Existe un gran número de escritos que relatan, desde diversas perspectivas, el impacto de la Revolución Industrial inglesa de finales del siglo XVIII y la totalidad del XIX. Un texto de gran relevancia es el poema El deshollinador: Cuando murió mi madre yo era muy joven, de William Blake, publicado en 1789, donde se evoca la inocencia de los niños que trabajaban limpiando chimeneas industriales, pequeños que casi siempre morían a causa de enfermedades relacionadas con la inhalación continua de hollín o al caer de las estructuras que limpiaban .

Con respecto a los profetas de la inteligencia artificial (IA) en la literatura, desde antes de principios del siglo XX ya se estaba proyectando la creación cibernética de objetos inteligentes, como en el libro Frankenstein o el Prometeo moderno, publicado en 1818 por Mary Shelly, y ¿Sueñan los androides con ovejas eléctricas?, de Philip K. Dick, pero sin lugar a duda, el pionero en la descripción de máquinas con razonamiento y emociones, desde un ámbito menos fantasioso, fue Alan Turing con la conferencia que realizó ante la National Physical Laboratory de Londres, en 1947, la cual tituló “¿Puede pensar una máquina?”.

Debido al crecimiento de la humanidad, la ciencia y la tecnología evolucionan, y así también aumenta la cantidad de datos generados. Analizar, interpretar y clasificar estos datos puede convertirse en un trabajo dispendioso y complejo. A pesar de esto, con la creación del modelo tecnológico denominado Machine Learning se ha ingeniado la posibilidad de que los programas generados por computador puedan analizar, aprender e implementar mejoras por sí mismos. Los ordenadores clásicos solo podían hacer operaciones en función de lo que habían sido programados. Con la tecnología de aprendizaje automático, los programas y diversos dispositivos pueden obtener conocimientos que se van actualizando de acuerdo con sus experiencias, simulando al cerebro del ser humano.

“Como tecnólogo, veo cómo la IA y la Cuarta Revolución Industrial afectarán todos los aspectos de la vida de las personas”. Fei-Fei Li, profesora de ciencias de la computación en la Universidad de Stanford.

Aunque parezca raro, la inteligencia artificial nos acompaña en la cotidianidad, al utilizar los buscadores en nuestros ordenadores o, simplemente, con el hecho de manipular nuestros smartphones. La IA es una tecnología revolucionaria que como la máquina de vapor desplegó la Primera Revolución Industrial, la electricidad que emancipó la Segunda Revolución Industrial, y como el proceso de lo analógico a lo digital, en el marco de la internet, generó la Tercera Revolución Industrial. En este sentido, el aprendizaje automático está provocando una Cuarta Revolución, donde todos los procesos humanos se están simplificando, optimizando y automatizando con máquinas que hacen tareas inteligentes que anteriormente eran hechas por humanos. No solo están ejecutando las actividades, sino que están observando, entendiendo aprendiendo y mejorando las diversas tareas que se determinaban como operaciones de la inteligencia humana.

La evolución que está adquiriendo la humanidad con los adelantos tecnológicos en inteligencia artificial es revolucionaria. Desde hace algunos años se han estado presentando noticias como: una IA derrotó a un campeón de ajedrez, una IA compuso una canción con tonos de los mejores músicos clásicos o una IA ideó un cuadro que fue vendido por varios millones de dólares, o que un algoritmo para vehículos  autónomos posibilita una mejor movilidad, y que un programa es capaz de responderte los acertijos más escudriñados de la ciencia con un poco de humor.

La inteligencia artificial es definida como la posibilidad que tienen artefactos artificiales para efectuar tareas u operaciones propias de la inteligencia humana. Tales como la capacidad de calcular, ordenar y memorizar datos. Actualmente, los desarrollos en esta tecnología han logrado capacidades como el aprendizaje autónomo y la creatividad, y se espera que en el futuro la IA llegue a tener la facultad de autoconciencia. 

Se destaca que los logros más prolíficos en inteligencia artificial se encuentran en el denominado aprendizaje autónomo o Machine Learning, el cual funciona a partir de diversas técnicas fundamentadas en algoritmos que realizan tareas con la capacidad de modificar comportamientos a partir de los datos disponibles, generando resultados con mejoras basadas en soluciones anteriores, en resoluciones buenas o malas que se hayan realizado o en nuevos datos agregados que generen nuevas posibilidades operacionales, logrando que los algoritmos aprendan de sus fallas y se auto-modifiquen.

