Introducción a la inteligencia artificial
Objetivos de aprendizaje
Después de completar esta unidad, podrá:
- Explicar los conceptos fundamentales de la Inteligencia Artificial.
- Identificar los desafíos que hacen difícil definir la inteligencia artificial.
- Describir los tipos de tareas que puede realizar la inteligencia artificial.
Momento de familiarizarse con la IA
La inteligencia artificial (IA) ha sido el sueño de muchos narradores y fanáticos de la ciencia ficción durante años. Sin embargo, la mayoría de las personas no habían considerado seriamente la IA, debido a que siempre se la pensaba como algo que podría pasar en un futuro muy lejano. Los investigadores y los científicos informáticos no esperaron a que llegara el futuro, sino que han estado trabajando de forma ardua para volver realidad la IA. De hecho, como sabe, ya estamos en plena era de la IA.
[Imágenes generadas mediante IA con DreamStudio en stability.ai. Para la primera, se utiliza la solicitud “Un primer plano de una persona sentada frente a una máquina de escribir, ilustrado con el estilo de un cómico dibujo gráfico en vector en 2D”. Para la segunda, se utiliza la solicitud “La escena se da en un aula universitaria, en la que hay un pizarrón de fondo con un dibujo de una red neuronal. En primer plano, se encuentra un estudiante universitario con una computadora, ilustrado con el estilo de un cómico dibujo gráfico en vector en 2D”. ]
Para muchas personas, la IA ya forma parte de la vida personal, laboral y académica, y esa parte, sin dudas, crecerá a medida que avancen las capacidades de IA. Para tener pláticas significativas sobre la IA, debemos contar con un vocabulario compartido y una base sólida de conceptos fundamentales para elaborar. En el contexto actual, si se les pide a 10 personas que definan la Inteligencia Artificial, es probable que se reciban 10 respuestas diferentes, según el impacto que tiene en sus vidas. En esta insignia, exploramos algunas de las capacidades y los usos actuales de la IA.
La dificultad de definir la IA
El primer paso para la definición de la IA es reconocer que puede que nuestro concepto actual sobre ella esté tergiversado. No ha sido de ayuda la constante presencia de libros y películas de ciencia ficción en los que la IA se percibe como una entidad maliciosa decidida a conquistar el mundo.
La ciencia ficción no es el único aspecto que complicó nuestra perspectiva de la IA. En términos generales, las personas solemos tener un concepto muy bueno de nosotros mismos, que es el punto de referencia para medir todo el resto. Cuando hablamos de Inteligencia Artificial, no podemos evitar compararla con nuestra propia inteligencia y nuestras habilidades para aprender y actuar en base a lo que conocemos. El problema es que las personas no son los únicos seres inteligentes que existen. Los animales, desde los cuervos hasta los pulpos, utilizan herramientas y resuelven problemas para realizar tareas complejas. Incluso el moho del fango puede resolver laberintos si se le da suficiente tiempo.
A medida que comenzamos a apreciar el amplio espectro de inteligencia en el reino animal, también empezamos a reconocer la gran diversidad en nuestra propia inteligencia humana. Puede que conozca a una persona que tiene una muy buena oratoria en público, pero que no puede hacer un cálculo matemático del que dependa su vida, o bien una persona que siempre advierte cuando usted se siente algo ansioso, pero que se tropezaría con un balón de fútbol a la primera posibilidad. El punto es que nuestra inteligencia se expresa de muchas formas especializadas. Debemos pensar en la inteligencia artificial de la misma forma. Existen tipos específicos de IA que son buenos en tipos específicos de tareas. Definamos la Inteligencia Artificial analizando con mayor detalle lo que puede hacer en la actualidad.
Tipos principales de capacidades de la IA
En este momento, no existe una IA en particular que sea buena para todas las tareas. Este concepto, conocido como IA general, se logrará en un futuro. En su lugar, a lo largo de los años, desarrollamos sistemas de IA especializados diseñados para realizar tareas específicas. Por lo general, los tipos de tareas que realizan se clasifican dentro de alguna de una serie de categorías más amplias.
