Desarrollo de pensamientos simulados: cómo ha evolucionado la inteligencia artificial y qué le espera en el futuro

La inteligencia artificial (IA) no es una herramienta o un programa, sino una rama de la informática que entra dentro de la ciencia de datos. Los especialistas en inteligencia artificial desarrollan sistemas que analizan información y resuelven problemas de manera similar a como lo hacen los humanos. 

La IA utiliza algoritmos que permiten que una computadora procese grandes cantidades de datos y encuentre patrones en ellos a través del aprendizaje automático o Machine Learning. A partir de estos patrones, la computadora puede sacar conclusiones, predecir eventos o tomar decisiones. Exploremos a profundidad qué es la inteligencia artificial, cómo se ha adaptado a nuestra sociedad y que deberíamos esperar en el futuro.  

Imaginemos que nuestro cerebro es un enorme equipo de empleados que trabajan juntos en diferentes proyectos. La inteligencia artificial es un intento de crear el mismo equipo utilizando computadoras y programas. Un ejemplo simple de IA es una computadora de ajedrez que puede utilizar la situación en el tablero y realizar movimientos basados en ciertas reglas y tácticas. La computadora imita el proceso de pensamiento humano al jugar al ajedrez, pero lo hace con la ayuda de algoritmos y cálculos matemáticos. 

En ocasiones se confunde la IA con las redes neuronales; esto solo es parcialmente cierto. Las redes neuronales son un enfoque para crear IA inspirada en el sistema de neuronas del cerebro humano. En lugar de escribir algoritmos complejos para resolver problemas, las redes neuronales aprenden de grandes cantidades de datos y encuentran patrones en ellos. 

Un profesional que trabaja con redes neuronales puede dedicarse a la ciencia de datos, campo interdisciplinario que combina conocimientos de estadística, Machine Learning, análisis de datos y programación. Un especialista en ciencia de datos utiliza datos para resolver problemas comerciales. Por ejemplo, mejora las tecnologías que recomiendan música o películas en las plataformas de streaming. 

No obstante, un científico de datos no es el úncio profesional de TI que puede producir inteligencia artificial: desarrolladores, analistas, especialistas en ciberseguridad y especialistas en Machine Learning también pueden desarrollar estos sistemas inteligentes. Al final, lo que una persona necesita para crear, mantener y mejorar tecnologías de IA es:

- contar con conocimientos de matemáticas, estadística, principios de funcionamiento de algoritmos de Machine Learning;

- programación en Python, C++ o Java;

- conocer sobre procesos de desarrollo y pruebas de software. 

Puedes dominar el uso de redes neuronales para modelos de inteligencia artificial en el curso de ciencia de datos de TripleTen. Aprende a construir modelos avanzados y herramientas para encontrar patrones no obvios en los datos, desarrollar hipótesis, entrenar algoritmos de Machine Learning y Deep Learning. Recuerda que un científico de datos ayuda a la dirección de la empresa a realizar negocios de manera más eficiente. Por tanto, esta profesión no dejará de tener demanda. 

A pesar de recientemente hubo un revuelo mediático en torno a ChatGPT y las redes neuronales generativas, la inteligencia artificial no es un área de investigación nueva.

En 1950 el matemático Alan Turing propuso la idea de una máquina pensante. Creía que las máquinas, al igual que los humanos, podían utilizar la información disponible para tomar decisiones. Para probar esto, desarrolló una prueba: una persona utilizaría una interfaz de texto para hacer preguntas simultáneamente a otra persona y a una máquina. Si no se podían distinguir sus respuestas, se consideraba que la máquina había pasado la prueba y contaba con inteligencia artificial. 

Probar el concepto de Turing resultó difícil debido a la funcionalidad limitada de las computadoras y la costosa tecnología. Este tipo de investigaciones sólo estaban al alcance de las grandes empresas tecnológicas y de las universidades de prestigio. 

En 1956, el Dartmouth College organizó una conferencia sobre la “mecanicación de la inteligencia”, en la que John McCarthy, científico cognitivo e informático, acuñó el término “inteligencia artificial”. 

En los 60s las computadoras se volvieron más accesibles, más baratas, más rápidas y podían almacenar más información. Los algoritmos de aprendizaje automático también mejoraron: 

• Comenzaron a desarrollarse los primeros sistemas expertos: programas informáticos que modelan el conocimiento humano en un área determinada. Estos sistemas normalmente constaban de dos componentes: una base de conocimientos y un motor de inferencia. La base de conocimientos contenía información sobre el área temática y el mecanismo de salida funcionaba como un cuadro de diálogo.