Entre los tipos o modelos de algoritmos se encuentran los algoritmos de aprendizaje supervisado, los cuales funcionan con un cúmulo de datos etiquetados, con lo cual se establece la solución de los problemas planteados y, por medio del procesamiento de la información, los algoritmos se van enriqueciendo en un proceso llamado entrenamiento. Este tipo de algoritmos es empleado comúnmente para localizar, clasificar y aislar objetos de imágenes o vídeos, y pueden hacer procesos de reconocimiento facial, de voz, de huellas digitales y hasta de rutas en los coches autónomos, entre muchas otras funciones.  

Otro tipo de modelos son los algoritmos no supervisados, los cuales funcionan a partir de procesos de entrenamiento con un abanico de datos sin etiquetas o etiquetas definidas previamente. Estos son usados en gran medida para agrupar datos que son parecidos entre ellos, por ejemplo, un algoritmo que agrupa gente que tiene gustos similares de ropa y comida, puede ser empleado para crear publicidad de estos productos. Otro ejemplo, son los algoritmos que comparan la música que escuchamos en las diferentes plataformas, que al seleccionar y agrupar nuestros gustos musicales, nos muestran canciones parecidas entre sí, para que sean posiblemente seleccionadas como un nuevo tema para escuchar. Estos algoritmos además son empleados en aplicaciones científicas como en la genómica. 

También se encuentran los algoritmos semi-supervisados, los cuáles buscan analizar y comprender datos de entrenamiento etiquetados y no etiquetados. Un ejemplo común son los algoritmos de difusión de etiquetas donde se clasifican los datos con un modelado predictivo. 

Finalmente, otro de los algoritmos más empleados en la actualidad son los algoritmos de aprendizaje automático por refuerzo o Reinforcement Learning, que funcionan a partir de pruebas y errores. Este modelo de algoritmos posee un sistema desarrollado al cual se le denomina agente, que opera buscando el aumento de su eficiencia, basándose en la interacción con su entorno, recibiendo recompensas que logran optimizar su comportamiento. Este tipo de algoritmos pueden ser entendidos observando las actividades de los videojuegos, con la recompensa al haber jugado bien y ganar una partida o lograr pasar de nivel. Con esto, el algoritmo memoriza los movimientos y las buenas prácticas que se han realizado para efectuar el proceso del juego, seguidamente el algoritmo dispondrá de soluciones óptimas para una mejor toma de decisión en los nuevos niveles del juego.

Se recalca que existen múltiples tipos de algoritmos de aprendizaje, algunos específicos que son empleados para la resolución de problemas particulares y otros fusionados con la consecución de modelos más avanzados y autónomos. Entre los más comunes se encuentran los basados en la estadística y la probabilidád clásica, los árboles de decisión, el KNN o clasificador de aprendizaje supervisado, el Support Vector Machines o las máquinas de aprendizaje supervisado y los algoritmos de boosting, entre muchos otros.

La inteligencia artificial está revolucionando el comportamiento y  el modo en que la humanidad hace las cosas. Los algoritmos de alta complejidad como los utilizados en el Deep Learning o aprendizaje profundo están generando soluciones a tareas extremadamente complicadas que de otra forma serían irrealizables. Entre los modelos más avanzados que se encuentran actualmente se resaltan los sistemas expertos, los agentes inteligentes y los algoritmos de IA  empleados en robótica y cibernética.   

“Los países con la mayor densidad de robots tienen también las tasas de desempleo más bajas. La combinación correcta de tecnología y humanos impulsarán la prosperidad”. Ulrich Spiesshofer, Presidente y CEO de ABB.

Como ya se había descrito, estamos rodeados de inteligencias artificiales, para lo que queda de este año se espera que la computación en la nube traiga nuevos avances en las cadenas de producción, acelere el trabajo remoto y lleve a otro nivel los juegos en línea, además del comercio internacional y la forma digital en que nos comunicamos. Otro hito histórico es la computación cuántica, la cual día a día está más cerca y se cree revolucionará nuestra existencia durante los próximos veinticinco años. 

