Introducción a la inteligencia artificial

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

Explicar la importancia de la comprensión de los conceptos fundamentales de la inteligencia artificial.
Identificar los desafíos que hacen que la definición de la inteligencia artificial sea complicada.
Describir los tipos de tareas que puede llevar a cabo la inteligencia artificial.

Obtener fluidez con la IA

La inteligencia artificial (IA) ha sido el sueño de muchos escritores y aficionados de la ciencia ficción durante años. La mayoría de las personas no han pensado seriamente en la IA, ya que siempre fue algo que podía pasar en un futuro lejano. Los investigadores y los informáticos no se han quedado esperando a que llegue, sino que han trabajado mucho para hacer que ese sueño fuera una realidad. De hecho, como ya sabe, ya hemos entrado en la era de la IA.

Primer plano de una persona sentada con una máquina de escribir, dibujado con un estilo de vector 2D.

La escena es en una clase de universidad; al fonde, hay una pizarra con un boceto de una red neuronal. En primer plano, hay un estudiante de la universidad escribiendo en el ordenador, dibujado con un estilo de vector 2D.

[Imágenes generadas con IA utilizando DreamStudio en stability.ai. En la primera, se lee el mensaje: Primer plano de una persona sentada con una máquina de escribir, dibujado con un estilo de vector 2D." En la segunda, se lee el mensaje: La escena es en una clase de universidad; al fonde, hay una pizarra con un boceto de una red neuronal. En primer plano, hay un estudiante de la universidad escribiendo en el ordenador, dibujado con un estilo de vector 2D".]

Para muchas personas, la IA ya forma parte de su trabajo, su colegio y su vida privada, y es muy probable que ese sector genere un avance en las capacidades de la IA. Para que nosotros tengamos conversaciones significativas sobre la IA, es necesario compartir vocabulario y una base sólida de los conceptos principales sobre la que seguir avanzando. Si le pide a 10 personas que definan la inteligencia artificial, es posible que obtenga 10 respuestas diferentes, según el impacto que esta tenga en la vida de la persona que responde. En esta insignia, exploramos algunos usos y capacidades actuales de la IA.

La dificultad de definir la IA

El primer paso para definir la IA es reconocer que nuestra noción actual de IA puede estar distorsionada. Una estricta dieta de películas y libros de ciencia ficción en los que la IA se ve como una entidad nefaria decidida a dominar el mundo no ha ayudado.

La ciencia ficción no es lo único que ha complicado nuestra visión de la IA. En general, los humanos tendemos a tenernos en muy alta estima, y esa es la vara con la que medimos todo lo demás. Por ello, cuando hablamos de inteligencia artificial, no podemos evitar compararla con nuestra propia inteligencia y capacidades para aprender y actuar en base a lo que sabemos. El problema es que los humanos no somos los únicos seres inteligentes que existen. Los animales, desde las vacas hasta los pulpos, utilizan herramientas y solventan problemas para realizar tareas complejas. Incluso el moho del fango puede resolver laberintos si se les da el tiempo suficiente.

Al igual que hemos empezado a apreciar el gran espectro de inteligencia presente en el reino animal, también hemos empezado a reconocer la gran diversidad en la inteligencia humana. Es posible que haya conocido a alguien que se le dé genial hablar en público pero que no sepa realizar algunos cálculos que puedan salvarle la vida. O a alguien que siempre se da cuenta de cuando usted está nervioso pero se tropieza con un balón de fútbol a la primera de cambio. La cuestión es que nuestra inteligencia se expresa de muchas maneras especializadas. Debemos pensar en la inteligencia artificial de la misma manera. Hay ciertos tipos de IA que son buenos en unos tipos de tareas específicos. Vamos a definir la inteligencia artificial profundizando en lo que la IA puede hacer actualmente.

Tipos principales de las capacidades de la IA

Hoy en día, no existe una sola IA que sea buena en todo. Esa idea, conocida como IA general, está aún muy lejana en el futuro. En su lugar, durante años, hemos desarrollado sistemas de IA especializados pensados para realizar tareas específicas. Los tipos de tareas que realizan se suelen clasificar en una de varias categorías más amplias.

