Conceptos

Qué es la Inteligencia Artificial y cuál es su impacto en la economía

Inteligencia artificial

La Inteligencia artificial (IA), la cual hoy se define como uno de los avances más destacados de la Cuarta Revolución Industrial, es la simulación de los procesos de la inteligencia humana por medio de las máquinas, especialmente por los sistemas de computación. Estos procesos incluyen aprendizaje (la adquisición de información y reglas usando la información), razonamiento (usando las reglas para hacer aproximaciones o llegar a conclusiones) y la autocorrección. Dentro de las aplicaciones particulares de la inteligencia artificial se incluyen sistemas especializados, reconocimiento de voz y visión inteligente.

La Inteligencia artificial (IA) puede ser categorizada como débil o fuerte. Una IA débil, también conocida como una IA pequeña, es un sistema de IA que está diseñado y entrenado para realizar una tarea particular. Asistentes virtuales personales, tales como Siri de Apple, son una forma de IA débil. Los sistemas de IA fuertes, también conocidos como sistemas generales de inteligencia artificial, son sistemas de IA con habilidades generales y cognitivas propias del ser humano. Cuando se le presenta una tarea desconocida, un sistema fuerte de IA es capaz de encontrar una solución sin la intervención humana.

Debido al hardware, la programación y su diseño, los costos de los sistemas IA pueden ser altos, muchos vendedores están incluyendo los componentes de la IA en sus ofertas estándar, así como plataformas de acceso a la inteligencia artificial como un servicio (AIaaS por sus siglas en inglés). La IA como un servicio permite a los individuos y a las compañías experimentar con la IA para varios propósitos de negocios y evaluación de múltiples plataformas antes de que el cliente se decida por una. Dentro de las ofertas populares de IA en la nube se incluyen: Amazon AI services, IBM Watson Assistant, Microsoft Cognitive Services y Google AI services.

Mientras que las herramientas de IA presentan un nuevo rango de funcionalidades para los negocios, el uso de la inteligencia artificial presenta preguntas éticas. Esto es debido al uso de algoritmos de aprendizaje profundos, los cuales presentan muchas de las más sofisticadas herramientas de IA, solamente son tan inteligentes dependiendo de la información que ellos reciben en el proceso de entrenamiento. Debido a que el ser humano selecciona la información que debe ser usada para el entrenamiento de un programa de IA, el potencial del prejuicio humano es inherente y debe ser monitoreado muy de cerca.

Algunos expertos de la industria creen que el término Inteligencia Artificial está muy distorsionado por la cultura popular, causando que el público general tenga miedos no realistas acerca de la inteligencia artificial y expectativas improbables sobre cómo está tecnología transformará los sitios de trabajo y la vida en general. Los investigadores y los comercializadores esperan que la etiqueta inteligencia aumentada, la cual tiene una connotación más neutral, ayudará a entender que las IA simplemente mejorarán productos y servicios, no reemplazarán a los seres humanos que los usan.

Tipos de inteligencia artificial

Arend Hintze, un profesor asistente de biología integrada y ciencia de la computación, e ingeniero en la Universidad Estatal de Michigan, categoriza la IA dentro de cuatro tipos, desde los tipos de sistemas de IA que existen hoy hasta los sistemas sintientes, los cuales todavía no existen.

Sus categorías son las siguientes:

Tipo 1: Máquinas reactivas. Un ejemplo es Deep Blue, el programa de ajedrez de IBM que venció a Garry Kasparov en los años novena. Deep Blue puede identificar piezas en el tablero de ajedrez y hacer predicciones, pero no tiene memoria y no puede usar experiencias pasadas para informar las decisiones futuras. Analiza posibles movimientos, propios y los de su oponente – y elige el más estratégico. Deep Blue y AlphaGO de Google fueron diseñados para para propósitos específicos y no pueden ser adaptados de forma fácil a otras situaciones.

Tipo 2: Limitada Memoria: Estos sistemas de IA pueden usar las experiencias del pasado para informar las decisiones futuras. Algunas de las funciones de toma de decisiones en los vehículos autónomos están diseñadas de esta manera. Las observaciones informan las acciones que pueden ocurrir en un futuro no distante, tales como el cambio de rutas. Estas observaciones no son almacenadas de forma permanente.

Tipo 3: De teoría de la mente: Este término de psicología se refiere al entendimiento que otros tienen acerca de sus propias creencias, deseos e intenciones, y que impacta las decisiones que ellos toman. Este tipo de IA no existe todavía.

Tipo 4: Auto- consciencia: En esta categoría, los sistemas de IA tienen un sentido de sí mismos, tienen consciencia. Las máquinas con auto consciencia entienden su estado actual y pueden usar la información para inferir lo que otros están sintiendo. Este tipo de IA no existe aún.

Ejemplos de tecnologías con IA:

La Inteligencia artificial está incorporada dentro de una variedad de diferentes tipos de tecnología. Aquí presentamos siete ejemplos:

Automatización:  Es lo que hace que un sistema o una función sean procesados de forma automática. Por ejemplo, los procesos de automatización robótica pueden ser programados para desempeñar un volumen alto de tareas repetibles que los seres humanos normalmente desarrollan. Los procesos de automatización robótica difieren de la automatización tecnológica por el hecho de que se pueden adaptar a circunstancias cambiantes.

