Skip to main content
Inteligencia Artificial

Inteligencia Artificial = Inteligencia Humana

La inteligencia artificial es un concepto que, aunque no lo creamos, se estableció como disciplina desde los 50 y si pensamos en su idea, podríamos irnos hasta Platón.

Esta disciplina ha pasado por diferentes etapas, algunas con mucho “hype” y otras como el “Winter AI” donde casi se descartó por completo la noción de crear agentes inteligentes dado el fracaso de los experimentos y la complejidad computacional necesaria.

Sin embargo, en los últimos años hemos visto un fuerte resurgimiento del tema, en especial con algoritmos de Machine Learning. Cosa de lo que hablaremos hoy, pero antes de adentrarnos a este tema, quisiera que viéramos en una gráfica de Google Trends (lo cual nos indica el grado de popularidad de este tema dentro de su motor de búsqueda) cuan popular es el término de Inteligencia Artificial hoy.

En 2004-2008, la popularidad mundial oscilaba casi por debajo de los 70 puntos. Podemos ver como paulatinamente esto ha ido avanzando. Hoy en 2020 tenemos una popularidad mundial de la palabra de casi 100.

 

Image removed.

Si bien, esto no es ningún indicador de avance en la ciencia, ni tampoco nos proporciona volúmenes de búsqueda u otra información, lo que si nos indica es una tendencia en el tema y lo que podemos concluir es que, la tendencia es alta.

Generalmente, cuando algo se vuelve tendencia, muchos buscan beneficiarse de ello y suelen mal emplear los términos, como ha sucedido con el término de "Innovación Disruptiva", el autor tuvo que hacer un artículo para poder frenar esto.

Es por ello que resulta sumamente importante poder comprender con claridad lo que significa la inteligencia artificial para no caer en las garras de la mal información, la cual suele venir con dosis de situaciones que vemos en películas de Hollywood o teorías científicas que están lejos de ser comprobadas, como la de la Singularidad. 

Para poder hablar de Inteligencia Artificial primero debemos de definir qué es inteligencia, algo que abarca una magnitud de conceptos. En Google encontré que hay 171,000,000 resultados al escribir “intelligence definitions”. La definición de inteligencia que utilizaremos para este artículo es una que proporciona Max Tegmark (Físico y experto en Inteligencia Artificial por MIT) y la define como “La habilidad para poder lograr metas complejas”.

Creo que esta definición es lo suficientemente amplia para dimensionar y también lo suficientemente general para definir clasificaciones, además, nos ayuda a no caer en la trampa de pensar que algo es inteligente por que imita, tal como lo vimos en el artículo anterior expresado por Russell & Norvig.

Es importante saber diferenciar entre ejecutar una secuencia de tareas bien hechas, y pensar por qué hago algo, cómo lo hago, mientras lo hago y después de hacerlo, algo que exige estar consciente de estar consciente, lo que se denomina un proceso metacognitivo. 

Esto haciendo hincapié al famoso Test de Turing, el cual enfatiza en medir si algún agente es capaz de imitar comportamientos inteligentes, de tener un resultado positivo, entonces se puede determinar que es inteligente. Para esto, les invito a ver el experimento “The Chinese Room Experiment” el cuál ejemplifica este cuestionamiento.

Por otro lado, y continuando con nuestra definición, faltaría definir ¿Qué es una meta compleja? Que si bien hoy muchos agentes inteligentes logran a través del entrenamiento, por ejemplo, podríamos pensar que Alexa o Google Nest son inteligentes por su capacidad de procesamiento del lenguaje natural (traducir voz a texto) empoderado por algún algoritmo de Machine Learning. Pero en realidad, solo están procesando información, ejecutando funciones y mientras hacen eso, registran mi voz para conocerla mejor, así como la de millones de otras personas.

La cuestión aquí es que, no le pidamos a Google Nest o Alexa que verifiquen teoremas o manejen un automóvil, porque no podrán. Su capacidad para cumplir metas complejas está limitada a cumplir cosas como “Ok Google, turn on livingroom fan”.

No podemos descartar el potencial de que, en un futuro, se conviertan en agentes inteligentes que hagan más. Hoy como tal, son grandes aliados de personas con discapacidades motrices, permitiéndoles aumentar su calidad de vida al controlar sus casas con la voz. El objetivo no es demeritar lo que hacen sino situarlos en el lugar donde se encuentran.