Procesamiento de lenguaje
El 30 de noviembre de 2022, la palabra del día de Merriam-Webster fue quididad. Las personas que aprendieron esa palabra mejoraron un poco en una habilidad que podría ser la más importante de todas: la comunicación. Ese mismo día, la palabra se introdujo en ChatGPT, una inteligencia artificial que demostró sus propias habilidades de comunicación. GPT significa transformador generativo preentrenado y desde el lanzamiento de ChatGPT, han surgido muchos otros GPT, algunos especializados en tipos específicos de procesamiento de lenguaje como la redacción de diarios, la programación o el análisis financiero. Los GPT se crean para interpretar el lenguaje diario y actuar en consecuencia de una manera significativa, por ejemplo, responder preguntas, escribir historias o artículos, resumir información o realizar cálculos complejos. Esto se conoce en el sector como procesamiento de lenguaje natural o PLN.
El PLN se basa en la comprensión de cómo las palabras se utilizan en conjunto para que la IA capte la intención más allá de las palabras. Por ejemplo, puede que usted quiera traducir un documento del inglés al alemán, o bien puede que quiera recibir un resumen breve de un documento científico extenso. La IA puede hacer esto.
El PLN está revolucionando la manera en la que trabajamos en casi todos los tipos de negocio. Por ejemplo, los agentes de IA que pueden interpretar el lenguaje natural y cuentan con habilidades de razonamiento están reemplazando con rapidez a los chatbots y copilotos en el contexto de asistencia al cliente. Por lo general, las solicitudes de lenguaje natural se usan para generar código con el fin de ahorrarles a las compañías una gran cantidad de tiempo en el desarrollo de aplicaciones o software. Los representante de ventas utilizan el PLN para solicitar resúmenes de cuentas, generar emails de ventas o incluso crear borradores de presentaciones para clientes.
El PLN es una de las áreas con mayor crecimiento de la IA generativa, una subcategoría de la IA que convierte las palabras en imágenes, sonidos y códigos únicos y, por supuesto, en otras palabras. EL PLN y la IA generativa son tecnologías tan disruptivas que escribimos insignias completas con temas sobre los aspectos básicos del procesamiento de lenguaje natural y la IA generativa. Consulte esas insignias cuando termine con la insignia actual.
Predicciones numéricas
¿Observó un pronóstico meteorológico recientemente? Predecir si lloverá o si el cielo estará despejado lo ayuda a decidir si debería llevar un paraguas. Aunque hayamos hecho pronósticos sobre el clima por miles de años, los modelos de IA los pueden hacer mejor que cualquier método anterior.
Una buena predicción puede ayudarlo a responder todo tipo de preguntas. ¿Es probable que este cliente renueve su suscripción? ¿Se encuentra en riesgo debido a una condición médica? ¿Habrá una demanda alta en la red eléctrica esta noche? ¿Qué estilo de zapatillas va a ser el más popular esta temporada?
A menudo, las predicciones de la IA pueden tener el formato de un valor entre 0 (no sucederá) y 1 (seguro sucederá). Las predicciones numéricas no solo incluyen valores en porcentaje, sino cualquier valor numérico, por ejemplo, en dólares. Tal vez su negocio desee predecir las ventas del próximo trimestre o determinar el precio óptimo para su servicio más reciente, Widget+. Como consumidor, es probable que ya se vea afectado por estos tipos de predicciones numéricas, incluso más de lo que le parece. Piense qué implica un viaje internacional: los boletos de la aerolínea, la habitación del hotel, el transporte compartido y el seguro para viajeros. Es probable que el precio de todo esto se determine por medio de IA para equilibrar de manera óptima la oferta y la demanda.
[Una imagen generada por IA con DreamStudio en stability.ai con la solicitud: “Un primer plano de un robot amigable que conduce un taxi, ilustrado con el estilo de arte de línea plano en 2D”. ]
Clasificaciones
¿Un perro caliente es un sándwich? Esta pregunta generó incontables horas de debate filosófico amistoso sobre cómo dividimos en categorías. Sin embargo, en el mundo real, los riesgos pueden ser mucho mayores. ¿Qué es esta planta? ¿Es comestible o venenosa? ¿Este email es legítimo o es un intento de phishing? La clasificación suele ser el primer caso para tomar algún tipo de medida, lo que la vuelve una habilidad realmente valiosa.
Por lo tanto, no es de extrañar que los científicos informáticos hayan trabajado arduamente para crear una IA que sea buena en la clasificación de datos. La identificación de plantas y de emails de phishing es apenas una muestra de su potencial. Las instituciones financieras necesitan detectar transacciones fraudulentas. Los profesionales médicos deben diagnosticar enfermedades. Las plataformas de redes sociales desean identificar comentarios agresivos. Todos estos son ejemplos de problemas de clasificación. La IA puede realizar el primer paso de clasificación y, luego, los profesionales pueden continuar con el trabajo.