• Aparecieron los perceptrones: las primeras redes neuronales que podían aprender de los datos y resolver problemas de clasificación simples. Por ejemplo, reconocer números escritos a mano.

• Surgió el lenguaje de programación LISP, que se ha convertido en el lenguaje principal para la investigación de IA. 

• A mediados de los años 60, Joseph Weizenbaum creó ELIZA, el primer chatbot que simulaba el trabajo de un psicoterapeuta y podía comunicarse con una persona en lenguaje natural. 

Algunos avances de los científicos occidentales de esa época fueron: 

• Sistemas expertos más avanzados. Por ejemplo, MYCIN podría diagnosticar la meningitis y calcular la dosis de antibióticos para tratarla. 

• Algoritmos de retropropagación, que permitieron entrenar redes neuronales de manera mucho más eficiente. 

Durante este periodo, el aumento de la potencia informática hizo posibles algoritmos de aprendizaje automático más complejos y potentes:

• En 1997, el Deep Blue de IBM (un sistema informático para jugar al ajedrez) derrotó al gran Garry Kasparov, entonces campeón mundial de ajedrez. 

• Se implementó el software de reconocimiento de voz Dragon Systems en Windows.

• A finales de los años 90 desarrollaron Kismet, un humanoide artificial que podía reconocer y demostrar emociones. 

• En 2002 la inteligencia artificial entró en los hogares con Roomba, el primer robot aspirador.

• En 2004, dos geólogos robóticos de la NASA, Opportunity y Spirit, exploraron la superficie del planeta Marte sin asistencia humana.

• En 2009, Google comenzó a desarrollar tecnología para vehículos autónomos.

Garry Kasparov juega con la IA Deep Blue.

En el siglo XXI, la IA comenzó a desarrollarse rápidamente, y he aquí por qué:

1. Ha surgido una gran cantidad de datos de las redes sociales y otros medios en los que la IA puede aprender plenamente.

2. Las potentes computadoras han hecho posible procesar y analizar enormes cantidades de datos con mayor velocidad y eficiencia. 

3. Han surgido nuevas tecnologías y enfoques que apoyan el desarrollo de la inteligencia artificial. El aprendizaje automático, o Machine Learning, las redes neuronales y el aprendizaje profundo (Deep Learning) se han vuelto accesibles y brindaron nuevas oportunidades para crear sistemas más inteligentes y adaptables.

El 4 de diciembre de 2012, en la conferencia Neural Information Processing Systems (NIPS), un grupo de investigadores presentó detalles de sus redes neuronales convolucionales, un modelo presentado que contenía una red neuronal con muchas capas, y que podía reconocer imágenes con un 85% de precisión—sólo un 10% más endeble que un humano.

Clasificar una imagen es el proceso de determinar la categoría o clase a la que pertenece. Por ejemplo, ver un gato en una imagen y entender que esa criatura naranja y esponjosa es definitivamente un gato. La red neuronal identifica el gato en la imagen analizando los píxeles y resaltando los rasgos característicos. 

Sin embargo, la tecnología de inteligencia artificial ha comenzado a utilizarse no sólo para el reconocimiento de imágenes, sino para análisis financieros, reconocimiento de voz en teléfonos inteligentes, automóviles autónomos y juegos de computadora. 

Lo que es un hecho es que se ha desarrollado más IA en los últimos 10 años que en toda la historia de la IA. A continuación se muestran algunos logros significativos:

• En 2011, Watson, el sistema de preguntas y respuestas en lenguaje natural de IBM, ganó el concurso Jeopardy!, donde incluso derrotó a dos ex campeones. Ese mismo año, Eugene Gustman, un chatbot informático parlante, pudo engañar a los jueces durante la Prueba de Turing haciéndoles creer que era un humano con quien sostenían una conversación.

• En 2011, Apple lanzó Siri, un asistente virtual que utiliza tecnología NLP (Procesamiento de Lenguaje Natural) para inferir, aprender, responder y hacer sugerencias a su usuario humano. 

• En 2016 apareció Sophia, el primer robot que puede cambiar las expresiones faciales, ver (mediante reconocimiento de imágenes) y hablar mediante inteligencia artificial. 

• En 2017, Facebook desarrolló dos chatbots para comunicarse entre sí. Durante las negociaciones aprendieron y mejoraron sus tácticas de comunicación. Con el tiempo, estos chatbots inventaron su propio lenguaje de comunicación.

• 2023 fue el año del progreso para las redes generativas (GAN) que crean imágenes y videos realistas, y los grandes modelos de lenguaje (LLM) como ChatGPT. 

