¿Qué es la inteligencia artificial? 4 tipos de iA.

¿Sabes qué es la Inteligencia Artificial?, La inteligencia artificial (IA) es una rama amplia de la informática que se ocupa de construir máquinas inteligentes capaces de realizar tareas que normalmente requieren inteligencia humana. Si bien la IA es una ciencia interdisciplinaria con múltiples enfoques, los avances en el aprendizaje automático y el aprendizaje profundo, en particular, están creando un cambio de paradigma en prácticamente todos los sectores de la industria tecnológica.

La inteligencia artificial permite a las máquinas modelar, o incluso mejorar, las capacidades de la mente humana. Desde el desarrollo de automóviles autónomos hasta la proliferación de herramientas de inteligencia artificial generativa como ChatGPT y Bard de Google, la inteligencia artificial se está convirtiendo cada vez más en parte de la vida cotidiana y en un área en la que están invirtiendo empresas de todas las industrias.

Introduciendo la inteligencia artificial: En términos generales, los sistemas artificialmente inteligentes pueden realizar tareas comúnmente asociadas con funciones cognitivas humanas, como interpretar el habla, jugar e identificar patrones. Por lo general, aprenden cómo hacerlo procesando cantidades masivas de datos y buscando patrones para modelar en su propia toma de decisiones.

En muchos casos, los humanos supervisarán el proceso de aprendizaje de una IA, reforzando las buenas decisiones y desalentando las malas. Pero algunos sistemas de IA están diseñados para aprender sin supervisión; por ejemplo, jugando un videojuego una y otra vez hasta que finalmente descubren las reglas y cómo ganar.

La inteligencia es difícil de definir, razón por la cual los expertos en IA suelen distinguir entre IA fuerte e IA débil.

La IA fuerte, también conocida como inteligencia artificial general, es una máquina que puede resolver problemas para los que nunca ha sido entrenada, de manera muy similar a como puede hacerlo un ser humano. Este es el tipo de IA que vemos en las películas, como los robots de Westworld o el personaje Data de Star Trek: The Next Generation. Este tipo de IA en realidad aún no existe.

La creación de una máquina con inteligencia a nivel humano que pueda aplicarse a cualquier tarea es el Santo Grial para muchos investigadores de IA, pero la búsqueda de una inteligencia artificial general ha estado plagada de dificultades. Y algunos creen que la investigación sólida en IA debería ser limitada, debido a los riesgos potenciales de crear una IA poderosa sin las barreras de seguridad adecuadas.

A diferencia de la IA débil, la IA fuerte representa una máquina con un conjunto completo de capacidades cognitivas (y una gama igualmente amplia de casos de uso), pero el tiempo no ha aliviado la dificultad de lograr tal hazaña.

La IA débil, a veces denominada IA ​​restringida o IA especializada, opera dentro de un contexto limitado y es una simulación de la inteligencia humana aplicada a un problema estrictamente definido (como conducir un automóvil, transcribir el habla humana o seleccionar contenido en un sitio web).

La IA débil a menudo se centra en realizar una sola tarea extremadamente bien. Si bien estas máquinas pueden parecer inteligentes, operan bajo muchas más restricciones y limitaciones que incluso la inteligencia humana más básica.

Lea más sobre IA débil o IA estrecha: Comprender las capacidades de la IA estrecha

La IA se puede dividir en cuatro categorías, según el tipo y la complejidad de las tareas que puede realizar un sistema. Hay pocos ejemplos interesantes con los tipos de Inteligencia Artificial.

Una máquina reactiva sigue los principios más básicos de la IA y, como su nombre lo indica, es capaz de utilizar su inteligencia únicamente para percibir y reaccionar ante el mundo que tiene delante. Una máquina reactiva no puede almacenar memoria y, como resultado, no puede confiar en experiencias pasadas para informar la toma de decisiones en tiempo real.

Percibir el mundo directamente significa que las máquinas reactivas están diseñadas para completar sólo un número limitado de tareas especializadas. Sin embargo, reducir intencionalmente la visión del mundo de una máquina reactiva tiene sus beneficios: este tipo de IA será más confiable y confiable, y reaccionará de la misma manera ante los mismos estímulos cada vez.

Estos son algunos ejemplos de Máquinas Reactivas

Deep Blue fue diseñado por IBM en 1985 en la Universidad Carnegie Mellon bajo el nombre de ChipTest.

Deep Blue solo era capaz de identificar las piezas en un tablero de ajedrez y saber cómo se mueve cada una de ellas según las reglas del ajedrez, reconociendo la posición actual de cada pieza y determinando cuál sería el movimiento más lógico en ese momento.

La computadora no estaba persiguiendo movimientos potenciales futuros de su oponente ni tratando de poner sus propias piezas en una mejor posición. Cada giro fue visto como su propia realidad, separada de cualquier otro movimiento realizado previamente.

AlphaGo de Google tampoco es capaz de evaluar movimientos futuros, pero depende de su propia red neuronal para evaluar los desarrollos del juego actual, lo que le da una ventaja sobre Deep Blue en un juego más complejo.

AlphaGo también superó a los competidores del juego de clase mundial, derrotando al campeón de Go Lee Sedol en 2016.

La IA con memoria limitada tiene la capacidad de almacenar datos y predicciones anteriores al recopilar información y sopesar decisiones potenciales, esencialmente mirando al pasado en busca de pistas sobre lo que vendrá después. La IA con memoria limitada es más compleja y presenta mayores posibilidades que las máquinas reactivas.

La IA con memoria limitada se crea cuando un equipo entrena continuamente un modelo sobre cómo analizar y utilizar nuevos datos o cuando se construye un entorno de IA para que los modelos puedan entrenarse y renovarse automáticamente.

