La inteligencia artificial (IA), muchas veces, parece una caja negra, en la que se introducen datos y se sacan resultados, como el truco de un mago o un ilusionista, es decir, un misterio.
La inteligencia artificial es un término acuñado por John McCarthy en 1958. Este refiere al desarrollo de diversos métodos, así como algoritmos, los cuales permiten a las computadoras comportarse de manera inteligente. De hecho, se puede decir que, la IA es hacer computacional el conocimiento humano por procedimientos simbólicos o conexionistas, o sea a través de la imitación del comportamiento del ser humano. ¿Cómo logra esto?
“La IA aprende como un niño, a base de repetir y ver muchos ejemplos”, explica el director de la carrera de Ingeniería de Sistemas de la Universidad Franz Tamayo, Unifranz, Marcelo Pacheco.
Pacheco señala que, por ejemplo, si queremos enseñar a la IA a reconocer gatos, se tienen que seguir una serie de pasos.
“En primer lugar le mostraremos muchas fotos de gatos de diferentes razas, colores y tamaños, la IA analizará las fotos e identificará patrones que se repiten en todos los gatos y, a partir de esos patrones, aprenderá a identificar gatos en nuevas fotografías que nunca ha visto antes. Cuantos más ejemplos le mostremos a la IA, mejor aprenderá. Por eso, se necesitan grandes cantidades de datos para entrenarlas”, explica.
La manera en que la IA aprende se da de dos maneras: automática y profunda
Aprendizaje automático: en este modelo, la IA aprende a realizar una tarea sin ser programada explícitamente. El aprendizaje automático permite que un sistema mejore de forma autónoma mediante redes neuronales y aprendizaje profundo, sin tener que ser programado explícitamente, a través de la ingesta de grandes cantidades de datos.
Debido a que el aprendizaje automático permite que los sistemas informáticos se ajusten y mejoren a sí mismos de forma continua a medida que acumulan más «experiencias». Mientras más datos se pongan en ellos, más precisos serán los resultados.
Aprendizaje profundo: la IA utiliza redes neuronales artificiales inspiradas en el cerebro humano. Los sistemas de aprendizaje profundo pueden mejorar su rendimiento al poder acceder a un mayor número de datos. Una vez que las máquinas han conseguido suficiente experiencia mediante el aprendizaje profundo, pueden ponerse a trabajar para realizar tareas específicas como conducir un coche, detectar maleza en un campo de cultivo, detectar enfermedades o inspeccionar maquinaria para identificar errores, entre otras tareas.
Cómo interactúa la IA con las personas
La manera en la que las IA se comunican e interactúan con las personas se da a través del procesamiento del lenguaje natural (PLN).
“El procesamiento del lenguaje natural (PLN) es un campo de la IA que se encarga de comprender y generar lenguaje humano. Es una herramienta fundamental para que las máquinas puedan interactuar con los humanos de forma natural y efectiva”, expresa.
“A través de PLN, la IA puede realizar ciertas funciones como entender el significado de los textos, identificar frases y oraciones, así como entender, en parte, el contexto en el que se usan. Por otra parte, permiten generar textos comprensibles para los humanos, escribir de manera gramaticalmente correcta y con sentido”, explica Pacheco.
Otras funciones del PLN son la traducción de un idioma a otro, lo que puede facilitar la comunicación entre personas que hablan diferentes idiomas.
Esto quiere decir que el PLN en la IA se puede aplicar de distintas maneras, cómo por ejemplo:
- Asistentes virtuales
- Chatbots
- Traducción automática
- Análisis de sentimiento
- Resumen de texto
Los beneficios de esta tecnología son la mejora de la interacción entre máquinas y humanos, permitiendo a las primeras realizar tareas que antes solo las personas podían realizar y aumentar la eficiencia y productividad.
A pesar de estas ventajas, existen desafíos, como la complejidad del lenguaje, las dificultades que atraviesan los desarrolladores para obtener datos de entrenamiento y la susceptibilidad de los modelos al sesgo algorítmico, es decir cuando un sistema de aprendizaje automático refleja los valores de las personas que lo desarrollaron o entrenaron.
“A través de estos procesos, la IA puede aprender distintas cosas y ser aplicada en una infinidad de tareas, pero para esto serán importantes la calidad y la cantidad de los datos con los que se los entrene”, concluye el experto.