1. Asistentes de voz. Siri de Apple, Google Assistant, Alexa de Amazon, todas funcionan con inteligencia artificial y responden preguntas, crean recordatorios y controlan dispositivos.

2. Sistemas de recomendación. Los servicios de transmisión de video como Netflix y YouTube utilizan tecnología de inteligencia artificial para analizar las preferencias de los usuarios y recomendar películas o videos. Aprenden de opiniones y gustos anteriores.

3. Reconocimiento de patrones. Los teléfonos inteligentes y algunas cámaras cuentan con reconocimiento automático de rostros y objetos. La IA permite determinar quién y qué hay en una foto.

4. Pilotos automáticos y sistemas de transporte autónomos. La inteligencia artificial se está utilizando en las industrias de la aviación y la automoción para desarrollar pilotos automáticos y sistemas de conducción autónomos. La IA permite a los vehículos analizar su entorno, tomar decisiones basadas en la información recibida y navegar de forma segura.

La visión por computadora ayuda a los vehículos autónomos a comprender e interpretar imágenes o videos.

5. Sistemas de análisis financiero. La IA se utiliza para analizar datos, predecir tendencias del mercado, identificar riesgos y tomar decisiones de inversión. Ayuda a mejorar la eficiencia y precisión de las transacciones financieras.

6. Traductores de idiomas. Los servicios de traducción automática como Google Translate utilizan IA para traducir automáticamente texto de un idioma a otro. Están capacitados en una gran cantidad de textos paralelos y modelos estadísticos para ofrecer traducciones de alta calidad.

7. Industria de videojuegos. En los juegos de computadora, la inteligencia artificial se utiliza para crear personajes virtuales inteligentes que pueden adaptarse a las acciones del jugador, tomar decisiones y simular comportamientos realistas.

8. Diagnóstico médico. La IA se utiliza para analizar rayos X o resonancias magnéticas. Esto ayuda a los médicos a diagnosticar enfermedades con mayor precisión y a tomar decisiones de tratamiento.

9. Robótica. Esta rama combina la inteligencia artificial, el aprendizaje automático y sistemas físicos para crear máquinas inteligentes que puedan interactuar con el mundo real. Un ejemplo son los robots de Boston Dynamics, los cuales usan IA para equilibrarse, navegar, superar obstáculos y arrastrar objetos.

1. La IA necesita acceso a grandes cantidades de datos para su formación, procesamiento y toma de decisiones. Por ejemplo, los asistentes de inteligencia artificial como Alice o Siri, utilizan el conocimiento de todo internet para responder a las preguntas de los usuarios. Para comprender cuántos datos se necesitan para entrenar un modelo pequeño de Machine Learning, se utiliza la “regla de 10”: esto significa que el volumen de datos de entrada debe ser diez veces mayor que la cantidad de parámetros o grados de libertad que tiene el modelo. 

2. Potencia informática. Imaginemos que estamos enseñando a una red neuronal a reconocer imágenes. Los sistemas informáticos más potentes permiten procesar grandes cantidades de imágenes y acelerar el proceso de aprendizaje. 

3. Algoritmos y modelos de Machine Learning. Por ejemplo, el uso de redes neuronales profundas (el Deep Learning) en lugar de algoritmos más simples puede mejorar la precisión de las predicciones de la IA en tareas ce reconocimiento de imágenes o voz. 

4. La IA debe adaptarse a nuevas condiciones y requisitos. Por ejemplo, si se utiliza la inteligencia artificial para conducir un coche autónomo, este debe poder adaptarse a las condiciones cambiantes del entorno y mejorar su rendimiento con el tiempo. 

5. Comunicación en lenguaje natural. Un ejemplo son los chatbots. Pueden comunicarse con los usuarios, comprenderlos y brindarles información. 

6. Interpretabilidad y explicabilidad. Si se utiliza la IA para tomar decisiones crediticias, debe explicar los factores sobre los cuales se tomó la decisión. 

7. Seguridad y privacidad de los datos. Por ejemplo, en la IA médica, que analiza datos de pruebas e investigaciones para el diagnóstico, es necesario proteger la información personal de los pacientes. Esto evitará la fuga de datos y mantendrá la confidencialidad.

8. Principios éticos. Si se utiliza la inteligencia artificial para seleccionar candidatos a un puesto de trabajo, debe diseñarse de manera que no discrimine por género, raza, edad u otras características, garantizando un enfoque justo y equitativo. 

9. Integración con otros sistemas. Para automatizar el proceso de pedido de productos en una tienda en línea, la IA debe interactuar con los sistemas de gestión de inventario, entrega y pago. 

