¿Qué es tener inteligencia artificial?

Artículo sobre la inteligencia artificial

La IA permite que los sistemas técnicos perciban su entorno, traten lo que perciben, resuelvan problemas y actúen para conseguir un objetivo concreto. El ordenador recibe datos -ya preparados o recogidos a través de sus propios sensores, como una cámara-, los procesa y responde.

Algunas tecnologías de IA existen desde hace más de 50 años, pero los avances en la potencia de cálculo, la disponibilidad de enormes cantidades de datos y los nuevos algoritmos han propiciado grandes avances en IA en los últimos años.

La inteligencia artificial se utiliza ampliamente para ofrecer recomendaciones personalizadas a las personas, basándose, por ejemplo, en sus búsquedas y compras anteriores u otros comportamientos en línea. La IA es enormemente importante en el comercio: optimización de productos, planificación de inventarios, logística, etc.

Los teléfonos inteligentes utilizan la IA para ofrecer servicios lo más relevantes y personalizados posible. Los asistentes virtuales que responden a preguntas, ofrecen recomendaciones y ayudan a organizar las rutinas diarias se han vuelto omnipresentes.

Los programas de traducción de idiomas, basados en textos escritos o hablados, se basan en la inteligencia artificial para proporcionar y mejorar las traducciones. Esto también se aplica a funciones como la subtitulación automática.

Inteligencia artificial definición deutsch

La inteligencia artificial (IA) hace posible que las máquinas aprendan de la experiencia, se ajusten a nuevas entradas y realicen tareas similares a las humanas. La mayoría de los ejemplos de IA de los que se tiene noticia hoy en día, desde ordenadores que juegan al ajedrez hasta coches que se conducen solos, se basan en gran medida en el aprendizaje profundo y el procesamiento del lenguaje natural. Gracias a estas tecnologías, se puede entrenar a los ordenadores para que realicen tareas específicas procesando grandes cantidades de datos y reconociendo patrones en ellos.

Las primeras investigaciones sobre IA en la década de 1950 exploraron temas como la resolución de problemas y los métodos simbólicos. En los años 60, el Departamento de Defensa de EE.UU. se interesó por este tipo de trabajo y comenzó a entrenar a los ordenadores para que imitaran el razonamiento humano básico. Por ejemplo, la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) llevó a cabo proyectos de cartografía de calles en la década de 1970. Y DARPA produjo asistentes personales inteligentes en 2003, mucho antes de que Siri, Alexa o Cortana fueran nombres conocidos.

Estos primeros trabajos allanaron el camino para la automatización y el razonamiento formal que vemos hoy en día en los ordenadores, incluidos los sistemas de apoyo a la toma de decisiones y los sistemas de búsqueda inteligente que pueden diseñarse para complementar y aumentar las capacidades humanas.

Pros y contras de la inteligencia artificial

Algunos relatos populares utilizan el término «inteligencia artificial» para describir las máquinas que imitan las funciones «cognitivas» que los humanos asocian con la mente humana, como el «aprendizaje» y la «resolución de problemas», sin embargo, esta definición es rechazada por los principales investigadores de la IA[b].

A medida que las máquinas se vuelven cada vez más capaces, las tareas que se consideran que requieren «inteligencia» se eliminan a menudo de la definición de IA, un fenómeno conocido como efecto IA[3]. Por ejemplo, el reconocimiento óptico de caracteres se excluye con frecuencia de las cosas que se consideran IA,[4] al haberse convertido en una tecnología rutinaria[5].

La inteligencia artificial se fundó como disciplina académica en 1956, y en los años posteriores ha experimentado varias oleadas de optimismo,[6][7] seguidas de decepción y pérdida de financiación (lo que se conoce como «invierno de la IA»),[8][9] seguidas de nuevos enfoques, éxito y financiación renovada.[7][10] La investigación en IA ha probado y descartado muchos enfoques diferentes desde su fundación, incluyendo la simulación del cerebro, el modelado de la resolución de problemas humanos, la lógica formal, las grandes bases de datos de conocimiento y la imitación del comportamiento animal. En las primeras décadas del siglo XXI, el aprendizaje automático estadístico altamente matemático ha dominado el campo, y esta técnica ha demostrado ser muy exitosa, ayudando a resolver muchos problemas desafiantes en la industria y el mundo académico[11][10].

Inteligencia artificial: un enfoque moderno

A grandes rasgos, estas técnicas se dividen en técnicas de aprendizaje «supervisadas» y «no supervisadas», donde las «supervisadas» utilizan datos de entrenamiento que incluyen el resultado deseado, y las «no supervisadas» utilizan datos de entrenamiento sin el resultado deseado.

El aprendizaje automático es el nombre que se aplica comúnmente a una serie de técnicas bayesianas utilizadas para el reconocimiento de patrones y el aprendizaje. En esencia, el aprendizaje automático es un conjunto de algoritmos que pueden aprender y hacer predicciones a partir de datos registrados, optimizar una función de utilidad dada bajo incertidumbre, extraer estructuras ocultas de los datos y clasificar los datos en descripciones concisas. El aprendizaje automático suele utilizarse cuando la programación explícita es demasiado rígida o poco práctica. A diferencia del código informático normal, desarrollado por los desarrolladores de software para intentar generar un código de salida específico para el programa a partir de una entrada determinada, el aprendizaje automático utiliza los datos para generar un código estadístico (un modelo de ML), que dará el «resultado correcto» a partir de un patrón reconocido a partir de ejemplos anteriores de entrada (y salida, en el caso de las técnicas supervisadas). La precisión de un modelo ML se basa principalmente en la calidad y cantidad de los datos históricos.