Se destacan otros avances tecnológicos en el tema, como las redes neuronales artificiales, las cinco plataformas de metaversos existentes –que se están optimizando–, la tecnología sostenible para un mundo más verde (Sustainable technology for a greener world), la creación automatizada de prototipos de forma rápida por medio de la impresión 3D y las nuevas soluciones energéticas a partir de inteligencia artificial para generar un mundo sin residuos y más amigable con el medio ambiente. 

“El éxito en la creación de IA sería el evento más grande en la historia de la humanidad. Desafortunadamente, también podría ser el último, a menos que aprendamos a evitar los riesgos”. Stephen William Hawking, físico británico.

Para finalizar, es importante mencionar que a pesar de todos los aportes que se están implementando gracias al aprendizaje automático, existe una fobia a la IA, un miedo exorbitante a los robots inteligentes y a lo que pueda suceder con la evolución de estos. Por ello, día a día crece el nivel de estudio enfocado en la ética que se debe utilizar para el manejo y la creación de algoritmos de inteligencia artificial, buscando responder a cuestionamientos que cada vez son más comunes en la relación entre humanos y máquinas inteligentes.   

Mauro Sastoque Campos
Periodista, escritor y diseñador para la Comunicación Gráfica.
Revista Virtual Pro
mauro@virtualpro.co

Bibliografía 

• AWS. (s. f.). ¿Qué es el boosting en machine learning?. https://aws.amazon.com/es/what-is/boosting/
• Azure. Microsoft. (s. f.). Computer Vision. https://azure.microsoft.com/es-mx/products/cognitive-services/computer-vision
• Barón Bichenall, L. F. (2008). El juego de imitación de Turing y el pensamiento humano. Avances en Psicología Latinoamericana, 26(2). http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1794-47242008000200006.
• Barrios Arce, J. I. (2020). Inteligencia Artificial y Machine Learning para todos. Healt BIG DATA. https://www.juanbarrios.com/inteligencia-artificial-y-machine-learning-para-todos/
• Chávez, J. C. (2023). La Inteligencia Artificial cambió el mundo para siempre en enero de 2023. Expansión. https://expansion.mx/opinion/2023/02/08/inteligencia-artificial-cambio-mundo-enero-2023
• Días, P. (2023). ¿Por qué provoca tanto miedo la inteligencia artificial?. Excelsior. https://www.excelsior.com.mx/trending/por-que-provoca-tanto-miedo-la-inteligencia-artificial/1573193
• Gandhi, R. (2018). Máquina de vectores de soporte: introducción a los algoritmos de aprendizaje automático. Towards Data Science. https://towardsdatascience.com/support-vector-machine-introduction-to-machine-learning-algorithms-934a444fca47
• IBM. (s. f.) ¿Qué es el aprendizaje supervisado?. https://www.ibm.com/mx-es/topics/supervised-learning
• IBM. (s. f.). ¿Qué es KNN?. https://www.ibm.com/mx-es/topics/knn
• Interactive Chaos. (s. f.). Algoritmos de aprendizaje por refuerzo. https://interactivechaos.com/es/manual/tutorial-de-machine-learning/algoritmos-de-aprendizaje-por-refuerzo
• Librotea. (s. f.). Las posibilidades de la Inteligencia Artificial en 10 libros. https://librotea.com/estanterias/las-posibilidades-de-la-inteligencia-artificial-en-10-libros-h1gn1qwbbv/
• Marketing Insider Review. (2023). Estas serán las 5 de las tendencias en Inteligencia Artificial en 2023, según HubSpot. https://www.marketinginsiderreview.com/tendencias-en-inteligencia-artificial-2023/
• Ramos Plencia, F. (2019). Un poema de William Blake: El deshollinador. Globalhisco. https://www.globalhisco.com/2018/10/un-poema-de-william-blake-el.html
• Sebio Martín, M. (2020). Inteligencia artificial y ética. Comillas, Universidad Pontificia. https://repositorio.comillas.edu/rest/bitstreams/421893/retrieve
• Top Big Data. (2021). Aprendizaje semi-supervisado con distribución de etiquetas. https://topbigdata.es/aprendizaje-semi-supervisado-con-distribucion-de-etiquetas/
• Vallalta Rueda, J. F. (s. f.). Aprendizaje supervisado y no supervisado. Healthdataminer.com. https://healthdataminer.com/data-mining/aprendizaje-supervisado-y-no-supervisado/