Inteligencia artificial (IA): tipos, ejemplos e implicaciones

Los seres humanos tenemos la capacidad de obtener información sobre nuestro medio a través de los sentidos, establecer relaciones entre nuevas percepciones y preconcepciones establecidas, y generar conclusiones y conocimiento de estos procesos para actuar en consecuencia. En las últimas décadas, la ingeniería y la ciencia han logrado emular en cierto grado estos procesos a través de sistemas computacionales. A estos avances tecnológicos y al conocimiento detrás de ellos se les conoce como inteligencia artificial o IA.

Contenidos relacionados:

En la actualidad, es muy importante conocer las distintas formas en que la inteligencia artificial está transformando nuestro mundo, así como las diversas herramientas que dicha disciplina pone a nuestro alcance. Por un lado, cada día son más las aplicaciones prácticas de la IA en nuestra vida cotidiana, lo cual está generando cambios irreversibles en la forma en que trabajamos, creamos, nos divertimos, e incluso, en la manera de comunicarnos e interactuar con las y los demás. Además, dicha presencia e influencia creciente, hacen cada vez más necesario que todos tengamos una opinión informada sobre el tema, con el fin de que nuestro punto de vista sea representativo y útil en el momento de tomar decisiones sobre los criterios éticos, legales y prácticos sobre el uso de estas nuevas tecnologías (López, 2007; Niebles, 2020; Feito, 2023).

¿Qué es la inteligencia artificial?

No existe una definición universal sobre lo que es la inteligencia artificial, pero en términos muy generales y simples, implica la tarea de lograr que las computadoras “piensen”. Esto es, que logren realizar procesos como la toma de decisiones, la resolución de problemas o el aprendizaje.

Entendida como una disciplina científica, la IA es la rama de las ciencias computacionales encargada de estudiar modelos de cómputo capaces de realizar actividades humanas en base a dos procesos: el razonamiento y la conducta (López, 2007). De esta forma, las tecnologías de inteligencia artificial involucran dos objetivos: que las máquinas procesen información de manera análoga a una persona, y que actúen en consecuencia a dicho proceso.

Aunado a esto, la inteligencia artificial puede ser descrita a partir de dos enfoques: Por una parte, es el estudio científico encargado de analizar las capacidades de procesamiento de información de la mente humana, y comprender sus principios generales, con el fin de explicar y modelar sistemas inteligentes. Mientras que es, además, un enfoque de ingeniería que busca desarrollar en las computadoras las capacidades que se atribuyen a la inteligencia humana; así como diseñar máquinas novedosas que puedan cumplir tareas que eran realizadas solo por personas o animales, o incluso, que sean capaces de ir más allá de la inteligencia humana (Chacón, Flórez, Rodríguez, 2015).

De esta manera, la inteligencia artificial es simultáneamente una ciencia y una ingeniería; la cual busca comprender los mecanismos subyacentes en el pensamiento y en el comportamiento inteligente para construir “máquinas inteligentes”. Para lograr esta tarea, se sirve de los conocimientos de otras disciplinas, como la filosofía, las matemáticas, la ingeniería en sistemas computacionales o la electrónica (Chacón, Flórez, Rodríguez, 2015).

¿Cómo resuelven las máquinas un problema?

Las operaciones por las que una computadora aprende a resolver un problema son complejas. No obstante, todas las IA suelen seguir un mismo proceso. En primer lugar, las máquinas necesitan disponer de datos suficientes sobre su entorno relacionados con el problema que se les pide resolver. Como estas no cuentan con sentidos (al menos no humanos) requieren que toda la información necesaria sea ingresada por sus creadores por medio de paquetes de datos en forma de algoritmos.

Un algoritmo es una secuencia finita de pasos definidos que permite resolver un problema. Dichas reglas permiten que una máquina pueda identificar y clasificar información mediante dos métodos. Aprendizaje automático o machine learning y aprendizaje profundo o deep learning.

El aprendizaje automático introduce altas dosis de datos predefinidos y categorizados por humanos para que la computadora los reconozca en el futuro. El objetivo de ello, es que las máquinas logren aprender a ejecutar diferentes tareas de forma autónoma. De esta manera, cuando son expuestas a nuevos datos, serán capaces de adaptarse a partir de los cálculos anteriores, moldeando sus patrones para ofrecer respuestas confiables. El resultado es que la computadora no necesita que las reglas le sean programadas, sino que las aprende por su propia cuenta.

Así mismo, en el aprendizaje profundo los datos son sometidos a varias capas de procesamiento no lineares que simulan la forma de pensar de las neuronas. Para ello, estas son sometidas a inmensas cantidades de datos que son capaces de reconocer imágenes y habla, procesar el lenguaje natural y aprender a realizar tareas avanzadas sin interferencia humana. De esta manera, el programador no proporciona las reglas necesarias para resolver un problema, sino que brinda un modelo para que la máquina pueda realizar una evaluación mediante los ejemplos mostrados (Porcelli, 2020).