Con este previo contexto, podemos comenzar a describir y clasificar a la Inteligencia Artificial sobre lo que hoy es, en al artículo anterior la definimos como “agentes que reciben percepciones del entorno y realizan acciones.”. Generalmente, en un léxico un tanto menos técnico, se le categoriza como Inteligencia Artificial Débil o Fuerte. El Filósofo Nick Bostrom, las clasifica de la siguiente manera y con ello se entenderá mejor lo mencionado en el párrafo anterior:

 

  • Narrow Artificial Intelligence (Débil)
  • Human-Level Artificial Intelligence (Humano)
  • General Artificial Intelligence (Fuerte)
  • Super Intelligent Artificial Intelligence (Incomprensible)

 

Cuando hablamos de una Inteligencia Artificial Débil, podemos pensar en el ejemplo del Google Home del que hablamos anteriormente. Podríamos también pensar en Deep Blue la IA que le ganó a Gary Kasparov en Ajedrez o en AlphaGo quien es el campeón de Go, el juego de mesa chino con 10^360 posibles combinaciones. Para que puedas dimensionar esto, tiene más posibilidades que el total de arena en el planeta tierra 7.5 x 10^18.

Te podrás estar preguntando... ¿por qué es débil si les ganó a los campeones humanos de juegos complejos? Justo por esto es por lo que, considero que es mejor clasificar a la IA débil como “Narrow Artificial Intelligence” (NGI) porque al leer "Narrow" se entiende como "limitado" y explica mejor el concepto.

Si recordamos la definición que utilizamos para inteligencia, mencioné que nos ayuda a ampliar su significado. Muchas cosas pueden ser objetivos complejos, tomar decisiones mientras practicas un deporte, saber cómo cerrar un trato o vender, tener la habilidad de pararte en público y hacer reír a otros, diseñar estrategias de acción, saber manejar tus emociones en momentos de tensión, es decir, la inteligencia humana, no está reducida a solo cálculos matemáticos en nuestro cerebro, es mucho más que eso.

Así que, aunque estas IA sean mejores que nosotros en estos juegos, solo tienen capacidad para eso, la verdadera inteligencia exige dominar muchas otras áreas. Podríamos concluir que estas IA’s son Agentes Débiles con un grado de Superinteligencia en una función muy específica como, jugar ajedrez.

Por si tenías la duda de porque no he hablado de Inteligencia Artificial Fuerte, es porque no existe ninguna. Con estas clasificaciones, entonces podemos ir introduciéndonos mejor al mundo de la IA y saber que, para cada uno de estos tipos de IA existen campos o disciplinas en donde hay IA fuertes y débiles. Sabemos que esos campos son la robótica, el procesamiento natural del lenguaje y el procesamiento voz, entre otros.

Existe un campo que se ha popularizado por el tipo de resultados que han producido y es el del Machine Learning. Lo interesante del Machine Learning, es que afecta a todas las demás subáreas de la inteligencia artificial, en vez de programar a un robot como caminar, utilizamos algoritmos de ML para que aprenda por sí mismo, en vez de enseñarle cómo procesar el lenguaje y comprender contextos en el que palabras con un significado pueden significar otras, utilizamos algoritmos de ML y así mismo para todas las demás subáreas. 

Creo que podemos responder de forma mucho más congruente a la definición que al inicio ponía sobre inteligencia. Ya que el auto aprendizaje es una meta compleja, sin embargo, aún estamos a un abismo de la metacognición. Pero definitivamente es un avance a la programación de acciones que imiten comportamientos inteligentes.

Lo que hace el ML es “generalizar el conocimiento a partir de un conjunto de experiencias” que, en esencia, los humanos también aprendemos así y para ello, las máquinas tienen diferentes formas de lograr este aprendizaje:

 

  • Aprendizaje Supervisado
  • Aprendizaje No Supervisado
  • Aprendizaje Reforzado

Dejaremos este artículo aquí como una primera parte de una serie donde buscaremos explicar cada uno de los tipos de aprendizajes. Esperamos sea de tu utilidad.

 

Bibliografía:

Bostrom, N. (2017). Superintelligence paths, dangers, strategies. Oxford, OX1: Oxford University Press.

Russell, S. J., & Norvig, P. (2010). Artificial intelligence: A modern approach. Upper Saddle River, PT: Prentice-Hall.

Tegmark, M. (2018). Life 3.0 being human in the age of artificial intelligence. London, MS: Penguin Books.