¿Qué es la inteligencia artificial?

Aunque durante las últimas décadas ha surgido una serie de definiciones de la

inteligencia artificial, Es la ciencia y la ingeniería de la fabricación de máquinas
inteligentes, especialmente programas informáticos inteligentes. Está relacionada con la
tarea similar de usar computadoras para entender la inteligencia humana, pero la IA no
tiene que limitarse a métodos que son biológicamente observables".
la conversación de la inteligencia artificial inició con el trabajo trascendental de Alan
Turing
"Maquinaria computacional e inteligencia que se publicó en 1950. En este artículo, Turing,
a menudo referido como el "padre de la informática", hace la siguiente pregunta: "¿Puede
pensar una máquina?" A partir de ahí, ofrece una prueba, ahora conocida como la
"prueba de Turing", donde un interrogador humano trataría de distinguir entre la respuesta
de texto de una computadora y la de un humano. Si bien esta prueba ha sido objeto de
mucho escrutinio desde su publicación, sigue siendo una parte importante de la historia
de la IA, así como un concepto en curso dentro de la filosofía, ya que utiliza ideas en torno
a la lingüística.
Stuart Russell y Peter Norvig luego procedieron a publicar Inteligencia artificial: un
enfoque moderno (enlace externo a IBM), que se convirtió en uno de los libros más
importantes en el estudio de la IA. En él profundizan en cuatro posibles objetivos o
definiciones de la IA, que se diferencia de los sistemas informáticos en la base de la
racionalidad y el pensamiento vs. el actuar:

Enfoque humano:

 Sistemas que piensan como los humanos

 Sistemas que actúan como los humanos

Enfoque ideal:

 Sistemas que piensan racionalmente

 Sistemas que actúan racionalmente

En su forma más simple, la inteligencia artificial es un campo que combina la ciencia

informática y los conjuntos de datos robustos para permitir la resolución de problemas.
También abarca los subcampos del machine learning y el deep learning, que se
mencionan frecuentemente junto con la inteligencia artificial. Estas disciplinas están
compuestas por algoritmos de IA que buscan crear sistemas expertos que hagan
predicciones o clasificaciones basadas en datos de entrada.
Hoy en día, todavía hay mucha publicidad exagerada en torno al desarrollo de la IA, que
se espera de cualquier nueva tecnología emergente en el mercado. Como se indica en
el Ciclo de publicidad exagerada de Gartner (enlace externo a IBM), las innovaciones de
productos como, por ejemplo, los vehículos autónomos y los asistentes personales,
siguen "una progresión típica de la innovación, desde el exceso de entusiasmo, a un
período de desilusión hasta una eventual comprensión de la relevancia y el papel de la
innovación en un mercado o dominio". Como señala Lex Fridman aquí (enlace externo a
IBM) en su conferencia del MIT en 2019, estamos en el punto máximo de las expectativas
exageradas, acercándonos a la desilusión.

Tipos de inteligencia artificial: IA débil vs. IA robusta

La IA débil, también llamada IA estrecha (ANI), es un tipo de IA entrenada y
enfocada a realizar tareas específicas. La IA débil impulsa la mayor parte de la IA
que hoy nos rodea. "Estrecha" podría ser una descripción más precisa de este tipo
de IA, ya que es cualquier cosa menos débil; se puede encontrar en algunas
aplicaciones muy robustas, como Siri de Apple, Alexa de Amazon, IBM Watson y
vehículos autónomos.

La IA robusta está compuesta por la inteligencia artificial general (IAG) y la

superinteligencia artificial (SIA). La inteligencia artificial general (IAG), o la IA
general, es una forma teórica de IA en la que una máquina tendría una inteligencia
igual a la de los humanos; sería autoconsciente y tendría la capacidad de resolver
problemas, aprender y planificar para el futuro. La superinteligencia artificial (SIA),
también conocida como superinteligencia, superaría la inteligencia y la capacidad
del cerebro humano. Si bien la IA robusta todavía es completamente teórica y no
tiene ejemplos prácticos de uso actualmente, no significa que los investigadores
de IA no estén también explorando su desarrollo. Mientras tanto, los mejores
ejemplos de SIA pueden provenir de la ciencia ficción, como HAL, el malvado
asistente de computadora superhumano en 2001: Odisea en el espacio.

