de los humanos, es decir, se investiga cómo lograr que las máquinas puedan percibir, razonar y actuar en consecuencia. Los sistemas expertos se engloban en este grupo.

Sistemas que actúan racionalmente
Idealmente, son aquellos que tratan de imitar de manera racional el comportamiento humano, como los agentes inteligentes.

Aplicaciones prácticas de la Inteligencia Artificial
La IA está presente en la detección facial de los móviles, en los asistentes virtuales de voz como Siri de Apple, Alexa de Amazon o Cortana de Microsoft y está integrada en nuestros dispositivos cotidianos a través de bots (abreviatura de robots) o aplicaciones para móvil, tales como: LyliEnlace externo, se abre en ventana nueva., un personal shopper en versión digital; ParlaEnlace externo, se abre en ventana nueva., concebida para ayudarnos con el aprendizaje de idiomas; EmsEnlace externo, se abre en ventana nueva., diseñada para hacernos un poco más llevadera la ardua tarea de encontrar nuevo piso; o GyantEnlace externo, se abre en ventana nueva., un asistente virtual de Facebook que emite ‘diagnósticos’ médicos. El objetivo de todas ellas: hacer más fácil la vida de las personas.

Los avances en IA ya están impulsando el uso del big data debido a su habilidad para procesar ingentes cantidades de datos y proporcionar ventajas comunicacionales, comerciales y empresariales que la han llevado a posicionarse como la tecnología esencial de las próximas décadas. Transporte, educación, sanidad, cultura… ningún sector se resistirá a sus encantos.

Aplicaciones prácticas de la Inteligencia Artificial
Asistentes personales virtuales.

Conviviremos con chatbots interactivos que podrán sugerirnos productos, restaurantes, hoteles, servicios, espectáculos, según nuestro historial de búsquedas.

Climáticas
Flotas de drones capaces de plantar mil millones de árboles al año para combatir la deforestación, vehículos submarinos no tripulados para detectar fugas en oleoductos, edificios inteligentes diseñados para reducir el consumo energético, etc.

Agrícolas
Plataformas específicas que, por medio de análisis predictivos, mejoran los rendimientos agrícolas y advierten de impactos ambientales adversos.

Finanzas
Las tecnologías inteligentes pueden ayudar a los bancos a detectar el fraude, predecir patrones del mercado y aconsejar operaciones a sus clientes.

Educación
Permite saber si un estudiante está a punto de cancelar su registro, sugerir nuevos cursos o crear ofertas personalizadas para optimizar el aprendizaje.

Comercial
Posibilita hacer pronósticos de ventas y elegir el producto adecuado para recomendárselo al cliente. Empresas como Amazon utilizan robots para identificar sí un libro tendrá o no éxito, incluso antes de su lanzamiento.

Logística y transporte
Será útil a la hora de evitar colisiones o atascos y también para optimizar el tráfico. Tesla ha desarrollado un sistema gracias al cual, cuando uno de sus coches transita una ruta por primera vez, comparte la información con el resto.

Sanidad
Ya existen chatbots que nos preguntan por nuestros síntomas para realizar un diagnóstico. La recolección de datos genera patrones que ayudan a identificar factores genéticos susceptibles de

La inteligencia artificial va a cambiar el mundo, pero todavía sigue siendo un misterio para Mucha gente. Descubre todo lo que tienes que saber sobre la IA en este dossier : definición, funcionamiento, historia, diferentes categorías, casos prácticos y aplicaciones.
La inteligencia artificial es una tecnología tan amplia y revolucionaria que es difícil dar una definición precisa. Puede considerarse una rama del campo de la informática, cuyo objetivo es crear máquinas capaces de realizar tareas que tradicionalmente requerían inteligencia humana.

Sin embargo, la IA es una ciencia interdisciplinaria con múltiples enfoques. Hoy en día, el Machine Learning (aprendizaje automático) y el Deep Learning (aprendizaje profundo) son dos técnicas utilizadas en empresas de todos los sectores.

¿Qué es la inteligencia artificial?
En 1950, el matemático Alan Turing se hizo una pregunta: «¿Pueden pensar las máquinas?». De hecho, esta simple pregunta transformaría el mundo.

