Parte 1: Inteligencia Artificial Definida

1. Inteligencia Artificial (IA)

En términos generales, la IA se refiere a un amplio campo de la ciencia que abarca no sólo la informática, sino también la psicología, la filosofía, la lingüística y otras áreas. La IA se preocupa por conseguir que las computadoras hagan tareas que normalmente requerirían inteligencia humana. Dicho esto, hay muchos puntos de vista sobre la IA y existen muchas definiciones. A continuación, algunas definiciones resaltan sus características clave.

Algunas definiciones generales

• "La inteligencia artificial es un sistema computarizado que exhibe un comportamiento que comúnmente se considera que requiere inteligencia". (1)
• "La Inteligencia Artificial es la ciencia de hacer que las máquinas hagan cosas que requerirían inteligencia si las hiciera el hombre". (2)

El padre fundador de la IA, Alan Turing, define esta disciplina como:

• "La IA es la ciencia y la ingeniería de la fabricación de máquinas inteligentes, especialmente programas informáticos inteligentes". (3)

En estas definiciones, el concepto de inteligencia se refiere a algún tipo de capacidad para planificar, razonar y aprender, sentir y construir algún tipo de percepción del conocimiento y comunicarse en el lenguaje natural.

Una computadora podría vencer a un humano jugando ajedrez, pero ese mismo programa de computadora no pudo resolver un problema matemático complejo. Prácticamente toda la IA actual es estrecha, lo que significa que sólo puede hacer lo que está diseñada para hacer. Esto significa que para cada problema, un algoritmo específico necesita ser diseñado para resolverlo. Las IA estrechas son en su mayoría mucho mejores que los humanos en la tarea para la que se hicieron: por ejemplo, mirar el reconocimiento facial, computadoras de ajedrez, cálculo, traducción. El santo grial de la IA es una IA general, un único sistema que puede aprender y luego resolver cualquier problema que se presente. Esto es exactamente lo que hacen los seres humanos: podemos especializarnos en un tema específico, desde las matemáticas abstractas hasta la psicología y desde el deporte hasta el arte. Podemos convertirnos en expertos en todos ellos.

Un sistema de IA combina y utiliza principalmente el aprendizaje automático y otros tipos de métodos de análisis de datos para lograr capacidades de inteligencia artificial.

2. Aprendizaje Automático

El aprendizaje automático es el proceso en el que un ordenador destila regularidades de los datos de entrenamiento (4). Si, por ejemplo, desea escribir un algoritmo para identificar el spam en los correos electrónicos, tendrá que entrenar el algoritmo exponiéndolo a muchos ejemplos de correos electrónicos que se etiquetan manualmente como spam o no spam. El algoritmo "aprende" a identificar patrones, como la aparición de ciertas palabras o combinaciones de palabras, que determinan la posibilidad de que un correo electrónico sea spam.

El aprendizaje automático se puede aplicar a muchos problemas y conjuntos de datos diferentes. Puede entrenar un algoritmo para identificar imágenes de gatos en colecciones de fotos, posibles casos de fraude en reclamos de seguros, transformar la escritura a mano en texto estructurado, voz en texto, etc. Todos estos ejemplos requerirían conjuntos de entrenamiento etiquetados. Dependiendo de la técnica utilizada, un algoritmo puede mejorarse a sí mismo agregando un bucle de retroalimentación que le indica en qué casos cometió errores.

Sin embargo, la diferencia con la IA es que un algoritmo de aprendizaje automático nunca entenderá aquello para lo que se le entrenó hacer. Puede ser capaz de identificar el spam, pero no sabrá qué es el spam ni entenderá por qué queremos que se identifique. Y si hay un nuevo tipo de spam emergente, probablemente no será capaz de identificarlo a menos que alguien (humano) vuelva a entrenar el algoritmo.

El aprendizaje automático constituye la base de la mayoría de los sistemas de IA. Pero si bien un sistema de aprendizaje automático puede parecer inteligente, en nuestra definición de IA, de hecho, no lo es.

3. Análisis Cognitivo

El Análisis Cognitivo es un subcampo de IA que se ocupa del comportamiento cognitivo que asociamos con el "pensamiento" en lugar de la percepción y el control motor. Pensar permite a una entidad obtener información de observaciones, aprender y comunicarse.

Un sistema cognitivo es capaz de extraer información de datos no estructurados mediante la extracción de conceptos y relaciones en una base de conocimiento. Por ejemplo, a partir de un texto sobre Barack Obama, las relaciones de la figura siguiente se pueden extraer utilizando el procesamiento del lenguaje natural. El 80 por ciento de todos los datos de la empresa no están estructurados y los sistemas de Cognitive Analytics pueden buscar todo para encontrar la respuesta a su pregunta.

El sistema cognitivo mejora su rendimiento con el tiempo de dos maneras principales. En primer lugar, a través de la interacción con los seres humanos, y el uso de la retroalimentación del compañero de conversación u observando a dos humanos que interactúan.

En segundo lugar, a partir de todos los datos de la base de conocimiento, se pueden obtener nuevos conocimientos mediante la inferencia.

Otro aspecto importante del Análisis Cognitivo, es la capacidad de usar el contexto. El contexto permite que un sistema de Análisis Cognitivo deduzca significado del lenguaje. Por ejemplo, un chatbot puede tener en cuenta el historial de conversaciones para inferir a quién se refiere con la palabra él:

Usuario: ¿Quién es la esposa de Obama?

IA: Michelle Obama. Usuario: ¿Qué edad tiene?

IA: Barack Obama tiene 55 años.

Para este simple ejercicio, el sistema debe ser consciente de los nombres que representan a las personas, las relaciones entre las personas, el género y el sentido común para inferir que Obama se refiere a Barack Obama. Toda esta información contextual es necesaria para hacer las inferencias correctas para responder a ambas preguntas.

Dado que el Análisis Cognitivo puede utilizar información contextual, puede entender los datos no estructurados y razonar sobre la información, también puede comunicarse con los seres humanos. Esto permite al sistema responder a una pregunta planteada en inglés, sin necesidad de ejecutar el proceso de convertir la pregunta en un formato con el que el equipo puede trabajar. Por ejemplo, un sistema cognitivo que represente a un centro de llamadas puede responder rápidamente a la pregunta de un cliente sobre el equipo de camping mediante el uso de información de descripciones de productos, opiniones de clientes, historiales de ventas, blogs tópicos y revistas de viajes (5).

El análisis Cognitivo puede comunicarse a través de muchos medios, incluyendo voz, imagen, video, lenguaje de señas, gráficos o cualquier combinación de estos.

4. Robótica

La IA es un factor importante que permite el diseño y la puesta en funcionamiento de robots inteligentes y otras aplicaciones de automatización de procesos. En su forma más simple, un robot puede ser una máquina que está programada para realizar una tarea simple siguiendo instrucciones paso a paso. Podría consistir en un motor basado en reglas que indica explícitamente al sistema qué hacer cuando se produce una determinada condición. Un robot en una fábrica de automóviles está programado así y apenas se considera inteligente.

Pero la robótica existe en una variedad de formas mucho más inteligentes, que van desde vehículos autónomos no tripulados (VANT), drones, aspiradoras inteligentes a chatbots inteligentes y asistentes inteligentes, etc. Lo avanzados que son los robots se evidencia si nos fijamos en los robots desarrollados por Boston Dynamics (6) y Cheetah II del MIT (7). Otro ejemplo es Amelia (8), un asistente inteligente con capacidades de PNL. El aspecto clave de la robótica es que combina hardware (piezas mecánicas, sensores, pantallas, etc.) con software y datos inteligentes para realizar una tarea para la que se requiere cierto nivel de inteligencia (por ejemplo, orientación, movimiento, interacción, etc.).

5. Máquinas Inteligentes

El tema principal en destacar el término “Máquinas inteligentes” es la autonomía. Las máquinas inteligentes son sistemas que, para ampliarse, son capaces de tomar decisiones por sí mismos, sin necesidad de aportación humana. Los sistemas de análisis cognitivo, así como los robots, o cualquier tipo de IA, se pueden llamar Máquinas Inteligentes, siempre y cuando se adhieran a esta regla. En el caso de un robot, la autonomía podría consistir en una capacidad para planificar a dónde quiere ir, lo que quiere lograr y cómo superar los obstáculos. En lugar de ser controlado por el ser humano o simplemente seguir instrucciones, podría lograr objetivos de mayor nivel como conseguir comestibles, inspeccionar edificios y así sucesivamente. Esto se habilita mediante métodos de planificación, instintos de autopreservación, además de las habilidades que un robot normal ya requiere.

En el caso de un sistema cognitivo, tratará proactivamente de aprender nuevos hechos, medir opiniones y aprender nuevas reglas de sentido común mediante la interacción activa con los seres humanos, hacer preguntas y comprobarlos dos veces con los datos encontrados en línea.

También informar activamente a los responsables de la toma de decisiones sobre los cambios que ha observado. Por ejemplo, si las opiniones de los clientes en las redes sociales cambian repentinamente. Incluso podría actuar sobre estos cambios, tomando el caso de ejemplo, podría interactuar con los clientes o compartir opiniones positivas en las redes sociales de la empresa.

Dado que las máquinas inteligentes son autónomas e inteligentes, pueden empezar a comunicarse entre sí. Esto conduce a sistemas multiagentes que pueden hacer operaciones para mejorar su utilidad. El robot de inspección de edificios podría pedir a un dron que inspeccione el techo por él, negociando este favor por otro favor, como el transporte de mercancías o simplemente moneda.

Un sistema cognitivo que se convierte en una máquina inteligente puede especializarse en un área específica, convirtiéndose en un experto en esa área. Ahora, otras máquinas inteligentes pueden pedir información en esa área, y será capaz de proporcionar respuestas más relevantes más rápidamente que un sistema cognitivo general que no está especializado. Los agentes de información como éste mejoran la utilidad general de toda la red de máquinas inteligentes.

Conclusión

Los términos Aprendizaje Automático, Sistemas Cognitivos, Robótica, y Máquinas Inteligentes se utilizan a menudo en relación con la IA, o a veces incluso como sinónimos. La IA es un campo de interés complejo, con muchas formas.

Referencias

(1) Preparing for the Future of Artificial Intelligence, NSTC, 2016
(2) 6. Raphael, B. 1976. The thinking computer. San Francisco, CA: W.H. Freeman
(3) http://www-formal.stanford.edu/jmc/whatisai/node1.html
(4) Stephen Lucci, 2016, Artificial intelligence in the 21st century : a living introduction
(5) Deloitte, Cognitive analytics™ The three-minute guide
(6) http://www.bostondynamics.com/
(7) https://biomimetics.mit.edu/research/dynamic-locomotion-mit-cheetah-2
(8) http://www.ipsoft.com/amelia/