Pasado, presente y futuro de la Inteligencia Artificial

Utec Noticias presenta una serie de notas sobre la Inteligencia artificial y sus ventajas y también por algún peligro inminente.

Historia de la IA

.

La inteligencia artificial como área de investigación y desarrollo nació en Estados Unidos en junio de 1956, cuando un grupo de ingenieros y profesores de matemática organizaron un encuentro en el Dartmouth College en New Hampshire para “desarrollar la conjetura de que todos los aspectos del aprendizaje y la inteligencia pueden describirse de forma tal que un máquina pueda simularlos”, según rezaba la propuesta. En ese encuentro informal, que duró casi dos meses, se delinearon varios aspectos centrales de la investigación en IA, como las redes neuronales o el procesamiento de lenguajes naturales, y se trazaron las principales líneas de trabajo para los años posteriores. El resultado de ese encuentro fue la creación de grupos de investigación en el MIT y en las universidades de Stanford y Carnegie-Mellon, que se convirtieron en centros de referencia a nivel mundial hasta el día de hoy.

Sin embargo, el optimismo inicial que siguió al nacimiento de la IA se diluyó pocos años después, cuando se hizo evidente que la sistematización de la inteligencia era una tarea mucho más compleja que lo que se había pensado inicialmente, y que además requería de computadoras con un poder de procesamiento muy superior al disponible en aquellos años.La imposibilidad de alcanzar resultados satisfactorios produjo dos largos “inviernos” en el campo de la IA (entre 1974 y 1980, y luego entre 1987 y 1993), durante los cuales las investigaciones se estancaron y el financiamiento se redujo drásticamente.

En ese lapso los investigadores advirtieron que los problemas de la IA no podían resolverse mediante un único marco conceptual, sino que era necesario utilizar distintos enfoques simultáneamente. Fue así como se establecieron tres paradigmas principales: el simbólico, el subsimbólico y el estadístico.

Paradigmas de investigación

El paradigma simbólico es el enfoque bajo el que se comenzó a desarrollar la IA, en el que la inteligencia se considera la resultante de agrupar conceptos para formar estructuras, las cuales se manipulan para producir enunciados. La investigación, entonces, se centra en la sistematización formal de ese proceso. Allen Newell y Herbert Simon, referentes de este paradigma, consideraban que “un sistema formal de símbolos posee los medios necesarios y suficientes para producir acciones inteligentes”. Este paradigma primó hasta fines de la década de los ‘80, cuando quedó claro que se trataba de un enfoque demasiado general, y que ni la investigación ni los avances tecnológicos serían suficientes para superar sus limitaciones.

El paradigma subsimbólico, en cambio, no se desarrolla a partir de un modelo teórico de la inteligencia, sino que busca simular los distintos subprocesos que intervienen en un comportamiento inteligente. Este paradigma se enfoca en la creación de algoritmos que desarrollan tareas específicas de bajo nivel, que luego se combinan para obtener herramientas inteligentes.

El paradigma estadístico, por su parte, se sirve de la enorme potencia de las computadoras actuales para realizar análisis estadísticos del inmenso volumen de datos que generan los sistemas informáticos, lo que permite obtener información organizada que luego utilizan los algoritmos de inteligencia artificial.

Herramientas actuales de la IA

Actualmente estos paradigmas conviven simultáneamente, ya que hasta el momento no existe un método analítico que permita solucionar cualquier problema de IA. Mediante la combinación de estos tres enfoques, más el constante avance de la industria de los semiconductores –que duplica el poder de cálculo de los microprocesadores cada dos años–, finalmente se han logrado crear herramientas de IA que funcionan y pueden utilizarse para resolver problemas específicos. Algunas de estas herramientas son:

– los algoritmos de búsqueda, que se utilizan para resolver problemas que tienen múltiples soluciones mediante un análisis exhaustivo que determina cuál de ellas tiene mayores posibilidades de ser la solución más adecuada para un caso específico;

– los algoritmos de razonamiento lógico, que utilizan distintos tipos de lógica (proposicional, probabilística, difusa, etc.) para resolver problemas que incluyen algún nivel de incertidumbre;

– los clasificadores, que son funciones capaces de crear patrones a partir de las coincidencias que detectan, lo que les permite clasificar nuevos datos en base a las coincidencias previas;

– las redes bayesianas, que representan las relaciones de probabilidad entre un conjunto de variables aleatorias;

– las redes neuronales, que imitan la constitución y el funcionamiento de las neuronas en el cerebro, de modo tal que pueden sacar conclusiones a partir de ejemplos dados y mejorar progresivamente su desempeño;

– los sistemas de aprendizaje profundo o deep learning, que imitan el funcionamiento del sistema nervioso de los mamíferos, utilizando capas de redes neuronales que realizan las distintas funciones que se llevan a cabo en el proceso de aprendizaje.

Aplicaciones

En la actualidad la IA se divide en dos áreas bien definidas. Una es la denominada IA fuerte, cuya meta es lograr crear una mente humana artificial con conciencia, y que por el momento es considerada como una posibilidad hipotética que podría hacerse realidad en algún momento del futuro. La IA débil, en cambio, es aquella que brinda soluciones a problemas específicos mediante sistemas que pueden tomar decisiones sin la supervisión de seres humanos.

Este último es el único tipo de IA que existe en la actualidad, pero gracias a los avances que se han registrado en tareas específicas como el reconocimiento de imágenes o la interpretación del lenguaje natural, se han podido implementar soluciones de IA en múltiples áreas, tales como:

– la medicina, para el diagnóstico clínico, el diagnóstico por imágenes y la planificación de tratamientos;

– las áreas de recursos humanos, para analizar currículums y encontrar la persona más indicada para un puesto en particular;

– el márketing, para el análisis del comportamiento de los clientes y la toma de decisiones;

– los medios gráficos, para analizar noticias y organizar contenidos.

En la actualidad, las grandes empresas tecnológicas como Amazon, Microsoft y Google ya ofrecen productos comerciales de IA, que combinan estas herramientas con las inmensas bases de datos que almacenan en sus servidores, proporcionando servicios de IA sumamente potentes, flexibles y de bajo costo.

En nuestro país también existen desarrollos comerciales de herramientas de IA para propósitos específicos. Empresas como BotMaker o Conversa Lab brindan servicios a otras empresas para que sus clientes puedan hacer pedidos o reclamos chateando con un asistente virtual. Asimismo, el servicio de atención al cliente de las páginas web de las tres operadoras de telefonía móvil de nuestro país utilizan herramientas de IA desarrolladas por Aivo, otra empresa argentinas.