¿Qué es la Inteligencia Artificial (IA)? Todo lo que necesita saber

¿Qué es la IA?

La inteligencia artificial es la simulación de procesos de inteligencia humana mediante máquinas, especialmente sistemas informáticos. Las aplicaciones específicas de la IA incluyen sistemas expertos, procesamiento del lenguaje natural, reconocimiento de voz y visión artificial.

¿Cómo funciona la IA?

A medida que se ha acelerado el revuelo en torno a la Inteligencia Artificial, los proveedores se han apresurado a promover cómo la utilizan sus productos y servicios. A menudo, lo que denominan IA es simplemente un componente de la tecnología, como el aprendizaje automático. La IA requiere una base de hardware y software especializados para escribir y entrenar algoritmos de aprendizaje automático. Ningún lenguaje de programación es sinónimo de IA, pero Python, R, Java, C++ y Julia tienen características populares entre los desarrolladores de IA.

En general, los sistemas de IA funcionan ingiriendo grandes cantidades de datos de entrenamiento etiquetados, analizando los datos en busca de correlaciones y patrones, y utilizando estos patrones para hacer predicciones sobre estados futuros. De este modo, un chatbot que recibe ejemplos de texto puede aprender a generar intercambios realistas con las personas, o una herramienta de reconocimiento de imágenes puede aprender a identificar y describir objetos en imágenes revisando millones de ejemplos. Las nuevas técnicas de IA generativa que mejoran rápidamente pueden crear textos, imágenes, música y otros medios realistas.

La programación de la Inteligencia Artificial se centra en habilidades cognitivas que incluyen lo siguiente:

• Aprendizaje. Este aspecto de la programación de IA se centra en la adquisición de datos y la creación de reglas para convertirlos en información procesable. Las reglas, denominadas algoritmos, proporcionan a los dispositivos informáticos instrucciones paso a paso sobre cómo realizar una tarea específica.
• Razonamiento. Este aspecto de la programación de IA se centra en elegir el algoritmo adecuado para alcanzar un resultado deseado.
• Autocorrección. Este aspecto de la programación de IA está diseñado para ajustar continuamente los algoritmos y garantizar que proporcionen los resultados más precisos posibles.
• Creatividad. Este aspecto de la IA utiliza redes neuronales, sistemas basados en reglas, métodos estadísticos y otras técnicas de IA para generar nuevas imágenes, nuevos textos, nueva música y nuevas ideas.

Diferencias entre IA, aprendizaje automático y aprendizaje profundo

IA, aprendizaje automático y aprendizaje profundo son términos comunes en TI empresarial y a veces se utilizan indistintamente, especialmente por las empresas en sus materiales de marketing. Pero hay distinciones. El término IA, acuñado en la década de 1950, se refiere a la simulación de la inteligencia humana por máquinas. Abarca un conjunto de capacidades en constante evolución a medida que se desarrollan nuevas tecnologías. Las tecnologías que se engloban bajo el paraguas de la IA incluyen el aprendizaje automático y el aprendizaje profundo.

El aprendizaje automático permite que las aplicaciones de software sean más precisas a la hora de predecir resultados sin estar explícitamente programadas para ello. Los algoritmos de aprendizaje automático utilizan datos históricos como entrada para predecir nuevos valores de salida. Este enfoque se hizo mucho más eficaz con el aumento de grandes conjuntos de datos para entrenar. El aprendizaje profundo, un subconjunto del aprendizaje automático, se basa en nuestra comprensión de cómo está estructurado el cerebro. El uso que hace el aprendizaje profundo de la estructura de las redes neuronales artificiales es la base de los recientes avances en IA, incluidos los coches autoconducidos y ChatGPT.

¿Por qué es Importante la Inteligencia Artificial?

La Inteligencia Artificial es importante por su potencial para cambiar nuestra forma de vivir, trabajar y jugar. Se ha utilizado eficazmente en las empresas para automatizar tareas realizadas por humanos, como el trabajo de atención al cliente, la generación de contactos, la detección de fraudes y el control de calidad. En muchos ámbitos, la IA puede realizar tareas mucho mejor que los humanos. Especialmente cuando se trata de tareas repetitivas y detalladas, como el análisis de un gran número de documentos legales para garantizar que los campos pertinentes se rellenan correctamente, las herramientas de IA suelen completar los trabajos rápidamente y con relativamente pocos errores. Debido a los enormes conjuntos de datos que puede procesar, la IA también puede ofrecer a las empresas información sobre sus operaciones de la que podrían no haber sido conscientes. El rápido crecimiento de la población de herramientas de IA generativa será importante en campos que van desde la educación y el marketing hasta el diseño de productos.