Procesamiento del lenguaje

El 30 de noviembre de 2022, la palabra del día del diccionario Merrian-Webster fue quiddity (esencia). Aquellos que aprendieron esa palabra entendieron un poco más la que posiblemente es la habilidad más importante de todas: la comunicación. Ese mismo día, ChatGPT se presentó al mundo. Es una inteligencia artificial que demostró tener sus propias habilidades de comunicación. GPT significa Generative Pre-trained Transformer (transformador generativo preentrenado); desde el lanzamiento de ChatGPT, otros muchos GPT han salido a la luz, algunos de ellos especializados en tipos específicos de procesamiento del lenguaje, como registros, codificación o análisis financieros. Los GPT se crean para interpretar el lenguaje cotidiano y actuar según el mismo de manera significativa, como responder preguntas, escribir historias o documentos, resumir información o realizar cálculos complejos. Esto se conoce en el sector como procesamiento de lenguaje natural, o PLN.

El PNL se basa en la comprensión de cómo se utilizan las palabras en conjunto para que la IA extraiga la intención existente detrás de las palabras. Por ejemplo, es posible que quiera traducir un documento del inglés al alemán. O bien, quiere realizar un breve resumen de un artículo científico. La IA puede hacerlo también.

El PLN revoluciona la manera en la que realizamos casi cualquier tipo de negocio. Por ejemplo, los agentes de IA que pueden interpretar el lenguaje natural y cuentan con capacidades de razonamiento están reemplazando a los bots de chat y a los asistentes en la configuración de asistencia. Las solicitudes con lenguaje natural suelen utilizarse para generar código a fin de que las empresas puedan ahorrar infinitas horas en el desarrollo de software o aplicaciones. Los representantes de ventas utilizan el PLN para solicitar resúmenes de cuentas, generar correos electrónicos de ventas o incluso crear borradores de presentaciones para los clientes.

El procesamiento de lenguaje natural es una de las áreas que tienen de la IA generativa con crecimiento más rápido, una subcategoría de la IA que convierte las palabras en imágenes, sonidos, código y otras palabras. El PLN y la IA generativa son tecnologías tan novedosas que hemos elaborado insignias completas sobre los temas de los aspectos básicos del procesamiento de lenguaje natural y de la IA generativa. Écheles un vistazo cuando termine aquí.

Predicciones numéricas

¿Ha consultado la previsión del tiempo hace poco? La predicción de la lluvia o del tiempo soleado le ayuda a decidir si llevar un paraguas o no. Aunque hemos realizado predicciones meteorológicas durante miles de años, los modelos de IA pueden hacerlo mejor que cualquier método anterior.

Una buena predicción puede ayudarle a responder todo tipo de preguntas. ¿Renovará este cliente su suscripción? ¿Corre el riesgo de sufrir alguna dolencia? ¿Habrá una alta demanda de red eléctrica esta noche? ¿Qué tipo de zapatillas de deporte se llevará más esta temporada?

A menudo, las predicciones de IA adoptan la forma de un valor entre 0 (no va a ocurrir) y 1 (seguro que va a ocurrir). Las predicciones numéricas incluyen más elementos a parte de los valores porcentuales; pueden predecir cualquier valor numérico, como por ejemplo los dólares. Es posible que su negocio quiera predecir las ventas del siguiente trimestre, o averiguar la fijación de precios del último servicio: Widget+. Como consumidor, es posible que ya se vea afectado por este tipo de predicciones numéricas, incluso más de lo que se imagina. Imagine un viaje al extranjero: es posible que los precios de los billetes de avión, de la habitación de hotel, de los vehículos compartidos y del seguro de viaje los fije la IA, con el fin de que la oferta y la demanda estén perfectamente equilibradas.

Primer plano de un simpático robot conduciendo un taxi, dibujado con un estilo de imagen plana 2D.

[Imagen generada con IA utilizando DreamStudio en stability.ai. con el mensaje "primer plano de un simpático robot conduciendo un taxi, dibujado con un estilo de imagen plana 2D".]

Clasificaciones

¿Un perrito caliente es un sándwich? Esta pregunta ha conducido a incontables horas de debates amistosos y filosóficos sobre cómo categorizamos las cosas. Sin embargo, en el mundo real, el riesgo es mucho mayor. ¿Cuál es esta planta? ¿Es comestible o es venenosa? ¿Es legítimo ese correo electrónico o es un intento de phishing? Normalmente, la clasificación es el primer paso a la hora de tomar medidas, haciendo que sea una habilidad importante.

Por ello, no sorprende que los informáticos hayan trabajado tanto para crear una IA capaz de clasificar datos. Identificar plantas y correos electrónicos de phishing es solo la punta del iceberg. Las instituciones financieras deben parar las transacciones fraudulentas. Los profesionales médicos deben diagnosticar enfermedades. Las plataformas de redes sociales quieren poder identificar comentarios tóxicos. Todos estos son ejemplos de problemas de clasificación. La IA puede dar el primer paso en cuanto a la clasificación y, a continuación, los profesionales pueden retomarlo desde ese punto.

