El Concepto De La Inteligencia Artificial y Su Historia
Hitos de la última década
En 1996, la computadora de IBM llamada: Deep Blue logra vencer al campeón mundial de ajedrez Kaspárov. Esta computadora fue configurada para aprender las mejores 70000 jugadas en la historia del ajedrez.
En 2011, IBM crea su primer super computador para participar en el juego americano llamado: JeoPardy, que se caracteriza por preguntas y respuestas en formas de preguntas. El potencial desarrollado por Watson, es utilizado actualmente por los científicos debido a las capacidades de interpretar el lenguaje natural y autoaprendizaje del entorno.
En el 2014, un Bot conversacional logra ganar el test de Turing por primera vez en la historia, el cual es considerado un gran avance en la historia científica para la inteligencia artificial. El Bot llamado: Eugene Goostman, simulaba ser un niño de Ucrania de 13 años de edad y fue capaz de engañar al 33% de los jueces que era un humano [18], fue desarrollado por el ruso Vladimir Veselov, el ucraniano Eugene Demchenko y el ruso Sergey Ulasen.
En el 2016, Google crea una super computadora llamada: Deep Mind [16] capaz de jugar GO (un juego de mesa chino), la primera mención de este juego fue 548 a.c, y es similar al ajedrez, sin embargo, es un tablero de 19×19.
El 18 de octubre de 2016, Microsoft indica que ha logrado vencer la barrera del reconocimiento de la voz humana, ellos mencionaron que su sistema de reconocimiento tuvo una tasa de errores palabra (WER) de 5,9 [19]. Esto significa, que una computadora puede reconocer una conversación como lo realizan las personas.
Microsoft desarrolló su propio motor encargado del Deep Learning: llamado Satori [13], ha indexado un billón de objetos en 4 años y corre diariamente para capturar y aprender hasta 28000 DVD de contenido, con esta información, Microsoft Bing muestra datos predictivos sobre: política, futbol y olimpiadas, por otra parte, IBM tiene su propio motor llamado: Watson.
Dentro de la inteligencia artificial, el campo que estudia el reconocimiento de patrones es el llamado Machine Learning y se aplica para resolver dos tipos de problemas:
Tipos de IA
- Actuar como un hombre. Esta es la definición de Mccarthy, donde el modelo a seguir para la evaluación de los programas corresponde a la conducta de las personas. El llamado Test de Turing (1950) también utiliza este razonamiento. El sistema de Elisa, el Bot (programa) hablado es un ejemplo de esto.
- Razonar como personas. Lo importante es cómo se realiza el razonamiento y no el resultado de este razonamiento. La propuesta aquí es desarrollar sistemas que razonen de la misma manera como lo hacen las personas. La ciencia cognitiva utiliza este punto de vista.
- Pensar de forma racional. En este caso, se define también se dirige en el razonamiento, pero aquí se parte de que existe una única forma racional para pensar. La lógica permite formalizar el razonamiento y se utiliza para este propósito.
- Actuar racionalmente. De nuevo el objetivo es el resultado, pero ahora evaluados objetivamente. Por ejemplo, programa en el juego como el ajedrez va a ganar. Para lograr este objetivo se quieren como calcular el resultado.
Inteligencia Artificial Computacional:
La inteligencia computacional implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parámetros en sistemas conexionistas). El aprendizaje se realiza basándose en datos empíricos. Algunos métodos de esta rama incluyen:
Redes neuronales:
Son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida.
Sistemas difusos:
Técnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras.
Computación evolutiva:
Aplica conceptos inspirados en la biología, tales como población, mutación y supervivencia del más apto para generar soluciones sucesivamente mejores para un problema. Estos métodos a su vez se dividen en algoritmos evolutivos e inteligencia colectiva.
Machine Learning o Aprendizaje Automático es una rama de la Inteligencia Artificial que empezó a cobrar importancia a partir de los años 80. Es una forma de IA que ya no depende de unas reglas y un programador, sino que la computadora puede establecer sus propias reglas y aprender por sí misma.
Los sistemas de ML trabajan sobre grandes volúmenes de datos, identifican patrones de comportamiento y, basándose en ellos, son capaces de predecir comportamientos futuros.
Deep Learning es una clase de algoritmos de Machine Learning basados en redes neuronales, de hecho, el funcionamiento de estos algoritmos trata de imitar el del cerebro.
Conclusión
Podemos concluir que la IA es una herramienta poderosa que nos ayuda a alcanzar un sinfín de objetivos, pero la misma, como cualquier otra herramienta, puede llegar a usarse de una forma negativa, llegando, por tanto, a un resultado erróneo, a raíz de los mismos sesgos y errores que se hayan hecho al programar y plantar las bases de una IA.
Así, al ser sólo una herramienta, no se puede concluir que sea mala o buena, como se puede notar en películas como las mencionadas en la introducción. Sino que, al ser una herramienta, no tiene una intención propia, sino que la misma viene dada debido al uso que la persona que la esté utilizando, pudiendo así ser capaz de vencer al campeón mundial del ajedrez, o ayudar a manejar un automóvil de forma autónoma.
La inteligencia artificial necesitada ser tratada como lo que es, es decir, un avance tecnológico como cualquier otro, sin intención específica.
Sin embargo, hay que usarla de forma sabia, al ser una herramienta poderosa, su uso mal intencionado, puede llegar a tener consecuencias negativas.
Por último, cabe resaltar que la llegada de la inteligencia artificial, independientemente de la visión que uno tenga, es algo que ha llegado para cambiar la vida de todos de forma definitiva.