De hecho, los avances en las técnicas de IA no sólo han contribuido a impulsar una explosión de la eficiencia, sino que han abierto la puerta a oportunidades de negocio totalmente nuevas para algunas grandes empresas. Antes de la actual ola de IA, habría sido difícil imaginar el uso de programas informáticos para conectar a los pasajeros con los taxis, pero Uber se ha convertido en una empresa Fortune 500 haciendo precisamente eso.

La IA se ha convertido en un elemento central de muchas de las empresas más grandes y exitosas de la actualidad, como Alphabet, Apple, Microsoft y Meta, donde las tecnologías de IA se utilizan para mejorar las operaciones y superar a los competidores. En Google, filial de Alphabet, por ejemplo, la IA es fundamental para su motor de búsqueda, los coches autónomos de Waymo y Google Brain, que inventó la arquitectura de red neuronal transformadora que sustenta los recientes avances en el procesamiento del lenguaje natural.

¿Cuáles son las Ventajas y Desventajas de la Inteligencia Artificial?

Las redes neuronales artificiales y las tecnologías IA de aprendizaje profundo están evolucionando rápidamente, principalmente porque la IA puede procesar grandes cantidades de datos mucho más rápido y hacer predicciones con más precisión de lo humanamente posible.

Mientras que el enorme volumen de datos que se crea a diario sepultaría a un investigador humano, las aplicaciones de IA que utilizan el aprendizaje automático pueden tomar esos datos y convertirlos rápidamente en información procesable. En el momento de escribir estas líneas, una de las principales desventajas de la IA es que resulta caro procesar las grandes cantidades de datos que requiere la programación de IA. A medida que las técnicas de IA se incorporan a más productos y servicios, las organizaciones también deben estar atentas al potencial de la IA para crear sistemas sesgados y discriminatorios, intencionada o inadvertidamente.

Ventajas de la IA

A continuación se enumeran algunas ventajas de la IA.

• Es buena en trabajos orientados a los detalles. La IA ha demostrado ser tan buena, si no mejor, que los médicos a la hora de diagnosticar ciertos tipos de cáncer, como el cáncer de mama y el melanoma.
• Reduce el tiempo dedicado a tareas con muchos datos. La IA se utiliza ampliamente en sectores que manejan muchos datos, como la banca y los valores, la farmacia y los seguros, para reducir el tiempo que se tarda en analizar grandes conjuntos de datos. Los servicios financieros, por ejemplo, utilizan habitualmente la IA para procesar solicitudes de préstamos y detectar fraudes.
• Ahorra trabajo y aumenta la productividad. Un ejemplo es el uso de la automatización de almacenes, que creció durante la pandemia y se espera que aumente con la integración de la IA y el aprendizaje automático.
• Ofrece resultados coherentes. Las mejores herramientas de traducción con IA proporcionan altos niveles de coherencia, ofreciendo incluso a las pequeñas empresas la capacidad de llegar a los clientes en su lengua materna.
• Puede mejorar la satisfacción del cliente mediante la personalización. La IA puede personalizar el contenido, los mensajes, los anuncios, las recomendaciones y los sitios web para cada cliente.
• Los agentes virtuales con IA están siempre disponibles. Los programas de IA no necesitan dormir ni hacer pausas, por lo que ofrecen un servicio 24 horas al día, 7 días a la semana.

Desventajas de la IA

A continuación se enumeran algunas desventajas de la IA.

• Es cara.
• Requiere profundos conocimientos técnicos.
• Oferta limitada de trabajadores cualificados para construir herramientas de IA.
• Refleja los sesgos de sus datos de entrenamiento, a escala.
• Falta de capacidad para generalizar de una tarea a otra.
• Elimina puestos de trabajo humanos, aumentando las tasas de desempleo.

IA Fuerte vs IA Débil

La Inteligencia Artificial puede clasificarse como débil o fuerte.

• La IA Débil, también conocida como IA estrecha, está diseñada y entrenada para completar una tarea específica. Los robots industriales y los asistentes personales virtuales, como Siri de Apple, utilizan IA débil.
• La IA Fuerte, también conocida como inteligencia artificial general (AGI), describe la programación que puede replicar las capacidades cognitivas del cerebro humano. Cuando se le presenta una tarea desconocida, un sistema de IA fuerte puede utilizar la lógica difusa para aplicar conocimientos de un dominio a otro y encontrar una solución de forma autónoma. En teoría, un programa de IA potente debería ser capaz de superar tanto la prueba de Turing como el argumento de la Habitación China.

¿Cuáles son los 4 Tipos de Inteligencia Artificial?

Arend Hintze, profesor adjunto de biología integrativa y ciencias e ingeniería informáticas en la Universidad Estatal de Michigan, explicó que la IA puede clasificarse en cuatro tipos, empezando por los sistemas inteligentes para tareas específicas que se utilizan ampliamente en la actualidad y avanzando hasta los sistemas sintientes, que aún no existen. Las categorías son las siguientes.

