Nacida como disciplina científica a mediados del siglo pasado, la inteligencia artificial es ahora señalada por los analistas de la industria como un gran desafío tecnológico que puede abrir nuevos escenarios para las empresas. A su alrededor fluyen ríos de dinero, los grandes nombres de la informática investigan en esta área y, si no tienen recursos internos, adquieren startups o pequeñas empresas especializadas. Históricamente, las primeras empresas de TI en invertir en inteligencia artificial fueron IBM y Microsoft, seguidas por empresas como Apple, Facebook, Google y Amazon, entre otras.
En la actualidad, la inteligencia artificial, a la que a menudo se hace referencia simplemente como IA (inteligencia artificial), encuentra aplicaciones en varios campos, desde la venta al por menor hasta el transporte, desde el sector médico hasta las finanzas, desde la investigación en Internet hasta los asistentes personales, como Alexa y Siri.
La inteligencia artificial, sin embargo, implica una complejidad intrínseca, ligada a la dificultad de definir qué es la inteligencia humana y qué se entiende por «máquina inteligente». Además, a pesar de la disponibilidad de numerosas soluciones basadas en la inteligencia artificial, sigue existiendo una brecha entre los resultados obtenidos a nivel teórico, las aplicaciones prácticas y la distribución a gran escala de la innovación que potencialmente permite la IA.
La inteligencia artificial desde sus orígenes hasta nuestros días
El nacimiento oficial de la inteligencia artificial se remonta a 1956, cuando se celebró una conferencia sobre el desarrollo de máquinas inteligentes en Dartmouth College, New Hampshire. La iniciativa fue propuesta por un grupo de investigadores, liderados por John McCarthy, que buscaban crear en pocos meses una máquina capaz de simular el aprendizaje y la inteligencia humana. El reto fue superado por destacados académicos y figuras de la industria, incluyendo a Marvin Minsky y Claude Shannon de Dartmouth College, Arthur Samuel de IBM, Ray Solomonoff y Oliver Selfridge del MIT. Fue en esta conferencia que McCarthy introdujo por primera vez el término «inteligencia artificial» y de hecho sancionó su nacimiento como una disciplina autónoma.
El objetivo de crear una máquina capaz de simular todos los aspectos del aprendizaje humano aún no se ha alcanzado. Sin embargo, la investigación en esta dirección ha abierto el camino a nuevos campos de estudio y resultados que, con el tiempo, han acercado la inteligencia artificial al mundo de la empresa. Entre los hitos de esta evolución se encuentran el LISP (1958), un lenguaje de programación específico para problemas de inteligencia artificial desarrollado por el propio McCarthy, y el programa ELIZA (1965), que simulaba la interacción entre un paciente y un psicoterapeuta.
El complejo problema de construir máquinas capaces de reproducir la inteligencia humana ha evolucionado gradualmente hacia un enfoque más pragmático, basado en la descomposición de un problema en subproblemas. Desde los años setenta, se han desarrollado una serie de «sistemas expertos», es decir, programas capaces de abordar un problema específico mediante la simulación de las competencias de un experto en ese ámbito concreto. Un paso importante en este desarrollo fue MYCIN (1976), un sistema experto capaz de diagnosticar enfermedades de la sangre.
Fue en los años ochenta cuando la inteligencia artificial abandonó la esfera académica y entró en el mundo industrial. Un ejemplo de este paso histórico es el R1, un sistema utilizado por Digital Equipment que permitió configurar pedidos para nuevos ordenadores: introducido en 1982, el R1 es el primer sistema experto utilizado en el campo comercial.
Desde entonces, las aplicaciones basadas en la inteligencia artificial se han multiplicado. El punto de inflexión se debe a la evolución de las capacidades computacionales y al desarrollo de una serie de tecnologías habilitadoras, incluyendo Big Data y almacenamiento en nube.
En este desarrollo, la inteligencia artificial se entiende como una disciplina que resuelve problemas específicos en áreas bien definidas. El enfoque seguido es el de la IA débil, según el cual las máquinas pueden comportarse como si fueran inteligentes. Un enfoque amplio que mantiene la aspiración a una gran meta, pero que se centra en la resolución de problemas específicos. Este concepto contrasta con el fuerte concepto de IA, según el cual las máquinas pueden ser realmente inteligentes.
Tecnologías disponibles
En las últimas dos décadas se han desarrollado herramientas y tecnologías que prometen a las empresas un salto cualitativo en la gestión de sus negocios. Algunas soluciones están bien establecidas y han alcanzado la madurez del mercado, otras están aún en desarrollo y no es posible predecir si su potencial se convertirá en un impacto real para las empresas.
En su informe TechRadar: Artificial Intelligence Technologies, publicado a principios de este año, Forrester identifica las 13 tecnologías que considera más importantes para las empresas. Teniendo en cuenta que el escenario evoluciona constantemente, la empresa de investigación los enumera a partir de aquellos que encuentran aplicación sólo en áreas muy específicas, pasando a los más maduros y que pueden contar con un ecosistema consolidado de proveedores, integradores de sistemas y clientes.
– Plataformas de aprendizaje profundo: estos algoritmos se utilizan para reconocer objetos dentro de imágenes, analizar ondas sonoras para convertir el habla en texto o lenguaje de proceso y traducirlo a un formato adecuado para el análisis.
– Generación de lenguaje natural (NLG): este conjunto de tecnologías permite una interacción fluida con el lenguaje humano para proporcionar información, conocimientos e interacciones a través de frases o textos largos. También se utilizan para producir textos que pueden ser leídos por un ser humano, típicamente a partir de un cuerpo de respuestas o componentes textuales.
– Inteligencia de enjambre: Las tecnologías de inteligencia de enjambre son sistemas descentralizados a los que contribuyen diferentes actores, tanto humanos como de software, cada uno de los cuales ofrece una parte de la solución de un problema. De esta manera, se construye una inteligencia superior que reúne y aumenta el conocimiento específico de los individuos. Estas tecnologías utilizan el comportamiento de insectos sociales (como las abejas) y se aplican a algoritmos modelo que responden a objetivos empresariales, como la gestión de una flota de vehículos de reparto, o dan respuesta a preguntas específicas, como la predicción de resultados deportivos.
– Biometría: las tecnologías biométricas permiten una interacción más natural entre el hombre y las máquinas. Estas tecnologías detectan las características físicas del cuerpo humano e incluyen el reconocimiento de imágenes, voz y lenguaje corporal.
– Análisis de imágenes y vídeo: son herramientas y tecnologías que analizan imágenes y vídeos para detectar objetos y/o características de objetos. Estas plataformas encuentran aplicaciones en diversos sectores, entre los que se incluyen el comercio minorista, los seguros, la seguridad y el marketing.
– Tecnología semántica: Un problema central para la IA es la comprensión del entorno y del contexto en el que se aplica. Las tecnologías semánticas responden a este problema proporcionando una comprensión profunda de los datos y creando la base para introducir clasificaciones, taxonomías, jerarquías, relaciones, modelos y metadatos.
– Reconocimiento de voz: herramientas y tecnologías que entienden e interpretan el lenguaje hablado capturando señales de audio y transformándolas en texto escrito u otros formatos de datos que pueden utilizarse en diversas aplicaciones, como sistemas de voz para el servicio al cliente, aplicaciones móviles o robots físicos.
– Hardware optimizado para la IA: esta categoría incluye las GPU y los dispositivos diseñados específicamente para realizar tareas específicas de la IA, como el aprendizaje de la máquina y el aprendizaje profundo.
– Aprendizaje automático (ML): Las plataformas de aprendizaje automático ofrecen algoritmos, APIs y herramientas de desarrollo para diseñar, desarrollar y formar modelos en aplicaciones, procesos y otras máquinas. Las plataformas ML se utilizan en situaciones en las que, para resolver un problema, es necesario reconocer patrones dentro de grandes conjuntos de datos.
– Automatización de procesos robóticos (RPA): las tecnologías RPA incluyen varios métodos para automatizar las acciones humanas y hacer más eficientes los procesos de negocio.
– Análisis de textos y procesamiento del lenguaje natural (PNL): Esta categoría incluye herramientas para la comprensión e interpretación de textos escritos y documentos completos. En las versiones más avanzadas, estas herramientas permiten comprender las emociones, los sentimientos y, dentro de ciertos límites, predecir las intenciones del usuario.
– Agentes Virtuales: software que proporciona una interfaz que permite al usuario interactuar de forma natural con una máquina o sistema informático. Entre ellos se encuentran los chatbots ampliamente utilizados para el servicio de atención al cliente y las aplicaciones móviles.
– Gestión de decisiones: es un software que permite automatizar las decisiones en tiempo real mediante la inclusión directa de políticas y reglas que permiten a los sistemas de inteligencia artificial deducir decisiones y tomar medidas.
El sueño de la IA se convierte en un juego de equipo
Mientras continúa el debate científico y filosófico sobre la naturaleza de la inteligencia humana y la posibilidad de replicarla, el mundo industrial ha optado por el enfoque más pragmático, que se enmarca dentro del significado de la IA débil.
Toda empresa que desarrolla soluciones basadas en la inteligencia artificial persigue sus propios objetivos, incluidos los económicos. Sin embargo, existen organizaciones sin ánimo de lucro que cuentan entre sus partidarios con grandes protagonistas en el campo de la informática y que pretenden avanzar en el desarrollo de la inteligencia artificial en beneficio de toda la humanidad.
Entre ellos está Open AI, que se ha fijado el ambicioso objetivo de realizar una AGI (inteligencia general artificial), es decir, un sistema capaz de igualar la inteligencia humana. En cierto modo, se trata de una vuelta al concepto original de inteligencia artificial, una inteligencia artificial fuerte, pero con el apoyo de los conocimientos actuales y de los desarrollos futuros que permiten los «sistemas inteligentes» implementados hasta la fecha.
Open AI, a su vez, forma parte de Partnership on AI, una asociación que pretende ser un lugar de encuentro para todos aquellos que trabajan en el campo de la IA, desde el mundo académico hasta la industria y la política. Entre sus miembros se encuentran Apple, Google, Facebook, IBM y Microsoft.
Fuente: Redacción Cambio Digital On Line