Deep learning vs. machine learning

Dado que el deep learning y el machine learning tienden a ser utilizados
indistintamente, vale la pena señalar sus diferencias. Como se mencionó
anteriormente, ambos son subcampos de la inteligencia artificial, y el deep
learning es en realidad un subcampo del machine learning.
El deep learning en realidad se compone de redes
neuronales. "Deep" se refiere a una red neuronal
compuesta por más de tres capas, que incluiría las
entradas y la salida, que pueden considerarse un
algoritmo de deep learning. Por lo general, esto se
representa con el siguiente diagrama:
La diferencia entre el deep learning y el machine learning es cómo aprende cada
algoritmo. El deep learning automatiza gran parte de la fase de extracción de
características del proceso, lo que elimina parte de la intervención humana manual
necesaria y permite el uso de conjuntos de datos más grandes. El deep learning
se podría considerar como "machine learning escalable", tal como Lex Fridman
señaló en la misma conferencia del MIT mencionada anteriormente. El machine
learning tradicional, o "non-deep", depende más de la intervención humana para
aprender. Los expertos humanos determinan la jerarquía de características para
comprender las diferencias entre las entradas de datos, lo que por lo general
requiere más datos estructurados para aprender.

El "deep" machine learning puede utilizar los conjuntos de datos etiquetados,

también conocidos como aprendizaje supervisado, para informar a su algoritmo,
pero no requiere necesariamente un conjunto de datos etiquetados. Puede ingerir
datos no estructurados en su forma original (como por ejemplo texto o imágenes) y
puede determinar automáticamente la jerarquía de características que distinguen
diferentes categorías de datos. A diferencia del machine learning, no requiere
intervención humana para procesar datos, lo que permite escalarlo de maneras
más interesantes.

Aplicaciones de inteligencia artificial

  Reconocimiento de voz: también denominado reconocimiento
automático de voz (ASR), reconocimiento de voz por computadora o
conversión de voz a texto, y es una funcionalidad que utiliza el
procesamiento del lenguaje natural (NLP) para procesar el habla humana
en un formato escrito. Muchos dispositivos móviles incorporan el
reconocimiento de voz en sus sistemas para realizar búsquedas de voz,
por ejemplo, Siri, o proporcionar más accesibilidad en relación con los
mensajes de texto.
 Servicio al cliente: los chatbots en línea están sustituyendo a los agentes
humanos por la ruta del cliente. Responden a preguntas frecuentes de
diferentes temas (como el envío) o proporcionan asesoramiento
personalizado, realizan venta cruzada de productos o sugieren tallas para
los usuarios, cambiado la forma de interactuar con los clientes en los sitios
web y las plataformas de redes sociales. Algunos ejemplos incluyen bots
de mensajería en sitios de comercio electrónico con agentes virtuales,
aplicaciones de mensajería (como Slack y Facebook Messenger) y tareas
generalmente realizadas por asistentes virtuales y asistentes de voz.
 Visión artificial: esta tecnología de IA permite que las computadoras y los
sistemas obtengan información significativa de imágenes digitales, videos
y otras entradas visuales, y que actúen con base en ellas. Esta capacidad
de proporcionar recomendaciones lo distingue de las tareas de
reconocimiento de imágenes. Impulsada por redes neuronales
convolucionales, la visión artificial se puede aplicar en el etiquetado de
fotos en redes sociales, las imágenes radiológicas en la salud y los
vehículos autónomos en la industria automotriz.
 Motores de recomendaciones: utilizando datos del comportamiento
pasado de los consumidores, los algoritmos de IA pueden ayudar a
descubrir tendencias de datos para desarrollar estrategias de venta
cruzada más eficaces. Esto se usa para que los minoristas en línea
puedan hacer recomendaciones adicionales relevantes a los clientes
durante el proceso de compra.
 Comercio de acciones automatizado: diseñado para optimizar las
carteras de acciones, las plataformas de comercio de alta frecuencia
impulsadas por IA hacen miles o incluso millones de operaciones por día
sin intervención humana.

