Inteligencia Artificial (IA) para la vida diaria

• Esta tecnología puede tener aplicaciones que nos hacen sentir en el futuro, pero también la experimentamos en acciones tan comunes como usar el autocompletado del teclado del celular o pedirle ayuda a Siri.

• Inteligencia Artificial (IA): es el campo de estudio dedicado a explorar maneras de dotar a las máquinas de capacidades cognitivas similares a las que tenemos los humanos, como la habilidad de aprender, buscar soluciones a problemas y planear para el futuro.

• IA limitada: está diseñada para un propósito específico. Todas las aplicaciones actuales de IA son de propósito específico; ya sea que hayan sido creados para jugar ajedrez, predecir el clima o recomendarte videos, solamente pueden hacer eso.

• IA general: puede usar sus capacidades cognitivas para cualquier situación, aunque sigue siendo un caso teórico.

• Machine learning: un modelo de IA debe ser entrenado para que aprenda a realizar una tarea. El aprendizaje automático o machine learning comprende diferentes algoritmos para procesar datos con el objetivo de entrenar un modelo de IA. De acuerdo con los datos disponibles, un modelo de IA puede aprender de forma supervisada, no supervisada, o mediante refuerzos.

• Aprendizaje supervisado: los datos están conformados por casos ejemplo con observaciones y respuestas correctas. Por ejemplo, un conjunto de fotos de perros y gatos con su clasificación. Y así, como si le enseñaramos a un niño, se le muestra al modelo foto tras foto diciéndole lo que es, para que identifique las características que los distinguen, hasta que sea capaz de clasificarlas adecuadamente por sí mismo.

  “Hay que tener cuidado con los datos de entrenamiento que elegimos ya que pueden introducir un sesgo en el modelo. Si en nuestro ejemplo sólo incluyéramos perros negros y gatos blancos,  es posible que al presentarle un gato negro crea que es un perro porque considerará el color es uno de los factores que definen la diferencia”, resalta Mauricio García.

• Aprendizaje no supervisado: los datos se presentan sin clasificar. Entonces, el trabajo del algoritmo de aprendizaje es buscar patrones en los datos, y aunque no sepa exactamente qué significan, estos patrones identificados serán útiles para predecir características de nuevas observaciones. Así, quizás el modelo no sepa por qué, pero sabe que a quienes vieron La Casa de Papel también les podrían gustar los doramas coreanos.

• Aprendizaje por refuerzo: parte de un modelo con algunas reglas simples, suficientes para realizar una tarea y evaluar qué tan bien lo hizo, aprender de sus errores e intentar diferentes formas de hacerlo, hasta que eventualmente lo puede lograr. Por ejemplo, AlphaGo, un modelo creado para jugar go, se volvió realmente bueno en este juego al tener miles de partidas contra distintas versiones de sí mismo, hasta que la mejor versión fue capaz de ganarle al campeón mundial humano.

• Procesamiento de lenguaje natural: son técnicas usadas para que una máquina entienda nuestras fuentes no estructuradas, en forma de texto, audio, imágenes o video. Esto es especialmente complejo por la diversidad de formatos y lenguajes que existen, ya que el lenguaje natural cambia constantemente, y es particularmente importante, porque es la forma en que almacenamos la mayor parte del conocimiento humano.

“Si incluimos IA en un producto o servicio debemos asegurar que sea para mejorar la experiencia, no para abusar del conocimiento que logremos; y que nos ayude a identificar nuestros sesgos, no a reproducirlos; que genere valor para las personas y ayude a nuestro desarrollo. A esto se le conoce como uso ético de la IA”, detalla Mauricio García.

El gran potencial de la IA viene acompañado de una gran responsabilidad, sus aplicaciones deben ser con sumo cuidado para garantizar que los resultados que produzca sean por una decisión consciente de diseño  y no por accidente.