A menudo, los clasificadores con tecnología de IA pueden realizar el trabajo igual de bien, o mejor, que los humanos. Dicho esto, la mayoría de los clasificadores son buenos solo en una tarea limitada. La IA que es buena en la detección de emails de phishing no sería buena en la identificación de imágenes de peces reales.
Navegación por robots
Algunas IA se destacan en la navegación por un entorno cambiante y eso incluye la navegación real en el caso de la conducción autónoma (sin utilizar las manos). Los automóviles con tecnología de IA ya son bastante capaces de mantenerse centrados en un carril y a una distancia segura en una autopista. Se adaptan a los patrones de tráfico de la ciudad, las curvas en una carretera, las ráfagas de viento de los camiones articulados y las paradas repentinas.
La IA que se puede adaptar a condiciones cambiantes del entorno tiene todo tipo de aplicaciones en el mundo real. Por ejemplo, los negocios necesitan fabricar o entregar productos a sus clientes todos los días. Muchas condiciones del mercado juegan un papel importante en qué tan rápido se realiza esta tarea: la disponibilidad de los materiales, la capacidad de fabricación, el inventario existente, los costos de transporte e, incluso, el tráfico en tiempo real. La IA puede optimizar la cadena de suministro incluso cuando las condiciones cambian.
No debemos olvidar a los robots. Incluso las barredoras de pisos robóticas más modestas pueden esquivar escaleras y sillas. En una mayor escala, muchas cadenas de montaje están equipadas con robots que logran una mayor velocidad y eficiencia con el tiempo. Estos mismos robots se pueden ajustar para realizar cambios en el método de producción sin necesidad de una reprogramación costosa. Los investigadores están creando robots de rescate que puedan atravesar áreas de catástrofes, como una edificación colapsada. Una oruga robot que pueda pasar por fisuras pequeñas podría ofrecer ayuda y esperanza a las personas que estén atrapadas en el interior.
Modelos de IA y redes neuronales
Ninguna plática sobre la IA está completa si no se mencionan los modelos de IA y las redes neuronales. Los modelos de IA son como programas de computación ultrainteligentes que aprenden de ejemplos. Por ejemplo, imagine que su hobby es la observación de aves. A una mayor exposición a pájaros reales, fotos, sonidos, nombres, ubicaciones y costumbres relacionadas, mayor será la precisión para reconocer distintos pájaros y dónde los puede encontrar. Al igual que su nuevo hobby, un modelo de IA aprende patrones, y toma decisiones y realiza predicciones a partir del análisis de grandes cantidades de datos. Una vez entrenado, puede realizar tareas en función de lo que aprendió y lo que seguirá aprendiendo.
Las redes neuronales son herramientas importantes para entrenar a los modelos de IA. Estas redes son una combinación de nodos, capas, valores de ponderación, sesgos y una serie de cálculos matemáticos. En conjunto, simulan nuestras propias redes neuronales orgánicas. Cada red neuronal se ajusta con cuidado para una tarea específica. Puede que sea buena en el pronóstico de la lluvia, puede que divida pájaros en categorías o que mantenga su automóvil centrado en un carril de la autopista. Cualquiera sea la tarea, las redes neuronales son una parte fundamental de la “magia” de la IA. Ahora, ya conoce un poco mejor cómo hacer los trucos.
Las redes neuronales, que originalmente se concibieron para permitir que las máquinas resolvieran problemas como los seres humanos, permiten que la IA identifique relaciones complejas entre los datos de entrada y las clasificaciones de salida. En otras palabras, permiten que las computadoras aprendan qué variables y valores son importantes para las personas cuando intentan lograr un objetivo. Esto es fundamental en la tecnología de IA, porque es la base para conectar las necesidades humanas (trabajo más rápido, menos errores o un día más fácil) con soluciones basadas en datos, como agentes que responden a solicitudes en lenguaje natural. Las redes neuronales son las que permiten que los modelos complejos de IA sepan, por ejemplo, que un cliente está intentando restablecer una contraseña, incluso si el cliente no usa una palabra clave o frase específica durante el curso de su interacción.
En resumen
La Inteligencia Artificial es la capacidad de una computadora para desarrollar habilidades que, por lo general, se asocian con la intuición, la inferencia y el razonamiento humanos. Muchas de estas habilidades se dividen en categorías amplias, como predicciones numéricas y procesamiento de lenguaje, que están forjando su camino en nuestras vidas a través de la IA que respalda nuestros casos de uso comerciales, necesidades educativas y propósitos industriales.