Clasificación de la inteligencia artificial

Hoy en día, la inteligencia artificial tiene muchas aplicaciones, y el potencial de la tecnología ya existente es muy grande. Además, la IA, como disciplina científica, ha logrado identificar niveles de desarrollo que aún no se han alcanzado, pero que son el objetivo de su aplicación práctica. Debido a ello, es difícil realizar una categorización definitiva de estas manifestaciones. No obstante, es posible establecer ciertas clasificaciones generales.

Clasificación por capacidad

Tomando en cuenta sus capacidades, la IA puede clasificarse en débil y fuerte.

Débil: Se centra sólo en tareas estrechas y las realiza de manera automática, haciendo clasificaciones a partir de parámetros establecidos que va puliendo según la cantidad de datos de la que dispone. Aunque es capaz de realizar tareas inteligentes, no puede pensar realmente. Un ejemplo de esta tecnología son los asistentes virtuales.
Fuerte: Implica la capacidad de igualar o incluso exceder la inteligencia humana. Esto es, máquinas o programas con facultades de abstracción, reflexión, improvisación o creatividad. Hasta hace solo unos años, este tipo de tecnología se consideraba utópica, o incluso imposible. No obstante, en fechas recientes, los nuevos avances en IA generativa han sugerido que este tipo de sistemas pueden desarrollarse en un futuro. Aun así, la clasificación de los productos de la inteligencia artificial como “contenido creativo”, aún es objeto de debate.

(Martínez, et.al 2019; Porcelli, 2020).

Clasificación por complejidad

Considerando su complejidad, la IA puede clasificarse en:

Máquinas reactivas: Se les proporciona una serie de datos que deben procesar para obtener un resultado satisfactorio. Cuentan con una base de datos que incluye toda la información que pueden necesitar para desarrollar su tarea, así como los conocimientos para usarla y combinarla y lograr el resultado esperado. Un ejemplo de este tipo de IA son las computadoras personales.
Inteligencia artificial con memoria limitada: Utiliza el aprendizaje automático y una serie de conocimientos primordiales, para añadir nueva información a su base de datos, y así mejorar su funcionamiento. Esta se encuentra presente en automóviles inteligentes, dispositivos móviles o asistentes virtuales.
Máquinas basadas en la teoría de la mente: Implica la capacidad de comprender las emociones de su interlocutor y de mostrar las propias. Dicha tecnología aún se encuentra en fase experimental, basándose en el reconocimiento de las expresiones faciales o corporales y los matices de la voz para identificar sentimientos.
Inteligencia artificial con conciencia: Implicaría que las máquinas pudieran comprender sus propios sentimientos, y ser capaces de concebir el papel que juegan dentro de su entorno. Este nivel de complejidad existe solo a nivel teórico, y sería el más próximo a la inteligencia humana.

(Porcelli, 2020).

Aplicaciones de la inteligencia artificial

Las aplicaciones de la inteligencia artificial son increíblemente variadas y se extienden a prácticamente todas las áreas de la vida cotidiana. Algunos ejemplos de los usos prácticos que se le brinda a esta tecnología son los siguientes:

Automatización de tareas cotidianas que requieren un comportamiento inteligente. Por ejemplo, planificación automática o atención al cliente
Identificación de contenidos, como la realizada en la filtración de spam en nuestros correos electrónicos
Compras en línea que incluyan recomendaciones personalizadas y detección de fraudes
Responder a contenidos. Por ejemplo, el reconocer emojis y expresiones, para sugerir una posible respuesta
Clasificación y etiquetado de objetos
Identificación a partir de reconocimiento de patrones. Por ejemplo, análisis de rostros, escritura o modo de hablar; o bien, la identificación de órganos en procesos médicos automatizados
Vehículos autónomos
Depósito de cheques móviles
Mantenimiento predictivo. Utilizado, por ejemplo, en equipo industrial
Prevención de fraudes
Procesamiento eficiente y escalable de datos. Por ejemplo, el control de pacientes médicos
Herramientas y equipos inteligentes, como utensilios quirúrgicos
Control inteligente de prótesis
Asistentes robóticos
Mejorar el desempeño de la estrategia algorítmica comercial
Distribución de contenido en las redes sociales
Protección contra amenazas de seguridad cibernética
Creación de contenido original en virtud de peticiones específicas. Por ejemplo, la producción de imágenes a partir de textos descriptivos.
Transformar el formato de un contenido a otro. Por ejemplo, la conversión de textos en audio, con nuestra voz o una nueva.

(López, 2007; Chacón, Flórez, Rodríguez, 2015; Rouhiainen, 2018; Sossa, 2020; Feito, 2023)

IA generativa y creatividad artificial

Uno de los retos más importantes en el desarrollo de la inteligencia artificial es la posibilidad de crear máquinas o programas creativos. Desafortunadamente, como ocurre con la mayoría de los procesos cognitivos, la ciencia aún no entiende del todo cómo se desarrolla la creatividad en los seres humanos. Debido a ello, la posibilidad de replicar esta facultad en las máquinas es una tarea muy difícil. Aun así, existen distintos ejemplos donde las máquinas han logrado crear estrategias y procesos novedosos. Un ejemplo de ello, es el desarrollo de programas de ajedrez que idean estrategias de juego completamente diferentes a las de los seres humanos (Niebles, 2020).

