Mitos, realidades y posibilidades de la Inteligencia Artificial
Toni Navarro
Alejandra López Gabrielidis
La realidad no siempre supera la ficción: mitos y aplicaciones reales de la IA
La inteligencia artificial ha sido retratada a menudo como un peligro para los humanos. Desde clásicos como “2001- Una odisea en el espacio” hasta películas más recientes como “Transcendence” exploran la posibilidad de que los robots tomen conciencia y se rebelen contra sus creadores. Esta idea no se encuentra únicamente en la ciencia ficción más distópica, sino que ha sido promulgada por científicos como Stephen Hawking o empresarios del sector tecnológico como Elon Musk, que coinciden en que la IA puede suponer una amenaza para nuestra civilización o incluso para la existencia de nuestra especie.
Detrás de esta visión, que ha colonizado por completo el imaginario popular, se encuentran las predicciones de Raymond Kurzweil. Según este futurólogo estadounidense, la IA pasará por primera vez una prueba de Turing válida en 2029, demostrando así niveles humanos de inteligencia; y en 2045 se producirá la llegada de la singularidad, que define como el momento en que los humanos multiplicaremos nuestra inteligencia efectiva mil millones de veces al fusionarnos con la inteligencia que hemos creado, trascendiendo nuestras limitaciones biológicas y - Imagen de portada: dall-e IAdifuminando la distinción entre organismo y máquina. Ambas predicciones se basan en la Ley de Moore, que establece que el número de transistores de un procesador se duplica cada dos años, por lo que la complejidad de los circuitos integrados crece exponencialmente mientras los precios y costes de fabricación se reducen.
Dicha “ley” ha sido puesta en entredicho y muchos la consideran estancada a causa de los límites físicos de la tecnología actual, como hemos podido observar recientemente con la crisis de semiconductores. Sin embargo, estos relatos de corte transhumanista ayudaron a generar el hype necesario para salir del invierno de la IA, que es como se conocen los períodos de reducción de fondos e interés en su investigación (en contraposición al verano en el que se invierten miles de millones de dólares), por lo que se podrían considerar hipersticiones, es decir, ficciones que actúan causalmente para producir su propia realidad. En palabras de Kurzweil: “Muchos observadores siguen pensando que el invierno de la IA fue el final de la historia y que no ha pasado nada desde entonces; sin embargo, hoy en día miles de aplicaciones de la IA están profundamente arraigadas en la infraestructura de todas las industrias”. Ahora bien, ¿cuáles son estas aplicaciones?
Lo cierto es que, la IA resulta ser algo mucho más banal, ya que forma parte de nuestra cotidianidad. Sus aplicaciones en la actualidad atraviesan distintas escalas de nuestra realidad. A una escala personal o doméstica podemos observar la proliferación de los asistentes digitales (Siri, Alexa o Cortana), los traductores en línea, los servicios de atención al cliente mediante chatbots, los algoritmos de recomendaciones que usan los gigantes tecnológicos para ofrecer servicios de publicidad personalizada. Estamos interactuando con una IA cada vez que, por ejemplo, consultamos varias veces billetes de avión y los precios varían. A escala de la ciudad, existen numerosos aplicaciones que están comenzando a poner en marcha las así llamadas smart cities, como por ejemplo, los semáforos o ambulancias inteligentes programados con sistemas de machine learning o el caso del sistema automatizado de vigilancia y control del tráfico ATSAC en Los Ángeles que controla una superficie 11.000 km.
Definición y modelos de IA
La forma tradicional de definir la IA postula que la misma es la ciencia que hace que los ordenadores produzcan comportamientos que serían considerados inteligentes si fueran realizados por humanos. Definir de esta manera la IA puede ser problemático, ya que los ordenadores son excepcionalmente buenos en muchas tareas que para nosotros son extremadamente difíciles como, por ejemplo, resolver complejas ecuaciones matemáticas en una fracción de segundos, pero espectacularmente malas en realizar tareas que nosotros encontramos muy fáciles como caminar, abrir una puerta o participar en una conversación.
Esta definición de la IA centrada en “lo humano” aún funciona en algunos aspectos, pero tal como mencionan los autores de A Citizen's Guide to Artificial Intelligence, necesitaría una actualización: “Es cierto que muchas de las aplicaciones de la IA moderna involucran reproducir habilidades humanas de lenguaje, percepción, razonamiento y control motriz. Pero hoy en día los sistemas de IA son también usados en áreas menos visibles para llevar a cabo tareas cuya escala o velocidad exceden en gran medida las capacidades humanas. Por ejemplo, son usados en comercio en bolsa de alta frecuencia, buscadores en línea, y en operaciones de redes sociales. De hecho, es útil pensar en la escala industrial de los sistemas de IA como una mezcla de capacidades sub y supra humanas.”
El informático teórico Jerry Kaplan ofrece otra definición quizás menos antropocéntrica, en la medida que resulta lo bastante amplia para incluir otras formas de vida como las plantas o los hongos, que -como los algoritmos- son capaces de comportamientos sofisticados que nos llevan a pensar en nuevas formas de resolver problemas, comunicarse, tomar decisiones, aprender y recordar. En este sentido, para Kaplan, “la esencia de la IA (y de la inteligencia en general) es la capacidad de hacer generalizaciones apropiadas de manera oportuna a partir de datos limitados. Cuanto más amplio sea el ámbito de aplicación y más rápido se extraigan conclusiones con un mínimo de información, más inteligente será el comportamiento.”
Según esto, se podría distinguir entre tres tipos de IA en función de cuánto se acercan a esa definición de inteligencia: una IA débil o estrecha, que es la que tenemos actualmente (especializada en una tarea e incapaz de hacer nada más allá de su dominio particular de funcionalidad); una IA fuerte o general (con capacidad para comportarse de forma inteligente en una amplia variedad de contextos y para aplicar los conocimientos aprendidos en un contexto a situaciones novedosas); y la superinteligencia artificial (que superaría con creces las capacidades cognitivas de los humanos).
Por ahora, la única que existe es la IA débil, que puede desarrollarse a partir de distintos modelos. El más popular es el aprendizaje automático o machine learning, que se basa en el reconocimiento de patrones siguiendo tres pasos: recopilar datos, entrenar un modelo con esos datos y utilizar el modelo entrenado para hacer predicciones con nuevos datos. El aprendizaje puede ser supervisado (los datos de entrada son etiquetados por humanos en distintas categorías y el sistema aprende esas categorías identificando patrones en los ejemplos suministrados), no supervisado (entrenándolo con suficientes datos como para que el sistema identifique por sí solo correlaciones sofisticadas y complejas en el conjunto de datos) o por refuerzo (no se le dice qué acciones debe realizar, sino que debe descubrir qué acciones producen la mayor recompensa al probarlas). Otros modelos son el aprendizaje profundo o deep learning, que utiliza redes neuronales (un modelo computacional basado en el funcionamiento del cerebro humano) con varias capas de procesamiento para que puedan aprender patrones más complejos; y este ha dado lugar a modelos de lenguaje autorregresivo como LaMDA o GPT-3, que son capaces de producir textos que simulan la redacción humana y han generado una gran controversia después de que uno de los ingenieros de Google fuese despedido por afirmar que LaMDA era consciente y tenía alma. Lo cierto es que muchos expertos consideran que GPT-3 podría ser la antesala de la IA general, pero esto se debe a una comprensión errónea del significado de “inteligencia”….
Para leer la nota entera: Fuente: https://www.elsaltodiario.com/atenea_cyborg/mitos-realidades-y-posibilidades-de-la-inteligencia-artificial - Imagen de portada: dall-e IA