• Tipo 1: Máquinas reactivas. Estos sistemas de IA no tienen memoria y son específicos para cada tarea. Un ejemplo es Deep Blue, el programa de ajedrez de IBM que venció a Garry Kasparov en la década de 1990. Deep Blue puede identificar piezas en un tablero de ajedrez y hacer predicciones, pero como no tiene memoria, no puede utilizar experiencias pasadas para informar sobre las futuras.
• Tipo 2: Memoria limitada. Estos sistemas de IA tienen memoria, por lo que pueden utilizar experiencias pasadas para tomar decisiones futuras. Algunas de las funciones de toma de decisiones de los coches autónomos están diseñadas de este modo.
• Tipo 3: Teoría de la mente. Teoría de la mente es un término psicológico. Aplicado a la IA, significa que el sistema tendría la inteligencia social necesaria para comprender las emociones. Este tipo de IA será capaz de deducir las intenciones humanas y predecir el comportamiento, una habilidad necesaria para que los sistemas de IA se conviertan en miembros integrales de los equipos humanos.
• Tipo 4: Autoconciencia. En esta categoría, los sistemas de IA tienen sentido de sí mismos, lo que les confiere consciencia. Las máquinas con conciencia de sí mismas comprenden su propio estado actual. Este tipo de IA aún no existe.

¿Qué Ejemplos hay de tecnología IA y Cómo se Utiliza Hoy en Día?

La Inteligencia Artificial está incorporada a diversos tipos de tecnología. He aquí siete ejemplos.

Automatización. Cuando se combinan con tecnologías de IA, las herramientas de automatización pueden ampliar el volumen y los tipos de tareas realizadas. Un ejemplo es la automatización robótica de procesos (RPA), un tipo de software que automatiza tareas de procesamiento de datos repetitivas y basadas en reglas que tradicionalmente realizaban los humanos. Cuando se combina con el aprendizaje automático y las herramientas de IA emergentes, la RPA puede automatizar partes más grandes de los trabajos de la empresa, permitiendo a los robots tácticos de RPA transmitir inteligencia de la IA y responder a los cambios en los procesos.

Aprendizaje automático. Es la ciencia que consigue que un ordenador actúe sin necesidad de programación. El aprendizaje profundo es un subconjunto del aprendizaje automático que, en términos muy sencillos, puede considerarse como la automatización del análisis predictivo. Existen tres tipos de algoritmos de aprendizaje automático:

• Aprendizaje supervisado. Los conjuntos de datos se etiquetan para poder detectar patrones y utilizarlos para etiquetar nuevos conjuntos de datos.
• Aprendizaje no supervisado. Los conjuntos de datos no se etiquetan y se clasifican según sus similitudes o diferencias.
• Aprendizaje por refuerzo. Los conjuntos de datos no se etiquetan pero, tras realizar una o varias acciones, el sistema de IA recibe información.

Visión artificial. Esta tecnología confiere a una máquina la capacidad de ver. La visión artificial capta y analiza la información visual mediante una cámara, la conversión analógico-digital y el procesamiento digital de señales. A menudo se compara con la vista humana, pero la visión artificial no está limitada por la biología y puede programarse para ver a través de paredes, por ejemplo. Se utiliza en una variedad de aplicaciones, desde identificación de firmas hasta análisis de imágenes médicas. La visión por computadora, que se centra en el procesamiento de imágenes basado en máquinas, a menudo se combina con la visión artificial.

Procesamiento del Lenguaje Natural (PLN). Se trata del tratamiento del lenguaje humano por un programa informático. Uno de los ejemplos más antiguos y conocidos de PNL es la detección de spam, que examina el asunto y el texto de un correo electrónico y decide si es basura. Los enfoques actuales de la PLN se basan en el aprendizaje automático. Las tareas de la PLN incluyen la traducción de textos, el análisis de sentimientos y el reconocimiento de voz.

Robótica. Este campo de la ingeniería se centra en el diseño y la fabricación de robots. Los robots se utilizan a menudo para realizar tareas que a los humanos les resultan difíciles o que no pueden realizar de forma sistemática. Por ejemplo, los robots se utilizan en cadenas de montaje de automóviles o en la NASA para mover grandes objetos en el espacio. Los investigadores también utilizan el aprendizaje automático para construir robots capaces de interactuar en entornos sociales.

Coches autónomos. Los vehículos autónomos utilizan una combinación de visión por computadora, reconocimiento de imágenes y aprendizaje profundo para crear habilidades automatizadas para pilotar un vehículo mientras se mantiene en un carril determinado y evitar obstáculos inesperados, como peatones.

Generación de texto, imagen y audio. Las técnicas de IA generativa, que crean varios tipos de medios a partir de mensajes de texto, se están aplicando ampliamente en las empresas para crear una gama aparentemente ilimitada de tipos de contenido, desde arte fotorrealista hasta respuestas de correo electrónico y guiones.

¿Cuáles son las Aplicaciones de la IA?

La inteligencia artificial se ha abierto camino en una gran variedad de mercados. He aquí 11 ejemplos.

IA en sanidad. La mayor apuesta es mejorar los resultados de los pacientes y reducir costes. Las empresas están aplicando el aprendizaje automático para realizar diagnósticos médicos mejores y más rápidos que los humanos. Una de las tecnologías sanitarias más conocidas es IBM Watson. Entiende el lenguaje natural y puede responder a las preguntas que se le formulan. El sistema extrae datos de pacientes y otras fuentes de datos disponibles para formar una hipótesis, que luego presenta con un esquema de puntuación de confianza. Otras aplicaciones de la IA incluyen el uso de asistentes sanitarios virtuales en línea y chatbots para ayudar a pacientes y clientes sanitarios a encontrar información médica, concertar citas, comprender el proceso de facturación y completar otros trámites administrativos. También se está utilizando un conjunto de tecnologías de IA para predecir, combatir y comprender pandemias como la COVID-19.

La IA en la empresa. Los algoritmos de aprendizaje automático se están integrando en plataformas de análisis y gestión de relaciones con los clientes (CRM) para descubrir información sobre cómo atender mejor a los clientes. Los chatbots se han incorporado a los sitios web para ofrecer un servicio inmediato a los clientes. Se espera que el rápido avance de la tecnología de IA generativa, como ChatGPT, tenga consecuencias de gran alcance: eliminar puestos de trabajo, revolucionar el diseño de productos y alterar los modelos de negocio.

La IA en la educación. La IA puede automatizar la calificación, dejando a los profesores más tiempo para otras tareas. Puede evaluar a los estudiantes y adaptarse a sus necesidades, ayudándoles a trabajar a su propio ritmo. Los tutores de IA pueden proporcionar apoyo adicional a los estudiantes, asegurándose de que siguen por el buen camino. La tecnología también podría cambiar dónde y cómo aprenden los alumnos, quizá incluso sustituyendo a algunos profesores. Como demuestran ChatGPT, Google Bard y otros modelos lingüísticos de gran tamaño, la IA generativa puede ayudar a los educadores a elaborar trabajos de curso y otros materiales didácticos y a implicar a los estudiantes de nuevas formas. La llegada de estas herramientas también obliga a los educadores a replantearse los deberes y los exámenes de los alumnos y a revisar las políticas sobre plagio.

La IA en las finanzas. La IA en las aplicaciones de finanzas personales, como Intuit Mint o TurboTax, está trastornando las instituciones financieras. Este tipo de aplicaciones recopilan datos personales y ofrecen asesoramiento financiero. Otros programas, como IBM Watson, se han aplicado al proceso de compra de una vivienda. En la actualidad, los programas de inteligencia artificial realizan gran parte de las operaciones bursátiles en Wall Street.

La IA en el Derecho. El proceso de búsqueda de documentos en el ámbito jurídico suele ser abrumador para los seres humanos. El uso de la IA para ayudar a automatizar los procesos laboriosos del sector legal está ahorrando tiempo y mejorando el servicio al cliente. Los bufetes de abogados utilizan el aprendizaje automático para describir datos y predecir resultados, la visión por computadora para clasificar y extraer información de los documentos y la PLN para interpretar las solicitudes de información.

La IA en el entretenimiento y los medios de comunicación. El negocio del entretenimiento utiliza técnicas de IA para la publicidad dirigida, la recomendación de contenidos, la distribución, la detección de fraudes, la creación de guiones y la realización de películas. El periodismo automatizado ayuda a las redacciones a agilizar los flujos de trabajo reduciendo tiempo, costes y complejidad. Las redacciones utilizan la IA para automatizar tareas rutinarias, como la introducción de datos y la corrección de pruebas, y para investigar temas y ayudar con los titulares. Queda por ver hasta qué punto el periodismo puede utilizar ChatGPT y otras IA generativas para generar contenidos.

La IA en la codificación de software y los procesos informáticos. Las nuevas herramientas de IA generativa pueden utilizarse para producir código de aplicación basado en instrucciones de lenguaje natural, pero aún es pronto para estas herramientas y es poco probable que sustituyan pronto a los ingenieros de software. La IA también se está utilizando para automatizar muchos procesos informáticos, como la introducción de datos, la detección de fraudes, el servicio de atención al cliente y la seguridad y mantenimiento predictivo.

