La inteligencia artificial (IA) es la capacidad de una computadora, a través de algoritmos y acceso a datos, a resolver problemas cuya dificultad pareciera requerir el poder de un cerebro humano.
Por Robert Yates, CEO de Alternativas en Computación
Un poco de historia
El campo de investigación de la IA se inició en los años 50 poco después del invento de la computadora electrónica. En un principio se veía muy prometedora ya que se lograron en poco tiempo desarrollar programas para jugar damas inglesas al nivel internacional[i] (Samuel), jugar un nivel razonable de ajedrez[ii] (Greenblatt) y resolver problemas de lógica matemática[iii] (Shaw). La metodología utilizada en ese tiempo involucraba la construcción y recorrido de árboles de solución. Se decía que en un plazo no mayor a 15-20 años la IA iba a alcanzar al cerebro humano en casi todo. Sin embargo, a principios de los años 70, el progreso de los resultados de IA se frenó de manera abrupta (con algunas excepciones) y no fue hasta el 2010 que el campo empezó a dar fruto nuevamente. Se atribuía el problema al crecimiento combinatorio del espacio de soluciones a investigar. Un resultado previo a esta fecha ocurrió en 1997 cuando un sistema de cómputo y programa especial de IBM llamado Deep Blue[iv] logró derrotar al campeón mundial de ajedrez Garry Kasparov, pero en otras áreas, el progreso había sido muy lento.
Renacimiento de la IA
El renacimiento de la IA se debe, en parte, a la ley de Moore. A lo largo de este tiempo, el poder de cómputo se ha ido duplicando cada dos años. Para el año 2010, este factor ya alcanzó más de un millón de veces desde 1970. En 2006, IBM, buscando un seguidor a Deep Blue, estableció un proyecto “Watson”[v] para hacer una computadora capaz de competir contra humanos en el juego popular de preguntas/respuestas Jeopardy de la televisión. En febrero 2011, en un programa televisado de Jeopardy, Watson compitió contra los dos campeones Ken Jennings y Brad Rutter con más ganancias en la historia del juego y les venció con facilidad. Cabe mencionar que el juego de Jeopardy utiliza sutilezas del idioma para expresar sus preguntas y abarca prácticamente cualquier categoría. En el mundo de la tecnología de la informática, se dieron cuenta que se había logrado un salto cuántico del poder de la IA.
Durante los últimos seis años, los resultados de la IA han sido abrumadores. Utilizando redes neuronales (una manera de representar neuronas en la computadora) y una técnica de aprendizaje profundo por máquina, se han logrado programas de IA para:
- Entender el idioma natural hablado
- Manejar un automóvil de manera automática
- Reconocer el contenido de una imagen complicada
- Reconocimiento facial
- Ganar al campeón mundial en el juego de GO (Alpha GO de Google) considerado mucho más complicado que el ajedrez
- Leer labios mejor que los humanos
- Componer música y realizar pinturas
- Sintetizar voz
- Reconocer enfermedades con imágenes
En este momento, hay más de tres mil proyectos de IA en desarrollo de todo tipo que seguramente agregarán logros adicionales a la lista. Como una regla “de dedo pulgar”, se dice que:
Una tarea realizada por un ser humano que requiere menos que dos segundos de pensamiento es sujeto a sustituirse por una red neuronal.
Las técnicas modernas de IA que más se utilizan incluyen redes neuronales, redes de Bayes, lógica borrosa (fuzzy logic) y computación basada en evolución (sobrevivencia del más apto). Entre ellos el más popular sin duda son las redes neuronales con aprendizaje por máquina.
La IA no es apta para todo lo que hacemos los humanos
El tipo de problema que ha dado fruto con la IA hasta ahora se le ha llamado “predictivo”. Es decir, dado una serie de entradas A1,…,An tratar de obtener un programa que obtenga salidas B1,…,Bm que daría un ser humano competente con las mismas entradas. Las entradas, por ejemplo, podrían ser los pixeles de una imagen o los datos de los sensores conectados a un coche en la carretera. Las salidas serían el contenido de la imagen (ej. que objetos contiene y que están haciendo) o que acción aplicar al volante, freno, acelerador, etc. Para lograr el programa, se establece una red neuronal de tamaño adecuado, pero no ajustado al problema y se procede a “entrenar al programa”. El entrenamiento consiste primero en obtener un buen número de ejemplos con sus entradas Ai y salidas Bi conocidas. Se aplican las entradas a la red inicial obteniendo salidas Ci incorrectas. Existen mecanismos para obtener la diferencia entre las Bi (correctas) y Ci (incorrectas) y con ella determinar los cambios a los parámetros de la red neuronal que se deben de aplicar para reducir esta diferencia. Se repite este proceso una y otra vez utilizando a todos los ejemplos que se tienen. El programa definido por la red neuronal tiende, por lo general, a lograr reproducir correctamente las respuestas deseadas. Cabe comentar que este método puede requerir cientos de miles (o hasta millones) de ejemplos para entrenar correctamente a la red y una gran cantidad de computación. Se suele utilizar procesadores de tipo gráfico (GPU) en donde residen miles de procesadores en un solo chip, todos trabajando en paralelo. La compañía nVidia, por ejemplo, fabrica una tarjeta para manejar un coche en forma automática. La tarjeta ejecuta 4 Tera operaciones por segundo ( operaciones/segundo).