Historia de la inteligencia artificial: fechas y nombres

clave
La idea de “una máquina que piensa” se remonta a la antigua Grecia. Pero, desde
el advenimiento de la computación electrónica (y en relación con algunos de los
temas tratados en este artículo), se han presentado acontecimientos importantes e
hitos en la evolución de la inteligencia artificial:

 1950: Alan Turing publica Computing Machinery and Intelligence. En este

artículo, Turing, famoso por descifrar el código ENIGMA de los nazis
 durante la Segunda Guerra Mundial, propone responder a la pregunta
"¿pueden pensar las máquinas?" e introduce la prueba de Turing para
determinar si una computadora puede demostrar la misma inteligencia (o
los resultados de la misma inteligencia) que una persona. El valor de la
prueba de Turing se ha debatido desde entonces.
 1956: John McCarthy acuña el término “inteligencia artificial” en la primera
conferencia de IA en Dartmouth College. (McCarthy pasaría a inventar el
lenguaje Lisp). Posteriormente ese año, Allen Newell, J.C.Shaw y Herbert
Simon crean el Logic Theorist, el primer programa de software de IA.
 1967: Frank Rosenblatt crea el perceptrón Mark 1, la primera
computadora basada en una red neuronal que “aprendió” mediante prueba
y error. Apenas un año después, Marvin Minsky y Seymour Papert
publican un libro titulado Perceptrones, que se convierte en el trabajo de
referencia en redes neuronales y, al menos por un tiempo, en un
argumento contra futuros proyectos de investigación de redes neuronales.
 1980: las redes neuronales que utilizan un algoritmo de retropropagación
para entrenarse a sí mismas se utilizan ampliamente en aplicaciones de
IA.
 1997: el sistema Deep Blue de IBM vence al campeón mundial de ajedrez
Garry Kasparov, en una partida de ajedrez (y revancha).
 2011: IBM Watson vence a los campeones Ken Jennings y Brad Rutter
en Jeopardy!
 2015: la supercomputadora Minwa de Baidu usa un tipo especial de red
neuronal profunda, llamada red neuronal convolucional, para identificar y
categorizar imágenes con una mayor precisión que el promedio humano.
 2016: el programa AlphaGo de DeepMind, impulsado por una red neuronal
profunda, vence a Lee Sodol, el campeón mundial de Go, en un partido de
cinco juegos. La victoria es significativa dado el gran número de
movimientos posibles a medida que el juego progresa (¡más de 14,5
billones después de solamente cuatro movimientos!). Más tarde, Google
compró DeepMind por $400 millones de dólares.

Inteligencia artificial e IBM Cloud

IBM ha sido líder en tecnologías basadas en la IA para empresas y pionero en el
futuro de los sistemas de machine learning para varias industrias. Basado en
décadas de investigación de IA, años de experiencia trabajando con
organizaciones de todos los tamaños y aprendizajes de más de 30,000 contratos
de IBM Watson, IBM ha desarrollado el AI Ladder para implementaciones eficaces
de inteligencia artificial:

 Recopilar: simplificación de la recopilación y accesibilidad de datos.

 Organizar: creación de una base de analítica preparada para el uso
empresarial.
 Analizar: creación de sistemas basados en IA escalables y confiables.
  Integrar: integración y optimización de sistemas en todo un entorno
empresarial.
 Modernizar: migración de sus aplicaciones y sistemas de IA a la nube.

IBM Watson ofrece a las empresas las herramientas de IA que necesitan para
transformar sus sistemas de negocio y flujos de trabajo, a la vez que mejora
significativamente la automatización y la eficiencia. Para obtener más información
sobre cómo IBM puede ayudarle a completar su ruta hacia la IA, explore el
portafolio de IBM de servicios y soluciones administrados.

Regístrese para obtener un IBMid y crear su cuenta de IBM Cloud.