INTELIGENGIA ARTIFICIAL

 

•             ¿Qué es la inteligencia artificial?

Aunque varias definiciones de inteligencia artificial (IA) han surgido durante las últimas décadas, John McCarthy ofrece la siguiente definición en este documento del 2004 (enlace externo a ibm.com), "Es la ciencia e ingeniería de hacer máquinas inteligentes, especialmente programas informáticos inteligentes. Se relaciona con la tarea similar de usar equipos para comprender la inteligencia humana, pero la IA no tiene que ajustarse a los métodos biológicos observables".

Sin embargo, décadas antes de esta definición, el nacimiento de la conversación sobre inteligencia artificial lo marcó el trabajo fundamental de Alan Turing, "Computing Machinery and Intelligence" (enlace externo a ibm.com), que se publicó en 1950. En este artículo, Turing, a menudo referido como el "padre de la informática", hace la siguiente pregunta: "¿Pueden pensar las máquinas?"  A partir de ahí, ofrece una prueba, ahora conocida como la "Prueba de Turing", en la que un interrogador humano intentaría distinguir entre una respuesta de texto de computadora y humana. Si bien esta prueba ha sido objeto de mucho escrutinio desde su publicación, sigue siendo una parte importante de la historia de la IA, así como un concepto continuo dentro de la filosofía, ya que utiliza ideas en torno a la lingüística.

•               ¿Cómo funciona la inteligencia artificial?

La manera en que opera una solución de IA varía en función de sus objetivos y aplicaciones. No obstante, todos los sistemas de inteligencia artificial tienen un factor en común: el manejo de datos.

Si bien el diseño de algoritmos y sistemas innovadores es parte esencial de la IA, los datos son piezas clave para su éxito. Es decir que, para funcionar eficientemente, la IA requiere de datos. De hecho, entre mayor sea el número de datos que reciba un sistema de IA, este podrá aprender más en menor tiempo. Al procesar esta información, el software puede identificar patrones y aprender a responder dependiendo de sus objetivos. Así, por ejemplo, un sistema basado en procesamiento del lenguaje natural (también conocido como PLN) puede no solo analizar y entender el lenguaje humano, sino que también puede llegar a generarlo por sí mismo.

       

    TIPOS DE INTELIGENCIA ARTIFICIAL 

*Máquinas reactivas: es la forma más básica. Este tipo de sistemas no tienen la capacidad de recordar ni de usar experiencias pasadas para basar la toma de decisiones. El ejemplo más conocido de máquinas reactivas es Deep Blue de IBM. Esta supercomputadora es capaz de identificar las piezas en un tablero de ajedrez, saber cómo se mueve cada una y predecir los movimientos, pero no puede recordar lo ocurrido antes del momento presente.

 

*Memoria limitada: a diferencia de las máquinas reactivas, los sistemas de memoria limitada sí pueden almacenar información sobre el pasado, pero solo de manera transitoria. Esto significa que, si bien pueden tomar decisiones con base en experiencias pasadas, la información estará disponible por un período limitado. Como resultado, estos sistemas aún no son capaces de aprender a partir de los datos históricos.

*Teoría de la mente: las máquinas que entran en esta categoría son aquellas que pueden comprender el comportamiento de los agentes a su alrededor y ajustar el propio de acuerdo a cada circunstancia. Estos sistemas deben ser capaces de identificar pensamientos y emociones, y entender la manera en que estos afectan el comportamiento de las personas.

*Autoconciencia: este es considerado el último paso en el desarrollo de la inteligencia artificial. Los sistemas de esta etapa deben contar con la capacidad de formar representaciones sobre sí mismos, es decir, tener conciencia de sí mismos. Este paso es crucial para el entendimiento de la propia inteligencia humana.

      APLICACIONES DE INTELIGENCIA ARTIFICIAL

  Hoy en día existen numerosas aplicaciones prácticas de sistemas de IA. Algunos de los ejemplos más      comunes son:

* Reconocimiento del habla: También denominado reconocimiento automático de voz (ASR), reconocimiento de voz por computadora o conversión de voz a texto, es una funcionalidad que utiliza el procesamiento de lenguaje natural (NLP) para procesar el habla humana y trasladarla a un formato escrito.  Muchos dispositivos móviles incorporan el reconocimiento del habla en sus sistemas para realizar búsquedas por voz, por ejemplo, Siri, o proporcionar más accesibilidad en torno a los mensajes de texto. 

* Servicio al cliente: Los agentes virtuales en línea están reemplazando a los agentes humanos en la experiencia del cliente. Responden a preguntas frecuentes de diferentes temas (como el envío) o proporcionan asesoramiento personalizado, realizan venta cruzada de productos o sugieren tallas para los usuarios, cambiado la forma de interactuar con los clientes en los sitios web y las plataformas de redes sociales. Algunos ejemplos incluyen bots de mensajería en sitios de comercio electrónico con agentes virtuales, aplicaciones de mensajería (como Slack y Facebook Messenger) y tareas generalmente realizadas por asistentes virtuales y asistentes de voz.

* Visión artificial: Esta tecnología de IA permite que las computadoras y los sistemas obtengan información significativa de imágenes digitales, videos y otras entradas visuales, y que actúen con base en ellas. Esta capacidad de proporcionar recomendaciones lo distingue de las tareas de reconocimiento de imágenes. Impulsada por redes neuronales convolucionales, la visión artificial se puede aplicar en el etiquetado de fotos en redes sociales, las imágenes radiológicas en la salud y los vehículos autónomos en la industria automotriz.  

* Motores de recomendaciones: Utilizando datos del comportamiento pasado de los consumidores, los algoritmos de IA pueden ayudar a descubrir tendencias de datos para desarrollar estrategias de venta cruzada más eficaces. Esto se usa para que los minoristas en línea puedan hacer recomendaciones adicionales relevantes a los clientes durante el proceso de compra.