Seguridad. La IA y el aprendizaje automático encabezan la lista de palabras de moda que los proveedores de seguridad utilizan para comercializar sus productos, por lo que los compradores deben actuar con cautela. Aun así, las técnicas de IA se están aplicando con éxito a múltiples aspectos de la ciberseguridad, como la detección de anomalías, la resolución del problema de los falsos positivos y la realización de análisis de amenazas conductuales. Las organizaciones utilizan el aprendizaje automático en el software de gestión de eventos e información de seguridad (SIEM) y áreas relacionadas para detectar anomalías e identificar actividades sospechosas que indiquen amenazas. Al analizar los datos y utilizar la lógica para identificar similitudes con códigos maliciosos conocidos, la IA puede proporcionar alertas de ataques nuevos y emergentes mucho antes que los empleados humanos y las iteraciones tecnológicas anteriores.

IA en la fabricación. La industria manufacturera ha estado a la vanguardia de la incorporación de robots al flujo de trabajo. Por ejemplo, los robots industriales que en su día se programaron para realizar tareas únicas y separadas de los trabajadores humanos, funcionan cada vez más como cobots: Robots más pequeños y multitarea que colaboran con los humanos y asumen la responsabilidad de más partes del trabajo en almacenes, fábricas y otros espacios de trabajo.

IA en la banca. Los bancos están empleando con éxito chatbots para dar a conocer a sus clientes servicios y ofertas y para gestionar transacciones que no requieren intervención humana. Los asistentes virtuales de IA se utilizan para mejorar y reducir los costes de cumplimiento de la normativa bancaria. Las organizaciones bancarias utilizan la IA para mejorar la toma de decisiones sobre préstamos, establecer límites de crédito e identificar oportunidades de inversión.

IA en el transporte. Además del papel fundamental de la IA en el funcionamiento de vehículos autónomos, las tecnologías de IA se utilizan en el transporte para gestionar el tráfico, predecir retrasos en los vuelos y hacer que el transporte marítimo sea más seguro y eficiente. En las cadenas de suministro, la IA está reemplazando los métodos tradicionales de pronosticar la demanda y predecir las interrupciones, una tendencia acelerada por el COVID-19 cuando muchas empresas fueron tomadas por sorpresa por los efectos de una pandemia global en la oferta y la demanda de bienes.

Inteligencia Aumentada vs Inteligencia Artificial

Algunos expertos del sector han argumentado que el término inteligencia artificial está demasiado vinculado a la cultura popular, lo que ha provocado que el público en general tenga expectativas improbables sobre cómo la IA cambiará el lugar de trabajo y la vida en general. Han sugerido utilizar el término inteligencia aumentada para diferenciar entre los sistemas de IA que actúan de forma autónoma — ejemplos de la cultura popular son Hal 9000 y Terminator — y las herramientas de IA que apoyan a los humanos.

• Inteligencia aumentada. Algunos investigadores y expertos en marketing esperan que la etiqueta inteligencia aumentada, que tiene una connotación más neutra, ayude a la gente a entender que la mayoría de las implementaciones de IA serán débiles y simplemente mejorarán los productos y servicios. Algunos ejemplos son la aparición automática de información importante en los informes de inteligencia empresarial o el resaltado de información importante en los expedientes judiciales. La rápida adopción de ChatGPT y Bard en la industria indica la voluntad de utilizar la IA para apoyar la toma de decisiones humanas.
• La inteligencia artificial. La verdadera IA, o AGI, está estrechamente asociada al concepto de singularidad tecnológica: un futuro regido por una superinteligencia artificial que supera con creces la capacidad del cerebro humano para comprenderla o cómo está dando forma a nuestra realidad. Esto sigue perteneciendo al ámbito de la ciencia ficción, aunque algunos desarrolladores están trabajando en el problema. Muchos creen que tecnologías como la computación cuántica podrían desempeñar un papel importante para hacer realidad la AGI y que deberíamos reservar el uso del término IA para este tipo de inteligencia general.

Uso Ético de la Inteligencia Artificial

Aunque las herramientas de IA presentan una serie de nuevas funcionalidades para las empresas, su uso también plantea cuestiones éticas porque, para bien o para mal, un sistema de IA reforzará lo que ya ha aprendido.

Esto puede ser problemático porque los algoritmos de aprendizaje automático, en los que se basan muchas de las herramientas de IA más avanzadas, son tan inteligentes como los datos que se les proporcionan en el entrenamiento. Dado que un ser humano selecciona los datos que se utilizan para entrenar un programa de IA, el potencial de sesgo del aprendizaje automático es inherente y debe vigilarse de cerca.