En el campo de la creación de contenido nuevo se destacan las llamadas redes adversariales generativas (GAN). Las cuales son un tipo de arquitectura que permite que las redes neuronales artificiales puedan generar contenidos y nuevos datos, a partir de los datos del dataset con que son entrenadas. Este proceso implica el enfrentamiento entre dos tipos de redes, una generadora y otra discriminadora, las cuales compiten entre sí en múltiples interacciones. En cada uno de dichos enfrentamientos, ambas redes neuronales van mejorando, una de ellas creando datos cada vez más indiscernibles de los reales, y la otra especializándose en detectar las fabricaciones. El entrenamiento termina cuando el discriminador ya no puede discernir lo real de lo fabricado (Mantegna, 2020).

La IA generativa se ha desarrollado de manera importante en últimas fechas, y su uso se ha popularizado a través de distintas aplicaciones y programas que logran originar productos nuevos en distintos formatos, a partir de contenidos ya existentes. Un ejemplo de ello, es la creación de textos en virtud de demandas específicas; o bien, la generación de videos originales a partir de textos (Feito, 2023).

Implicaciones del uso de inteligencia artificial

Finalmente, es importante considerar que el uso de las IA presenta tanto beneficios evidentes como desventajas potenciales.

Entre las ventajas que puede significar el empleo de esta tecnología es posible mencionar las siguientes:

Facilita y agiliza la realización de un gran número de tareas cotidianas
Aumenta la productividad cuando es aplicada en el ámbito laboral
Reduce costos de producción
Tiene el potencial de facilitar, e incluso automatizar actividades especializadas
Puede ayudar a identificar las causas de diferentes problemas sociales, e incluso generar alternativas de solución
Tiene la capacidad de analizar, identificar y clasificar una gran cantidad de datos. Facultad que puede ser utilizada en un gran número de ámbitos, incluida la salud y la asistencia social
Es un apoyo potencial en la distribución de bienes y recursos
Puede crear sistemas educativos personalizados que se adapten a las necesidades de las y los estudiantes
Crea variaciones de contenidos ya existentes

Algunas de las desventajas más importantes en el uso de IA son las siguientes:

La tecnología puede utilizarse con fines poco éticos, o incluso ilegales
Puede ser transformada en un medio de represión violenta o manipulación política
Las decisiones que toman las máquinas están despojadas de moralidad y no pueden tomar en cuenta el elemento afectivo
Al facilitar y abaratar la creación de contenidos, la calidad puede disminuir
La IA generativa crea la necesidad de desarrollar programas que evalúen la autenticidad de las obras, contenidos y publicaciones
La creación de productos en masa y al gusto del usuario, debilita la credibilidad en la autenticidad o fidelidad de los contenidos

(Mantegna, 2020; Niebles, 2020; Porcelli, 2020; Sossa, 2020; Feito, 2023).

Referencias:

Chacón, J., Flórez, A., Rodríguez, J. (2015). La Inteligencia Artificial y sus Contribuciones a la Física Médica y la Bioingeniería. Mundo FESC, volumen (5), número (9), pp. 60-63. fesc.edu.co
Feito, O. (2023). Inteligencia Artificial. OscarFeito.com. drive.google.com
López, B. (2007). Introducción a la Inteligencia Artificial. Instituto Tecnológico de Nuevo Laredo. itnuevolaredo.edu.mx
Mantegna, M. (2020). Inteligencia ARTEficial: Creatividad computacional, inteligencia artificial generativa y derechos de autor. Universidad de San Andrés, Argentina. udesa.edu.ar
Martínez, D., Dalgo, V., Herrera, J., Analuisa, E., Velasco, E. (2019). Avances de la inteligencia artificial en salud. Dominio de las Ciencias, volumen (5), número (3). unirioja.es
Niebles, J. (2020). Inteligencia artificial en todo y para todos. Revista Digital Universitaria UNAM, volumen (21), número (1). revista.unam.mx
Porcelli, A. (2020). La inteligencia artificial y la robótica: sus dilemas sociales, éticos y jurídicos. Derecho Global. Estudios sobre Derecho y Justicia, volumen (6), número (16). scielo.org.mx
Rouhiainen, L. (2018). Inteligencia artificial: 101 cosas que debes saber hoy sobre nuestro futuro. Barcelona, España. Editorial Planeta. static0planetadelibroscom
Sossa, J. (2020). El papel de la inteligencia artificial en la Industria 4.0. Inteligencia Artificial y datos masivos… Universidad Nacional Autónoma de México. ru.iibi.unam.mx