En el último par de años ha habido mucho entusiasmo por la IA generativa. Las empresas quieren utilizarla para reducir costes, pero los profesionales temen que les quite sus puestos de trabajo. Según informes recientes de la consultora McKinsey, la IA generativa podría aportar entre 2,6 y 4,4 billones de dólares a la economía mundial anual (aproximadamente entre el 2% y el 4% del producto interno bruto mundial total este año.

Los autores examinaron escenarios de 2040 a 2060 y su impacto en la productividad laboral hasta 2040. También evaluaron el potencial de la tecnología para automatizar tarea en aproximadamente 850 profesiones. Estas son algunas de las principales conclusiones:

• El sector de TI podría experimentar el mayor desarrollo económico. La IA generativa, si se adopta ampliamente, podría aumentar su valor entre un 4,8% y un 9,3%. El volumen del mercado de banca, educación, productos farmacéuticos y telecomunicaciones también puede crecer entre un 2% y un 5%.

• Ventas y marketing, y desarrollo de software: 75% del beneficio económico potencial total de la IA.

• La IA generativa podría automatizar el 50% de todas las tareas laborales entre 2030 y 2060. Es probable que la tecnología automatice tareas que requieren razonamiento lógico y generación o comprensión del lenguaje natural. 

La competencia con la IA en el mercado laboral ha generado ansiedad entre los profesionales y, aunque existe un riesgo real de que la IA llegue a ser tan buena en la automatización del trabajo humano que muchos humanos no puedan crear el mismo valor económico, para evitarlo, los analistas recomiendan poner la tecnología al alcance de todos. De esta manera, las personas podrán automatizar tareas rutinarias y participar en otras más complejas y creativas. Por ejemplo, en la industria de los videojuegos, los grandes jugadores podrán utilizar la tecnología para crear mundos virtuales más complejos, mientras que los estudios más pequeños se beneficiarán de menores costos de producción.

Pocas personas se atreven a predecir exactamente cómo se desarrollará la IA en los próximos 30 o 40 años. No obstante, los escritores y guionistas lograron especular sobre este tema. Veamos algunos escenarios comunes y veamos cuáles coinciden con la realidad. 

Este es un tipo de IA que puede resolver eficientemente problemas específicos, pero carece de inteligencia general o autoconciencia. Ya estamos viendo ejemplos de este tipo de IA, y la película Her (2013) explora cómo dicha IA podría desarrollarse en los próximos años. La película explora el tema de las emociones humanas, la conciencia y la interacción con la inteligencia artificial.

El personaje principal es un escritor que se enamora de un sistema operativo con inteligencia artificial. La IA desarrolla vínculos emocionales complejos con el personaje principal, muestra habilidades intelectuales y se adapta a sus necesidades y deseos. Sin embargo, sigue siendo limitada por sus capacidades y no pretende tener plena conciencia de sí misma ni emocionalmente humana. 

Samantha es un ejemplo de cómo podría desarrollarse este tipo de inteligencia artificial.

En este escenario, la IA tiene plena conciencia de sí misma y capacidades intelectuales superiores a las de los humanos. Un ejemplo de este escenario serían las películas A.I. inteligencia artificial (2001), El hombre bicentenario (1999) y Ex Machina (2014), y la serie de televisión Westworld (2016). En El hombre bicentenario, un robot llamado Andrew pasa de ser un simple asistente robótico a un ser que experimenta emociones humanas, busca el amor y busca el derecho a ser reconocido por su humanidad. La película es un intento de comprender qué es la humanidad y dónde se encuentran los límites entre la inteligencia artificial y la conciencia humana. 

Fotograma de la película de Chris Columbus, El hombre bicentenario.

Ex Machina plantea interrogantes sobre qué sucede cuando la IA tiene altos niveles de inteligencia, habilidades emocionales e incluso habilidades de manipulación.

En algunos libros y películas, la IA evoluciona con consecuencias negativas para la humanidad. Por ejemplo, en la película Terminator (1984), la cual fue de las primeras en plantear esta idea de que las máquinas pueden desarrollar conciencia de sí mismas, la inteligencia artificial se convierte en una amenaza para la supervivencia humana. La buena noticia es que, aunque el escenario de los robots inteligentes aún permea en el ámbito de la ciencia ficción, todavía no hemos alcanzado tal nivel de desarrollo de la IA que nos permita crear criaturas con plena conciencia y emociones humanas. 

El desarrollo incontrolado de la IA puede ser arriesgado, pero es por esta misma razón que la investigación y el desarrollo modernos deberán tener como objetivo crear sistemas de inteligencia artificial seguros y éticos.