Cualquiera que desee utilizar el aprendizaje automático como parte de sistemas de producción en el mundo real debe tener en cuenta la ética en sus procesos de formación de IA y esforzarse por evitar el sesgo. Esto es especialmente cierto cuando se utilizan algoritmos de IA que son inherentemente inexplicables en aplicaciones de aprendizaje profundo y redes generativas adversariales (GAN).

La explicabilidad es un escollo potencial para el uso de la IA en industrias que operan bajo estrictos requisitos de cumplimiento normativo. Por ejemplo, las instituciones financieras de Estados Unidos están sujetas a normas que les obligan a explicar sus decisiones de concesión de créditos. Sin embargo, cuando la decisión de denegar un crédito se toma mediante programación de IA, puede ser difícil explicar cómo se ha llegado a esa decisión, porque las herramientas de IA utilizadas para tomar esas decisiones funcionan extrayendo sutiles correlaciones entre miles de variables. Cuando el proceso de toma de decisiones no puede explicarse, el programa puede denominarse IA de caja negra.

En resumen, los retos éticos de la IA son los siguientes:

• Sesgo debido a algoritmos mal entrenados y sesgo humano.
• Mal uso debido a deepfakes y phishing.
• Preocupaciones legales, incluidos los problemas de difamación y derechos de autor de la IA.
• Eliminación de puestos de trabajo debido a las crecientes capacidades de la IA.
• Preocupación por la privacidad de los datos, especialmente en los ámbitos bancario, sanitario y jurídico.

Gobernanza y Normativa de la IA

A pesar de los riesgos potenciales, en la actualidad existen pocas normativas que regulen el uso de las herramientas de IA y, cuando existen, suelen referirse a la IA de forma indirecta. Por ejemplo, como se mencionó anteriormente, la normativa estadounidense sobre préstamos justos exige a las instituciones financieras que expliquen las decisiones crediticias a los clientes potenciales. Esto limita la medida en que los prestamistas pueden utilizar algoritmos de aprendizaje profundo, que por su naturaleza son opacos y carecen de explicabilidad.

El Reglamento General de Protección de Datos (GDPR) de la Unión Europea está considerando las regulaciones de IA. Los estrictos límites del GDPR sobre cómo las empresas pueden utilizar los datos de los consumidores ya limitan la capacitación y la funcionalidad de muchas aplicaciones de IA orientadas al consumidor.

Los responsables políticos de EE.UU. aún no han promulgado legislación sobre IA, pero eso podría cambiar pronto. La Oficina de Política Científica y Tecnológica (OSTP) de la Casa Blanca publicó en octubre de 2022 un «Plan para una Declaración de Derechos de la IA» que orienta a las empresas sobre cómo implantar sistemas de IA éticos. La Cámara de Comercio de EE.UU. también abogó por la regulación de la IA en un informe publicado en marzo de 2023.

La elaboración de leyes para regular la IA no será fácil, en parte porque la IA comprende una variedad de tecnologías que las empresas utilizan para diferentes fines, y en parte porque las regulaciones pueden ir en detrimento del progreso y el desarrollo de la IA. La rápida evolución de las tecnologías de IA es otro obstáculo para establecer una regulación significativa de la IA, al igual que los retos que plantea la falta de transparencia de la IA, que dificulta ver cómo los algoritmos llegan a sus resultados. Además, los avances tecnológicos y aplicaciones novedosas como ChatGPT y Dall-E pueden hacer que las leyes existentes queden obsoletas al instante. Y, por supuesto, las leyes que los gobiernos consiguen elaborar para regular la IA no impiden que los delincuentes utilicen la tecnología con fines maliciosos.

¿Cuál es la Historia de la IA?

El concepto de objetos inanimados dotados de inteligencia existe desde la antigüedad. El dios griego Hefesto aparecía en los mitos forjando sirvientes de oro parecidos a robots. Los ingenieros del antiguo Egipto construyeron estatuas de dioses animadas por sacerdotes. A lo largo de los siglos, pensadores como Aristóteles, el teólogo español del siglo XIII Ramon Llull, René Descartes o Thomas Bayes utilizaron las herramientas y la lógica de su época para describir los procesos del pensamiento humano en forma de símbolos, sentando las bases de conceptos de inteligencia artificial como la representación del conocimiento general.

A finales del siglo XIX y en la primera mitad del XX surgieron los trabajos fundacionales que darían lugar al ordenador moderno. En 1836, Charles Babbage, matemático de la Universidad de Cambridge, y Augusta Ada King, condesa de Lovelace, inventaron el primer diseño de una máquina programable.

Década de 1940. El matemático de Princeton John Von Neumann concibió la arquitectura del ordenador de programa almacenado: la idea de que el programa de un ordenador y los datos que procesa pueden guardarse en su memoria. Warren McCulloch y Walter Pitts sientan las bases de las redes neuronales.