A menudo, los clasificadores de IA pueden realizar el trabajo tan bien como los humanos, o incluso mejor. Ahora bien, la mayoría de los clasificadores son buenos en una única tarea. Por ello, una IA que sea fantástica para detectar correos electrónicos de phishing, será terrible a la hora de identificar imágenes de peces.

Algunas IA son excelentes moviéndose por entornos cambiantes, y eso puede implicar una navegación real en el caso de la conducción autónoma (manos libres). Los coches propulsados por IA ya son capaces de mantenerse centrados en un carril y mantenerse a una distancia segura en la autopista. Se adaptan a los patrones de tráfico en la carretera, a las curvas, a las ráfagas de viento ocasionadas por los camiones al pasar y a las paradas repentinas.

La IA que puede adaptarse a las condiciones ambientales cambiantes tienen todo tipo de aplicaciones del mundo real. Por ejemplo, los negocios deben producir y proporcionar productos a los clientes todos los días. Las condiciones del mercado juegan un papel importante en la rapidez con la que eso se realiza: la disponibilidad de materiales, la capacidad de fabricación, el inventario existente, los costes del transporte e incluso el tráfico en tiempo real. La IA puede optimizar la cadena de suministros incluso mientras las condiciones están cambiando.

Y no nos olvidemos de los robots. Incluso el robot aspirador más básico puede evitar escaleras y sillas. A mayor escala, muchas líneas de montaje están formadas por robots, que cada vez son más rápidos y eficientes. Esos mismos robots pueden ajustarse a los cambios del método de producción sin la necesidad de reprogramaciones costosas. Los investigadores están creando robots de rescate que pueden atravesar áreas afectadas por la catástrofe, como un edificio derruido. Un robot oruga puede escurrirse entre las hendiduras y prestar ayuda o dar esperanzas a las personas atrapadas dentro del edificio.

Modelos de IA y redes neuronales

Ninguna conversación sobre IA termina sin mencionar los modelos de IA y las redes neuronales. Los modelos de IA son como programas informáticos superinteligentes que aprenden a base de ejemplos. Por ejemplo, imagine que comienza a observar a los pájaros como afición. A cuantos más pájaros reales, imágenes de pájaros, sonidos, nombres, ubicaciones y hábitos de los pájaros esté expuesto, más precisión tendrá a la hora de reconocerlos y el lugar donde verlos. De manera similar a lo que ocurre con su nuevo pasatiempo, un modelo de IA aprende patrones, toma decisiones y realiza predicciones mediante el análisis de grandes cantidades de datos. Una vez entrenado, puede realizar tareas basadas tanto en lo que ha aprendido como en lo que seguirá aprendiendo.

Las redes neuronales son herramientas importantes para entrenar modelos de IA. Las redes neuronales son una mezcla de nodos, capas, pesos, sesgos y un montón de cálculos. Todo ello junto imita a nuestras propias redes neuronales. Cada red neuronal está ajustada cuidadosamente para una tarea específica. Puede ser muy buena prediciendo la lluvia, clasificando pájaros o haciendo que el coche quede centrado en el carril de una autopista. Sea cual sea la tarea, las redes neuronales son una parte importante de lo que hace que la IA parezca mágica. Ahora ya sabe un poco cómo funciona el truco.

Aunque al principio se crearon para permitir que las máquinas resolvieran problemas de forma similar a los humanos, las redes neuronales permiten a la IA identificar relaciones complejas entre los datos de entrada y las clasificaciones finales. En otras palabras, permiten a los ordenadores aprender qué variables y valores importan a las personas a la hora de cumplir un objetivo. Esto es fundamental en la tecnología de IA, ya que es la base de la conexión de las necesidades humanas (trabajar más rápido, cometer menos errores o facilitar el día a día) 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 aunque el cliente no utilice una palabra clave o frase concreta durante una interacción.

Resumen

La inteligencia artificial es la capacidad que tiene un ordenador para desarrollar habilidades que se suelen asociar a la intuición, la inferencia y el razonamiento humanos. Muchas de estas habilidades pertenecen a categorías más amplias, como predicciones numéricas y el procesamiento de lenguaje natural, que se abren paso en nuestras vidas gracias a la IA que respalda los casos de uso de nuestros negocios, las necesidades educativas y los fines industriales.

Estimación de tiempo

Temas

¿Necesita ayuda?

Recursos de Einstein