El artículo de Alan Turing «Computing Machinery and Intelligence» y el consiguiente «Test de Turing» sentaron las bases de la inteligencia artificial, su visión y sus objetivos.

De hecho, la inteligencia artificial pretende responder afirmativamente a la pregunta de Alan Turing. Su objetivo es replicar o simular la inteligencia humana en las máquinas.

Se trata de un objetivo ambicioso, que también plantea muchos interrogantes y suscita el debate. Por ello, aún no existe una definición única de inteligencia artificial.

La descripción de «máquinas inteligentes» no explica qué es realmente la inteligencia artificial ni qué hace que una máquina sea inteligente. En un intento de remediar este problema, Stuart Russell y Peter Norvig publicaron el libro «Artificial Intelligence: A Modern Approach».

En ese libro, los dos expertos unifican sus trabajos sobre el tema de los agentes inteligentes en las máquinas. Según ellos, «la IA es el estudio de los agentes que reciben percepciones del entorno y realizan acciones».

En su opinión, cuatro enfoques distintos han definido históricamente el campo de la inteligencia artificial: el pensamiento humano, el pensamiento racional, la acción humana y la acción racional.

Los dos primeros enfoques se refieren al razonamiento y al procesamiento del pensamiento, mientras que los otros dos se refieren al comportamiento. En su libro, Norvig y Russell se centran principalmente en los agentes racionales capaces de actuar para conseguir el mejor resultado.

Por su parte, Patrick Winston, profesor de inteligencia artificial del MIT, define la IA como «algoritmos activados por restricciones, expuestos por representaciones que soportan modelos que vinculan el pensamiento, la percepción y la acción».

Otra definición moderna describe la IA como «máquinas que responden a simulaciones como los humanos, con capacidad de contemplación, juicio e intención». Estos sistemas son capaces de «tomar decisiones que normalmente requieren un nivel humano de conocimiento». Tienen tres cualidades que constituyen la esencia de la inteligencia artificial: intencionalidad, inteligencia y adaptabilidad.

Estas diferentes definiciones pueden parecer abstractas y complejas. Sin embargo, ayudan a establecer la inteligencia artificial como una ciencia informática.

En 2017, durante la Japan AI Experience, el CEO de Data Robot, Jeremy Achin, dio su propia definición moderna y con un toque de humor de la IA : «La inteligencia artificial es un sistema informático capaz de realizar tareas que normalmente requieren inteligencia humana… Muchos de estos sistemas de IA se basan en el Machine Learning, otros en el Deep Learning y otros en cosas muy aburridas como las reglas».

IA especializada vs. IA general
Hay dos categorías principales de inteligencia artificial. La inteligencia artificial de tipo «narrow» (estrecha), también conocida como «weak» (débil), sólo puede funcionar en un contexto limitado. Suele centrarse en la realización de una única tarea, que es capaz de hacer perfectamente.

Sin embargo, aunque esa máquina pueda parecer inteligente, es mucho más limitada que la inteligencia humana. No es más que una imitación de esta.

Algunos ejemplos son el motor de búsqueda web de Google, el software de reconocimiento de imágenes, los asistentes virtuales como Siri de Apple o Alexa de Amazon, los vehículos autónomos o el software como Watson de IBM.

En cambio, la segunda categoría es la inteligencia artificial «general». Esa IA es similar a las que se ven en las películas y libros de ciencia ficción.

Es una máquina dotada de una inteligencia artificial general, comparable a la de un ser humano y capaz de resolver cualquier tipo de problema. Un algoritmo universal, capaz de aprender y actuar en cualquier entorno.

Sin embargo, en realidad, este tipo de IA aún no existe. Ninguna tecnología está lo suficientemente avanzada hasta la fecha como para competir con el cerebro humano.

Por ese motivo, la creación de la IA general sigue siendo, por el momento, el «Santo Grial» de los investigadores de IA. Es una búsqueda ambiciosa, pero llena de obstáculos. A pesar de los avances técnicos, sigue siendo muy difícil diseñar una máquina con plenas capacidades cognitivas.

Machine Learning y Deep Learning
El Machine (aprendizaje automático) y el Deep Learning (aprendizaje profundo) son las dos técnicas principales de inteligencia artificial que se utilizan en la actualidad. La distinción entre IA, ML y DL puede prestarse a confusión.

