¿Qué es la Inteligencia Artificial (IA)?
Materiales didácticos
¿Qué es?
En este espacio se analizará qué es la IA, cómo puede definirse y con qué otros campos o tecnologías está relacionada. Asimismo, se mencionan algunos ejemplos clásicos de aplicación.
La IA es una disciplina científica, como matemáticas o biología. Esto significa que la IA es una colección de conceptos, problemas y métodos para resolverlos.
Según Gartner, “la IA aplica análisis avanzados y técnicas basadas en lógica, incluyendo el aprendizaje automático, para interpretar eventos, apoyar y automatizar decisiones y tomar acciones”.
Las soluciones de IA tienen autonomía y adaptabilidad.
Resulta clave tener presente la siguiente terminología de conceptos relacionados con la IA:
- Autonomía: La habilidad de realizar tareas en entornos complejos sin la guía constante de un usuario.
- Adaptabilidad: La habilidad de mejorar el desempeño por medio del aprendizaje a partir de la experiencia.
- Aprendizaje automático: El aprendizaje automático es un tipo de Inteligencia Artificial que proporciona a las computadoras la capacidad de aprender sin ser programadas explícitamente. El aprendizaje automático se centra en el desarrollo de programas informáticos que pueden cambiar cuando se exponen a nuevos datos. El proceso de aprendizaje automático es similar al de la minería de datos. Ambos sistemas buscan entre los datos para encontrar patrones. Sin embargo, en lugar de extraer los datos para la comprensión humana –como es el caso de las aplicaciones de minería de datos–, el aprendizaje automático utiliza esos datos para detectar patrones en los datos y ajustar las acciones del programa en consecuencia. Los algoritmos del aprendizaje automático se clasifican a menudo como supervisados o no supervisados. Los algoritmos supervisados pueden aplicar lo que se ha aprendido en el pasado a nuevos datos. Los algoritmos no supervisados pueden extraer inferencias de conjuntos de datos.Es un subcampo de IA que es, a su vez, un subcampo de la Ciencia de la Computación.
- Aprendizaje profundo: El Deep Learning o aprendizaje profundo se define como un algoritmo automático estructurado o jerárquico que emula el aprendizaje humano con el fin de obtener ciertos conocimientos. Destaca porque no requiere de reglas programadas previamente, sino que el propio sistema es capaz de «aprender» por sí mismo para efectuar una tarea a través de una fase previa de entrenamiento. A su vez, también se caracteriza por estar compuesto por redes neuronales artificiales entrelazadas para el procesamiento de información. Se emplea principalmente para la automatización de análisis predictivos. A continuación, se ofrece un ejemplo de redes neuronales:
Acceder a la fuente sobre aprendizaje automático
- Ciencia de Datos: Consiste en el empleo de técnicas de programación para analizar datos. Es un concepto que abarca varias disciplinas e incluye aprendizaje automático y estadísticas, algoritmos, almacenamiento de datos y desarrollo de aplicaciones web. La Ciencia de Datos es también una disciplina práctica que requiere entendimiento del dominio en el cual se aplica, por ejemplo, negocios, ciencia, suposiciones básicas y restricciones. Las soluciones de Ciencia de Datos a menudo involucran al menos un poco de IA.
La siguiente gráfica ofrece una mejor comprensión de la forma en que estos conceptos se relacionan:
Fuente: Universidad de Helsinki. Elements of AI
Algunos ejemplos de aplicación
Vehículos autoconducidos
Los vehículos autoconducidos requieren una combinación de técnicas de IA de diferentes clases: buscar y planificar para encontrar la ruta más conveniente desde A hasta B, visión computarizada para identificar obstáculos y toma de decisiones bajo incertidumbre para lidiar con el entorno complejo y dinámico. Cada una de estas técnicas debe funcionar con una precisión casi perfecta para evitar accidentes. Las mismas tecnologías son también usadas en otros sistemas autónomos, tales como los robots de delivery, drones voladores y naves autónomas.
Recomendaciones de contenido
Mucha información que encontramos en el curso de un día típico es personalizada. Como ejemplos se incluyen Facebook, Twitter, Instagram y otros contenidos de redes sociales, publicidad en línea, recomendaciones de música en Spotify, recomendaciones de películas en Netflix, HBO y otros servicios de streaming. Muchos publicadores en línea tales como los noticieros y sitios de compañías de difusión masiva, así como los buscadores (Google, por ejemplo), también personalizan el contenido que ofrecen. Mientras que la portada de la versión impresa del New York Times o el China Daily es la misma para todos los lectores, la portada de la versión en línea es diferente para cada usuario. Los algoritmos que determinan el contenido que las personas ven en función de sus preferencias están basados en IA.
Procesamiento de imágenes y video
El reconocimiento facial es un producto usado en muchas aplicaciones para clientes, negocios y gobiernos, tales como organizar sus fotos de acuerdo a la gente, etiquetado automático en redes sociales y control de pasaportes. Técnicas similares pueden ser usadas para reconocer otros autos y obstáculos alrededor de un vehículo autónomo, o para estimar poblaciones de fauna, solo para nombrar algunos ejemplos.
La IA también puede ser usada para generar o alterar contenido visual. Ejemplos que ya están en uso hoy en día incluyen transferencia de estilos, por medio de las cuales se puede adaptar fotos personales para que luzcan como si fuesen pintadas por Vincent Van Gogh, y personajes generados por computadoras para películas tales como Avatar, El Señor de los Anillos y las populares animaciones de Pixar, donde los personajes animados replican gestos hechos por actores humanos reales.
Enlace de interés: