¿Qué es la inteligencia artificial?

Antes de explicaros qué es la inteligencia artificial, nos gustaría empezar con la frase del libro Age of intelligent machines (1992), de Raymond Kurzweil: 

“El arte de crear máquinas que lleven a cabo funciones las cuales requieren inteligencia cuando son llevadas a cabo por personas”.

La Inteligencia Artificial, mediante la mejora constante de los patrones de aprendizaje automático, dota a las máquinas de la facultad para aprender, razonar, tomar decisiones y formular una cierta idea de la realidad, tal como sucede con los humanos.

La inteligencia artificial (IA) es una ciencia empírica, no es estadística, la cual muchas veces se asemeja al chiste del contable cuando le preguntan: “¿Cuánto son 2+2?” y el contable contesta: “¿Cuánto quiere que salga?”

¿Cómo funciona la IA y en qué sectores se aplica?

Mediante las soluciones de software de IA y Aprendizaje Automático diseñadas por GAMCO, se pretende dar una respuesta adecuada a la siguiente pregunta:

“¿Cómo construir sistemas informáticos que automáticamente mejoren con la experiencia y cuáles son las leyes fundamentales que gobiernan todos los procesos de aprendizaje?”

(Tom Mitchell. The discipline of machine learning. Technical Report CMU ML-06 108, 2006)

El Aprendizaje Automático se centra en la cuestión de cómo conseguir que los ordenadores sean capaces de “programarse” a sí mismos, partiendo de una estructura inicial y usando la experiencia recogida en los datos, mediante algoritmos de entrenamiento. 

Qué es la inteligencia artificial frente a las Ciencias de la Computación y la Estadística

En este sentido, el Aprendizaje automático se aleja de los objetivos de las Ciencias de la Computación, cuyo objetivo primordial es resolver las cuestiones de cómo programar manualmente los sistemas informáticos. 

Así mismo, frente a la Estadística, cuyo objetivo es el análisis de datos, el Aprendizaje Automático abarca la implementación de algoritmos que procesan los datos automáticamente con el objetivo de proveer de predicciones y ejecutar las mejores acciones.

Mediante el Aprendizaje Automático se amplía el alcance de la estadística porque se desarrolla la arquitectura de los sistemas y de los algoritmos que deben ser usados para ser efectivos en la captura, almacenaje, indexación, recuperación y fusión de los datos. 

Psicología y Aprendizaje Automático

El Aprendizaje Automático está muy relacionado con el estudio del aprendizaje humano y animal en psicología, neurología y campos afines. Las cuestiones de cómo los ordenadores pueden aprender y de cómo los animales aprenden, probablemente tienen respuestas muy relacionadas.

De hecho, muchos de los algoritmos usados en el Aprendizaje Automático tienen una base biológica. Por ejemplo, las redes de neuronas artificiales o los algoritmos evolutivos.

Existen otras disciplinas relacionadas, como la economía o el control, que son objetos de estudio a la hora de plantear cómo los sistemas pueden automáticamente adaptarse u optimizar su entorno. 

Ejemplos de inteligencia artificial. Aplicaciones actuales del Aprendizaje Automático

Una vez explicado «qué es la inteligencia artificial», sin pretender ser exhaustivos, vamos a enumerar algunos ejemplos de inteligencia artificial con casos en los que se aplican algoritmos basados en el aprendizaje automático. 

• Recomendadores automáticos de compras, canciones, anuncios, aplicaciones, etc.
• Operaciones bursátiles automáticas (high frequency trading). 
• Optimización de campañas de venta: delimitar qué productos vender, a qué clientes y bajo qué condiciones. 
• Detección de fraude fiscal, actividades ilícitas, terrorismo, etc. 
• Operaciones financieras de crédito y detección de fraude con tarjetas bancarias. 
• Desarrollo de nuevos fármacos y diagnóstico precoz de patologías. 
• Reconocimiento de imágenes: seguridad, médicas, astronómicas, etc. Por ejemplo, más del 85% de la correspondencia escrita a mano en Estados Unidos es clasificada automáticamente, usando un análisis de la escritura mediante Aprendizaje Automático, a partir de una amplia base de datos. 
• Reconocimiento del lenguaje natural. 
• Predicciones meteorológicas. 
• Robótica y automatización industrial. Actualmente se están probando vehículos autónomos en entornos urbanos “normales”, no preparados aún para la operación de vehículos sin conductor. 
• Fijación de precios en tiempo real (reservas hoteleras o de vuelos). 
• Conducción o pilotaje de vehículos automáticos, ya sean terrestres, aéreos o marítimos. 
• Acelerador de la recogida y análisis de la ingente cantidad de datos de las ciencias empíricas para la obtención de conclusiones y, por tanto, para el avance de los estudios y desarrollos. 

A la vista de los ejemplos anteriores, podemos inferir que el Aprendizaje Automático es actualmente la mejor técnica IA para llevarlos a cabo con éxito.

Por tanto, se puede resumir que los desarrollos de software basados en la inteligencia artificial van a tener dos características: 

1. La aplicación es demasiado compleja para que los desarrolladores puedan diseñar e implementar el algoritmo.

Por ejemplo, cualquiera podría reconocer una cara conocida en una fotografía, pero no es tan fácil escribir un algoritmo para realizar esta tarea.

Frente a la ineficaz tarea de escribir un algoritmo que reconociera una cara determinada en diferentes fotografías, el Aprendizaje Automático aprendería a partir de un conjunto de entrenamiento con caras, unas conocidas y otras no, aprendiendo a reconocer las caras conocidas o aquellas que permiten acceder a ciertos dispositivos, aplicaciones u otras aplicaciones diferentes de serguridad, por ejemplo, el enfoque en las cámaras fotográficas.

2. La aplicación requiere que el software se optimice a su contexto de operación una vez que sea “desplegado”.

Por ejemplo, los reconocedores del habla deben auto ajustarse para el usuario que ha adquirido el software (su manera de hablar, pronunciación, construcción sintáctica de oraciones, etc).

Mediante el Aprendizaje Automático y el procesamiento del lenguaje natural el software dispondría de una serie de mecanismos para adaptarse a cada caso concreto y resolver problemas.

Las aplicaciones de software que se están adaptando a los usuarios han crecido muy rápido en los últimos años:

• Tiendas online que se ajustan a las preferencias del usuario.
• Software de correo electrónico que se adapta a las preferencias del usuario sobre “spam”.
• Simuladores que se adaptan al tipo de conducción del usuario.
• Etc.