Máquinas que aprenden: La ciencia de conseguir que un computador actúe sin necesidad de programarlo. El aprendizaje profundo es un subconjunto del aprendizaje de máquinas que, en términos bastante simples, puede ser pensado como la automatización del análisis predictivo. Hay tres tipos de algoritmos de máquinas que aprenden:

  1. Aprendizaje supervisado: Los conjuntos de datos son etiquetados de manera que puedan detectarse modelos y usar las etiquetas para nuevos conjuntos de datos.
  2. Aprendizaje no supervisado: Los conjuntos de datos no son etiquetados y son organizados de acuerdo a sus semejanzas o diferencias.
  3. Aprendizaje de refuerzo: La información no es etiquetada, pero después de realizar una acción o varias acciones, el sistema de IA obtiene una retroalimentación.

Visión de máquinas: Es la ciencia que le permite a los computadores ver. Esta tecnología captura y analiza la información visual usando una cámara, de conversión digital y analógica, y de procesamiento digital de señales. Frecuentemente es comparada con la vista humana, pero la visión de las máquinas no está limitada por las máquinas y puede ser programada para ver a través de muros, por ejemplo. Es usada en un rango de varias aplicaciones, desde la identificación de una firma hasta el análisis de imágenes médicas. La visión computacional, la cual está enfocada en el procesamiento de imágenes por medio de las máquinas, es frecuentemente combinada con la visión de máquinas.

Procesamiento natural del lenguaje: Es el procesamiento del lenguaje humano – y no computacional – por medio de un programa de computador. Uno de los ejemplos mejores conocidos de este tipo de tecnología es la detección de correo basura, en la cual se busca una línea específica y por el texto de un e-mail, entonces el programa decide que es correo basura. Las actuales aproximaciones al procesamiento natural del lenguaje están basadas en el aprendizaje de máquinas. El procesamiento natural del lenguaje puede incluir la traducción, en análisis de sentimientos y el reconocimiento de voz.

Robótica:  Es un campo de la ingeniería enfocado en el diseño y la fabricación de robots. Los robots son frecuentemente usados para desempeñar tareas que son difíciles para los seres humanos o desempeñar tareas de forma consistente y repetitiva. Ellos son usados para las líneas de ensamblaje de vehículos o por la NASA para mover grandes objetos en el espacio. Los investigadores también están usado el aprendizaje de las máquinas para construir robots que puedan participar de forma social.

Autos autónomos: Esta tecnología usa una combinación de la visión de computadores, el reconocimiento de imágenes y el aprendizaje profundo para construir una habilidad automatizada de manejo de un vehículo mientras que este está en una ruta específica y para que pueda evitar obstrucciones inesperadas, tales como transeúntes.

Aplicaciones de la Inteligencia Artificial

La inteligencia artificial ha logrado abrirse paso en un número de áreas. Aquí tenemos seis ejemplos: 

IA en cuidado de la salud: Las apuestas más grandes se encuentran en mejorar los resultados de los pacientes y reducir los costos de los sistemas de salud. Las compañías están aplicando el aprendizaje de máquinas para hacer diagnósticos más rápidos que los que hacen los humanos. Una de las tecnologías más conocidas de cuidado de la salud es IBM Watson. Entiende el lenguaje humano y es capaz de responder preguntas. El sistema escudriña dentro de la información del paciente y otras fuentes de información disponible para formular una hipótesis, la cual entonces presenta con un esquema confiable de calificación. Otras aplicaciones de IA incluyen robots de chat, un programa de computación que es usado para responder preguntas en línea y asistir a los clientes, ayuda a programar citas de seguimiento o ayuda a los pacientes en su proceso de facturación, y los asistentes virtuales de salud que proveen retroalimentación básica en temas de salud.

IA en los negocios: La automatización robótica de procesos está siendo aplicada a tareas altamente repetitivas generalmente desempeñadas por seres humanos. Los algoritmos de aprendizaje de máquinas están siendo integrados dentro de las plataformas analíticas y de administración de relaciones con los clientes para descubrir información sobre cómo servir mejor a los clientes. Los chatbots han sido incorporados a sitios web para proveer un servicio inmediato a los clientes. La automatización de posiciones de trabajo se ha convertido también en un punto del que se habla entre los académicos y los analistas de tecnologías de la información.

IA en la educación: La IA puede automatizar los procesos escolares, dando a los educadores más tiempo. La IA puede evaluar a los estudiantes y adaptarse a sus necesidades, ayudarles a trabajar a su propio ritmo. Los tutores de IA pueden proveer apoyo adicional a los estudiantes, asegurándose de que ellos se mantengan en el camino de aprendizaje. La IA puede transformar el dónde y cómo del aprendizaje de los estudiantes, quizás incluso reemplazando a algunos docentes.