Década de 1950. Con la llegada de los ordenadores modernos, los científicos pudieron poner a prueba sus ideas sobre la inteligencia de las máquinas. Alan Turing, matemático británico y descifrador de códigos durante la Segunda Guerra Mundial, ideó un método para determinar si un ordenador es inteligente. La prueba de Turing se centraba en la capacidad de un ordenador para engañar a los interrogadores haciéndoles creer que las respuestas a sus preguntas habían sido formuladas por un ser humano.

Década de 1956. El campo moderno de la inteligencia artificial comienza este año durante una conferencia de verano en el Dartmouth College. Patrocinada por la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA), a la conferencia asistieron 10 personalidades del sector, entre ellos los pioneros de la IA Marvin Minsky, Oliver Selfridge y John McCarthy, a quien se atribuye la acuñación del término inteligencia artificial. También asistieron Allen Newell, informático, y Herbert A. Simon, economista, politólogo y psicólogo cognitivo. Ambos presentaron su innovador Logic Theorist, un programa informático capaz de demostrar ciertos teoremas matemáticos y considerado el primer programa de IA.

Décadas de 1950 y 1960. Tras la conferencia del Dartmouth College, los líderes del incipiente campo de la IA predijeron que una inteligencia artificial equivalente al cerebro humano estaba a la vuelta de la esquina, lo que atrajo un importante apoyo gubernamental e industrial. De hecho, casi 20 años de investigación básica bien financiada generaron avances significativos en IA: por ejemplo, a finales de los años 50, Newell y Simon publicaron el algoritmo General Problem Solver (GPS), que no llegaba a resolver problemas complejos pero sentaba las bases para desarrollar arquitecturas cognitivas más sofisticadas; y McCarthy desarrolló Lisp, un lenguaje de programación de IA que aún se utiliza hoy en día. A mediados de la década de 1960, el profesor del MIT Joseph Weizenbaum desarrolló ELIZA, uno de los primeros programas de PNL que sentó las bases de los chatbots actuales.

Décadas de 1970 y 1980. La consecución de la inteligencia artificial general resultó esquiva, no inminente, obstaculizada por las limitaciones en el procesamiento y la memoria de los ordenadores y por la complejidad del problema. El Gobierno y las empresas dejaron de apoyar la investigación en IA, lo que llevó a un periodo de barbecho entre 1974 y 1980 conocido como el primer «invierno de la IA». En la década de 1980, la investigación sobre técnicas de aprendizaje profundo y la adopción por parte de la industria de los sistemas expertos de Edward Feigenbaum desencadenaron una nueva ola de entusiasmo por la IA, a la que siguió otro colapso de la financiación gubernamental y del apoyo de la industria. El segundo invierno de la IA duró hasta mediados de los noventa.

Década de 1990. El aumento de la potencia de cálculo y la explosión de datos desencadenaron un renacimiento de la IA a finales de los 90 que sentó las bases para los notables avances en IA que vemos hoy en día. La combinación de grandes volúmenes de datos y mayor potencia de cálculo impulsó grandes avances en PNL, visión por ordenador, robótica, aprendizaje automático y aprendizaje profundo. En 1997, cuando los avances en IA se aceleraban, Deep Blue de IBM derrotó al gran maestro de ajedrez ruso Garry Kasparov, convirtiéndose en el primer programa informático en vencer a un campeón mundial de ajedrez.

Década de 2000. Nuevos avances en aprendizaje automático, aprendizaje profundo, PNL, reconocimiento de voz y visión por ordenador dieron lugar a productos y servicios que han dado forma a nuestra vida actual. Entre ellos se incluyen el lanzamiento en 2000 del motor de búsqueda de Google y el lanzamiento en 2001 del motor de recomendación de Amazon. Netflix desarrolló su sistema de recomendación de películas, Facebook introdujo su sistema de reconocimiento facial y Microsoft lanzó su sistema de reconocimiento de voz para transcribir voz a texto. IBM lanzó Watson y Google puso en marcha su iniciativa de conducción autónoma, Waymo.

Década de 2010. La década comprendida entre 2010 y 2020 fue testigo de un flujo constante de avances en IA. Entre ellos, el lanzamiento de los asistentes de voz Siri de Apple y Alexa de Amazon; las victorias de IBM Watson en Jeopardy; los coches autoconducidos; el desarrollo de la primera red generativa adversarial; el lanzamiento de TensorFlow, el marco de aprendizaje profundo de código abierto de Google; la fundación del laboratorio de investigación OpenAI, desarrolladores del modelo de lenguaje GPT-3 y del generador de imágenes Dall-E; la derrota del campeón mundial de Go Lee Sedol a manos de AlphaGo de Google DeepMind; y la implementación de sistemas basados en IA que detectan cánceres con un alto grado de precisión.