En realidad, la inteligencia artificial puede definirse como una serie de algoritmos y técnicas que pretenden imitar la inteligencia humana. El Machine Learning es una categoría de IA, y el Deep Learning es una técnica de Machine Learning.

El Machine Learning es el proceso de alimentar un ordenador con datos. La máquina utiliza técnicas de análisis sobre estos datos para «aprender» a realizar una tarea.

Para conseguirlo, no necesita ninguna programación específica con millones de líneas de código. Por eso se denomina aprendizaje «automático».

El Machine Learning puede ser «supervisado» o «no supervisado». El aprendizaje supervisado se basa en series de datos etiquetados, mientras que el aprendizaje no supervisado se basa en series de datos no etiquetados.

El Deep Learning es un tipo de Machine Learning directamente inspirado en la arquitectura de las neuronas del cerebro humano. Una red neuronal artificial está compuesta por múltiples capas, a través de las cuales se procesan los datos. Esto es lo que permite que la máquina «profundice» en su aprendizaje, identificando conexiones y alterando los datos introducidos para conseguir los mejores resultados.

Aplicaciones y casos prácticos de la inteligencia artificial
La inteligencia artificial tiene muchos propósitos, como el aprendizaje, el razonamiento y la percepción. Se utiliza en todos los sectores, hasta el punto en que las aplicaciones son infinitas e imposibles de enumerar con exhaustividad.

En el ámbito de la salud, se utiliza para desarrollar tratamientos personalizados, descubrir nuevos fármacos o analizar imágenes médicas como radiografías y resonancias magnéticas. Los asistentes virtuales también pueden ayudar a los pacientes y recordarles que tomen sus pastillas o que hagan ejercicio para mantenerse en forma.

El sector del comercio minorista está utilizando la IA para ofrecer recomendaciones y publicidad personalizadas a los clientes. También puede utilizarse para optimizar la disposición de los productos o gestionar mejor el inventario.

En las fábricas, la inteligencia artificial analiza los datos de los equipos IoT para predecir la carga y la demanda mediante Deep Learning. También puede anticiparse a posibles fallos de funcionamiento e intervenir en una fase temprana.

Los bancos, por su parte, están utilizando la IA para prevenir y detectar el fraude. La tecnología también puede utilizarse para comprobar si un cliente podrá pagar el crédito que solicita y para automatizar las tareas de gestión de datos.

Estos son solo algunos ejemplos de sectores que utilizan la inteligencia artificial. Como puede verse, esta revolucionaria tecnología está llamada a revolucionar todos los sectores de actividad en los próximos años.

La historia de la inteligencia artificial
La historia de la inteligencia artificial comenzó en 1943 con la publicación del artículo «A Logical Calculus of Ideas Immanent in Nervous Activity» de Warren McCullough y Walter Pitts. En ese trabajo, los científicos presentaron el primer modelo matemático para la creación de una red neuronal.

El primer ordenador de red neuronal, Snarc, fue creado en 1950 por dos alumnos de Harvard: Marvin Minsky y Dean Edmonds. Ese mismo año, Alan Turing publicó el Test de Turing, que todavía se utiliza hoy para valorar las IA.

En 1952, Arthur Samuel creó un software capaz de aprender a jugar al ajedrez de forma autónoma. El término inteligencia artificial fue utilizado por primera vez en la conferencia «Dartmouth Summer Research Project on Artificial Intelligence» de John McCarthy en 1956.

En ese acto, los investigadores presentaron los objetivos y la visión de la IA. Muchos consideran esta conferencia como el verdadero nacimiento de la inteligencia artificial, tal y como se conoce hoy en día.

En 1959, Arthur Samuel acuñó el término Machine Learning mientras trabajaba en IBM. Por su parte, John McCarthy y Marvin Minsky fundaron el MIT Artificial Intelligence Project. En 1963, John McCarthy también creó el «AI Lab» en la Universidad de Stanford.

En los siguientes años, se cernieron dudas sobre el campo de la IA. En 1966, el informe estadounidense ALPAC puso de manifiesto la falta de avances en la investigación de la traducción automática destinada a traducir simultáneamente la lengua rusa en el contexto de la Guerra Fría. Muchos proyectos financiados por el gobierno estadounidense fueron cancelados.