IA en finanzas: La IA en las aplicaciones de finanzas personales, tales como Mint o Turbo Tax está generando disrupción en las instituciones financieras. Aplicaciones como estas pueden recolectar información personal y proveer servicio de asesoramiento financiero. Otros programas como IBM Watson han sido aplicados en el proceso de compra de vivienda. Hoy el software desarrolla gran parte del trading en Wall Street.

IA en las leyes y el derecho: El proceso de descubrimiento, búsqueda dentro documentos distintos, en el derecho es frecuentemente abrumador para los seres humanos. Automatizar este tipo de procesos nos garantiza un uso mucho más eficiente del tiempo. Las startups también están construyendo asistentes que pueden responder preguntas y ser programados para responder cuestiones de forma rápida al examinar la taxonomía y ontología asociada con una base de datos.

IA en manufacturas: Esta ha sido un área que ha estado a la vanguardia en la incorporación de robots en el proceso de trabajo. Los robots industriales son usados para desarrollar tareas de un solo tipo, pero a medida en qué la tecnología avanza, este tipo de tareas pueden llegar a ser más sofisticadas.

Preocupaciones éticas y de seguridad

La aplicación de las IA en el reino de los autos autónomos crea preocupaciones éticas y de seguridad. Los automóviles pueden ser hackeados, y cuando un vehículo autónomo se involucra es un accidente, la responsabilidad no es clara. Los vehículos autónomos pueden también ser puestos en una posición donde un accidente es inevitable, forzando la programación para tomar decisiones éticas acerca de cómo minimizar los daños.

Otras preocupaciones mayores son el potencial abuso de las herramientas de las IA. Los hackers están comenzando a usar herramientas sofisticadas de aprendizaje de máquinas para ganar acceso a sistemas clave, complicando en tema de seguridad más allá de su estado actual.

Las herramientas de generación de audio y vídeo basadas en el aprendizaje profundo pueden ser útiles para actores oscuros que tendrían entonces las herramientas necesarias para promover noticias falsas altamente convincentes donde por medio de videos se observa a figuras públicas diciendo haciendo cosas que nunca tuvieron lugar.

Regulación de la tecnología de la Inteligencia Artificial

A pesar de todos estos riesgos potenciales, hay pocas regulaciones que gobiernes las herramientas de las IA, y donde existen las leyes, ellas típicamente se refieren a la IA de forma indirecta. Por ejemplo, las regulaciones federales de préstamos requieren que las instituciones financieras expliquen las decisiones crediticias a los clientes potenciales, lo cual puede limitar el alcance en el cual los prestamistas pueden usar los algoritmos de aprendizaje profundo, los cuales por su propia naturaleza pueden ser opacos. La regulación europea para la protección general de la información (GDPR por sus siglas en inglés) pone límites estrictos a cómo las empresas pueden usar los datos de los clientes, lo cual impide el desarrollo de muchas funcionalidades de las aplicaciones de IA que tienen trato directo con los clientes.

En el 2016, El Consejo Nacional de Ciencia y Tecnología de los Estados Unidos emitió un reporte examinando el potencial del rol que la regulación gubernamental puede desempeñar en el desarrollo de la IA, pero no recomendó que alguna legislación específica fuera considerada. Desde ese momento el tema ha recibido poca atención por parte de los legisladores. 

Impacto de la IA en la economía

El desarrollo de la IA puede tener un gran impacto en la economía. Primero: generando nuevos puestos de trabajo que no existían y que requieren habilidades complejas de programación para satisfacer las necesidades y la demanda de las empresas que empiezan a adquirir este tipo de herramientas tecnológicas. Segundo: La automatización de los procesos hace que el tiempo gastado en una tarea productiva de cualquier área sea mucho menor, por lo tanto, se mejora la productividad de las naciones y empresas que adquieren e implementan este tipo de tecnologías. Tercero: Algunos empleos pueden terminar siendo desplazados por el desarrollo de herramientas IA que son capaces de desarrollar tareas repetitivas y que antes eran reservadas para la mano de obra humana. Empleos como los de los taxistas o los asistentes de los callcenters podrían desaparecer por la llegada de los autos autónomos y los chatbots. 

Leer también:

Las revolucionarias tecnologías que impulsarán el crecimiento de África

Los robots que hacen las tareas aburridas y crearán millones de empleos

Walmart usa cámaras de Inteligencia Artificial contra los ladrones

Ante los impactos económicos posibles de la IA es preciso que se invierta en el entrenamiento de la fuerza laboral y su reentrenamiento, en los casos donde se pueden perder empleos, para que los trabajadores y emprendedores se adapten al futuro del mercado laboral donde la IA será omnipresente. Los gobiernos harían bien al invertir en este tipo de tecnologías para optimizar sus procesos y mejorar sus prácticas. El reconocimiento facial y de imágenes puede ser una herramienta útil para mejorar la estabilidad política, reduciendo el crimen y los delitos, pero también puede ser útil a los estados y gobiernos que tienden a reprimir la libre expresión de sus ciudadanos, por lo que se requiere que la aplicación de la IA se haga con criterios éticos, aprovechando sus múltiples ventajas para enfrentar problemas económicos graves como la corrupción y el uso ineficiente de recursos.

Con información de Search Enterprise AI.

comentarios

Arriba