IA: impacto económico en la fuerza laboral
Dado los éxitos realizados hasta ahora, aunados a las posibilidades dentro del cercano futuro, se ve que la IA va a tener un impacto enorme sobre las operaciones de todas las empresas durante los años próximos.
Una situación preocupante, no bien analizada, proviene de la probable pérdida de millones de empleos en todo el mundo que pueden efectuarse por computadoras basadas en redes neuronales. Tan solo dentro del rubro de choferes de taxis, autobuses y camiones existen millones de empleos el día de hoy. Expertos en el campo estiman que para el año 2025, un tercio de los trabajos tradicionales pueden ser sustituidos por la IA. Hoy por hoy, la magnitud del impacto no está clara ni tampoco la manera de reintegrar a estas personas desplazadas dentro de la fuerza de trabajo productiva.
A través del período de la revolución industrial, por la introducción de tecnologías nuevas, siempre se ha visto la necesidad de reubicar ciertos trabajos dentro de la economía modificada y dichas tecnologías siempre han creado estas nuevas fuentes de trabajo. Sin embargo, nunca se ha visto un cambio tecnológico que afecta a tantos segmentos de la economía al mismo tiempo y por primera vez, no se ve claro de dónde van a salir las fuentes de trabajo nuevas por la utilización de IA. El problema merece mucha atención y tendrá que estudiarse con cuidado desde ahora.
Inteligencia Artificial y Seguridad
IA también genera una problemática de aspecto legal. Dispositivos que utilizan IA (como, por ejemplo, un coche sin chofer) pueden hacer daño a humanos. Las leyes hoy en día no prevén esta situación y se ve que no va a ser fácil regular este tema. Un doctor, asistido y recomendado por un dispositivo de AI, puede recetar una medicina que mata al paciente. ¿En dónde reside la culpabilidad? Dentro del entrenamiento del dispositivo, se podía haber tenido casos que utilizaban la medicina sugerida. Durante los próximos años, se prevé un desarrollo importante en este tema.
¿Cuál es el futuro de la IA?
En su libro, The Singularity is Near [vi], Ray Kurtzweil predice que para el año 2029, a raíz de la ley de Moore, las computadoras alcanzarán el nivel de poder del cerebro humano. Él define este punto como “singularidad” y expone la idea de unir a los humanos y las máquinas en un tipo de hombre biónico para extender nuestra inteligencia. A más corto plazo, se prevé el uso de esta tecnología en casi todos los aspectos de nuestra vida.
Referencias
[i] Samuel, Arthur 1959. Some Studies in Machine Learning Using the Game of Checkers. IBM Journal of Research and Development (Volume:44, Issue:1.2). DOI:10.1147/rd.441.0206
[ii] Richard Greenblatt, Donald Eastlake, Stephen D. Crocker (1967). The Greenblatt Chess Program. Proceedings of the AfiPs Fall Joint Computer Conference, Vol. 31, reprinted (1988) in Computer Chess Compendium, pdf from The Computer History Museum or as pdf or ps from DSpace at MIT
[iii] Stefferud, Einar, 1963, The logic Theory Machine, Rand memorandum RM-3731 CC
[iv] Heng-hsiung (2002). «Behind Deep Blue: Building the Computer that Defeated the World Chess Champion». Princeton University Press. ISBN 0-691-09065-3.
[v] Ferrucci, David; Levas, Anthony; Bagchi, Sugato; Gondek, David; Mueller, Erik T. (2013-06-01). «Watson: Beyond Jeopardy!». Artificial Intelligence. 199: 93–105. doi:10.1016/j.artint.2012.06.009.
[vi] Kurtzweil, Ray, 2005, “The Singularity is Near”. ISBN-13: 978-0739466261