La teoría de la mente es sólo eso: teórica. Todavía no hemos alcanzado las capacidades tecnológicas y científicas necesarias para alcanzar el siguiente nivel de IA.

El concepto se basa en la premisa psicológica de comprender que otros seres vivos tienen pensamientos y emociones que afectan el comportamiento de uno mismo.

En términos de máquinas de IA, esto significaría que la IA podría comprender cómo se sienten los humanos, los animales y otras máquinas y tomar decisiones a través de la autorreflexión y la determinación, y luego utilizar esa información para tomar sus propias decisiones.

Esencialmente, las máquinas tendrían que ser capaces de captar y procesar el concepto de «mente», las fluctuaciones de las emociones en la toma de decisiones y una letanía de otros conceptos psicológicos en tiempo real, creando una relación bidireccional entre las personas y la IA. .

Una vez que se pueda establecer la teoría de la mente, a veces en el futuro de la IA, el paso final será que la IA se vuelva consciente de sí misma. Este tipo de IA posee una conciencia a nivel humano y comprende su propia existencia en el mundo, así como la presencia y el estado emocional de los demás.

Sería capaz de comprender lo que otros pueden necesitar basándose no sólo en lo que les comunican sino también en cómo lo comunican.

La autoconciencia en la IA depende de que los investigadores humanos comprendan la premisa de la conciencia y luego aprendan a replicarla para que pueda integrarse en las máquinas.

Los ejemplos de inteligencia artificial son un tema interesante e informativo para discutir, así que comencemos.

La tecnología de inteligencia artificial adopta muchas formas, robots médicos, desde chatbots hasta aplicaciones de navegación y rastreadores de actividad física portátiles. Los siguientes ejemplos ilustran la amplitud de posibles aplicaciones de la IA.

ChatGPT es un chatbot de inteligencia artificial capaz de producir contenido escrito en una variedad de formatos, desde ensayos hasta código y respuestas a preguntas simples.

Lanzado en noviembre de 2022 por OpenAI, ChatGPT funciona con un modelo de lenguaje grande que le permite emular de cerca la escritura humana. ChatGPT también estuvo disponible como aplicación móvil para dispositivos iOS en mayo de 2023 y para dispositivos Android en julio de 2023.

Google Mapas utiliza datos de ubicación de teléfonos inteligentes, así como datos informados por los usuarios sobre aspectos como construcciones y accidentes automovilísticos, para monitorear el flujo y reflujo del tráfico y evaluar cuál será la ruta más rápida.

Los asistentes personales como Siri, Alexa y Cortana utilizan el procesamiento del lenguaje natural, o PNL, para recibir instrucciones de los usuarios para configurar recordatorios, buscar información en línea y controlar las luces en los hogares de las personas. 

En muchos casos, estos asistentes están diseñados para conocer las preferencias de un usuario y mejorar su experiencia con el tiempo con mejores sugerencias y respuestas más personalizadas.

Los filtros de Snapchat utilizan algoritmos de aprendizaje automático para distinguir entre el sujeto de una imagen y el fondo, rastrear los movimientos faciales y ajustar la imagen en la pantalla según lo que esté haciendo el usuario.

Los coches autónomos son un ejemplo reconocible de aprendizaje profundo, ya que utilizan redes neuronales profundas para detectar objetos a su alrededor, determinar su distancia de otros coches, identificar señales de tráfico y mucho más.

Los sensores y dispositivos portátiles utilizados en la industria de la salud también aplican el aprendizaje profundo para evaluar el estado de salud del paciente, incluidos sus niveles de azúcar en sangre, presión arterial y frecuencia cardíaca.

También pueden derivar patrones de los datos médicos anteriores de un paciente y utilizarlos para anticipar cualquier condición de salud futura.

MuZero, un programa informático creado por DeepMind, es un pionero prometedor en la búsqueda de lograr una verdadera inteligencia artificial general. Ha logrado dominar juegos que ni siquiera le habían enseñado a jugar, incluido el ajedrez y un conjunto completo de juegos de Atari, mediante la fuerza bruta, jugando millones de veces.

Aunque los términos “aprendizaje automático” y “aprendizaje profundo” surgen con frecuencia en las conversaciones sobre IA, no deberían usarse indistintamente. El aprendizaje profundo es una forma de aprendizaje automático y el aprendizaje automático es un subcampo de la inteligencia artificial.

Un algoritmo de aprendizaje automático recibe datos de una computadora y utiliza técnicas estadísticas para ayudarlo a «aprender» cómo mejorar progresivamente en una tarea, sin necesariamente haber sido programado específicamente para esa tarea.

En cambio, los algoritmos de ML utilizan datos históricos como entrada para predecir nuevos valores de salida. Con ese fin, ML consta tanto de aprendizaje supervisado (donde el resultado esperado de la entrada se conoce gracias a conjuntos de datos etiquetados) como de aprendizaje no supervisado (donde los resultados esperados se desconocen debido al uso de conjuntos de datos no etiquetados).

El aprendizaje profundo es un tipo de aprendizaje automático que ejecuta entradas a través de una arquitectura de red neuronal de inspiración biológica. Las redes neuronales contienen una serie de capas ocultas a través de las cuales se procesan los datos, lo que permite a la máquina profundizar en su aprendizaje, establecer conexiones y ponderar las entradas para obtener mejores resultados.

Puede encontrar más información sobre la inteligencia artificial y los tipos de inteligencia artificial en los sitios web de educación tecnológica.

1. Wikipedia – Inteligencia Artificial:
   • Inteligencia Artificial en Wikipedia
2. Enciclopedia Británica – Artificial Intelligence.
3. MIT Technology Review:
   • MIT Technology Review – Artificial Intelligence
4. IEEE Spectrum:
   • IEEE Spectrum – Artificial Intelligence