Década de 2020. La década actual ha visto la llegada de la IA generativa, un tipo de tecnología de inteligencia artificial que puede producir nuevos contenidos. La IA generativa parte de un estímulo que puede ser un texto, una imagen, un vídeo, un diseño, notas musicales o cualquier entrada que el sistema de IA pueda procesar. A continuación, varios algoritmos de IA generan nuevos contenidos en respuesta a la pregunta. El contenido puede incluir ensayos, soluciones a problemas o falsificaciones realistas creadas a partir de imágenes o audio de una persona. Las capacidades de modelos lingüísticos como ChatGPT-3, Bard de Google y Megatron-Turing NLG de Microsoft han asombrado al mundo, pero la tecnología está aún en sus primeras fases, como demuestra su tendencia a alucinar o sesgar las respuestas.

Herramientas y Servicios de IA

Las herramientas y servicios de IA evolucionan a gran velocidad. Las innovaciones actuales en herramientas y servicios de IA se remontan a la red neuronal AlexNet de 2012, que inauguró una nueva era de IA de alto rendimiento basada en GPU y grandes conjuntos de datos. El cambio clave fue la capacidad de entrenar redes neuronales en cantidades masivas de datos a través de múltiples núcleos de GPU en paralelo de una forma más escalable.

En los últimos años, la relación simbiótica entre los descubrimientos en IA de Google, Microsoft y OpenAI y las innovaciones de hardware impulsadas por Nvidia han permitido ejecutar modelos de IA cada vez más grandes en GPUs más conectadas, lo que ha dado lugar a mejoras de rendimiento y escalabilidad que cambian las reglas del juego.

La colaboración entre estas luminarias de la IA ha sido crucial para el reciente éxito de ChatGPT, por no hablar de docenas de otros servicios de IA revolucionarios. He aquí un resumen de las principales innovaciones en herramientas y servicios de IA.

Transformadores. Google, por ejemplo, lideró la búsqueda de un proceso más eficiente para el aprovisionamiento de entrenamiento de IA a través de un gran clúster de ordenadores básicos con GPU. Esto allanó el camino para el descubrimiento de transformadores que automatizan muchos aspectos del entrenamiento de la IA en datos no etiquetados.

Optimización del hardware. Igual de importante es que los proveedores de hardware como Nvidia también están optimizando el microcódigo para que los algoritmos más populares se ejecuten en paralelo en varios núcleos de GPU. Nvidia afirma que la combinación de hardware más rápido, algoritmos de IA más eficientes, el ajuste de las instrucciones de la GPU y una mejor integración en el centro de datos está multiplicando por un millón el rendimiento de la IA. Nvidia también está trabajando con todos los proveedores de centros en la nube para que esta capacidad sea más accesible como AI-as-a-Service a través de modelos IaaS, SaaS y PaaS.

Transformadores generativos preentrenados. La pila de IA también ha evolucionado rápidamente en los últimos años. Antes, las empresas tenían que entrenar sus modelos de IA desde cero. Cada vez más, proveedores como OpenAI, Nvidia, Microsoft, Google y otros ofrecen transformadores generativos preentrenados (GPT), que pueden ajustarse para una tarea específica con un coste, una experiencia y un tiempo drásticamente reducidos. Mientras que se calcula que algunos de los modelos más grandes cuestan entre 5 y 10 millones de dólares por ejecución, las empresas pueden afinar los modelos resultantes por unos pocos miles de dólares. El resultado es una comercialización más rápida y una reducción del riesgo.

Servicios de IA en la nube. Uno de los mayores obstáculos que impiden a las empresas utilizar eficazmente la IA en sus negocios son las tareas de ingeniería y ciencia de datos necesarias para integrar las capacidades de IA en nuevas aplicaciones o desarrollar otras nuevas. Todos los principales proveedores de servicios en la nube están lanzando sus propias ofertas de IA como servicio para agilizar la preparación de datos, el desarrollo de modelos y el despliegue de aplicaciones. Entre los principales ejemplos se encuentran los servicios de IA de AWS, Google Cloud AI, la plataforma de IA de Microsoft Azure, las soluciones de IA de IBM y los servicios de IA de Oracle Cloud Infrastructure.

Modelos de IA de vanguardia como servicio. Los principales desarrolladores de modelos de IA también ofrecen modelos de IA de vanguardia sobre estos servicios en la nube. OpenAI tiene docenas de grandes modelos de lenguaje optimizados para chat, PLN, generación de imágenes y generación de código que se suministran a través de Azure. Nvidia ha adoptado un enfoque más agnóstico de la nube vendiendo infraestructura de IA y modelos básicos optimizados para texto, imágenes y datos médicos disponibles en todos los proveedores de nube. Cientos de otros actores ofrecen también modelos personalizados para diversos sectores y casos de uso.