Del mismo modo, en 1973, el gobierno británico publicó su informe «Lighthill» en el que destacaba las decepciones de la investigación en IA. Una vez más, los proyectos de investigación fueron reducidos por los recortes presupuestarios. Este periodo de duda duró hasta 1980, y ahora se denomina el «primer invierno de la IA«.

Ese invierno terminó con la creación de R1 (XCON) por parte de Digital Equipment Corporations. Este sistema comercial experto está diseñado para configurar los pedidos de nuevos sistemas informáticos, y provocó un auténtico auge de las inversiones que se prolongó durante más de una década.

Japón y Estados Unidos hicieron grandes inversiones en la investigación de la IA. Las empresas gastan más de mil millones de dólares al año en sistemas expertos y el sector no paraba de crecer.

Desgraciadamente, el mercado de las máquinas “Lisp” se desplomó en 1987 al surgir alternativas más baratas. Este fue el «segundo invierno de la IA». Las empresas perdieron el interés por los sistemas expertos. Los gobiernos de Estados Unidos y Japón abandonaron sus proyectos de investigación y se gastaron miles de millones de dólares para nada.

Diez años después, en 1997, la historia de la IA estuvo marcada por un acontecimiento importante. La IA Deep Blue de IBM triunfó sobre el campeón mundial de ajedrez Gary Kasparov. Por primera vez, el hombre fue derrotado por la máquina.

Diez años después, los avances tecnológicos permitieron el resurgimiento de la inteligencia artificial. En 2008, Google hizo grandes avances en el reconocimiento de voz y lanzó esa función en sus aplicaciones para smartphones.

En 2012, Andrew Ng alimentó una red neuronal con 10 millones de vídeos de YouTube como serie de datos de entrenamiento. Gracias al Deep Learning, esta red neuronal aprendió a reconocer un gato sin que se le enseñara lo que es un gato. Este fue el inicio de una nueva era para Deep Learning.

En 2016 se produjo otra victoria de la IA sobre el ser humano, con el triunfo del sistema AlphaGo de Google DeepMind sobre Lee Sedol, el campeón de Go. La inteligencia artificial también conquistó el campo de los videojuegos, especialmente con DeepMind AlphaStar en Starcraft u OpenAI Five en Dota 2.

Actualmente, empresas de todos los sectores utilizan el Deep Learning y el Machine Learning para infinidad de aplicaciones. La IA no deja de avanzar y sorprender con su rendimiento. El sueño de la inteligencia artificial general se acerca cada vez más a la realidad.

Los peligros de la inteligencia artificial
La inteligencia artificial ofrece muchas promesas para la humanidad, pero también podría representar una amenaza más peligrosa que la bomba nuclear.

Con su capacidad de aprender y evolucionar de forma autónoma, la IA podría superar algún día la inteligencia humana. Entonces podría decidir volverse contra sus creadores.

Este oscuro presagio puede parecer sacado directamente de una película de ciencia ficción, pero es una posibilidad muy real. Destacados expertos como Stephen Hawking, Elon Musk o Bill Gates ya han dado la voz de alarma sobre la inteligencia artificial.

Según ellos, la IA representa un riesgo inminente e inevitable en los próximos años. Por eso piden a los gobiernos que regulen este campo para que se desarrolle de forma ética y segura. Más de un centenar de expertos han pedido también a Naciones Unidas que prohíba los «robots asesinos» y otras armas militares autónomas.

Sin embargo, otros expertos creen que el futuro de la inteligencia artificial depende únicamente de cómo decidan utilizarla los humanos. Incluso una IA aparentemente inofensiva podría manipularse y utilizarse de forma malintencionada. Ya podemos verlo con el incremento de los «DeepFakes»: vídeos falsos creados mediante Deep Learning para mostrar a una persona en una situación comprometida.

La inteligencia artificial seguirá desarrollándose a gran velocidad en los próximos años. La humanidad es quien debe decidir qué dirección tomará su desarrollo.Ya sabes todo lo que hay que saber sobre inteligencia artificial.

Descubre ahora nuestro completo dossier sobre Data Science, y echa un vistazo más de cerca al Machine Learning.

Siguenos en X …@PBolivariana