Inteligencia Artificial: no le tengas miedo nunca más

Uno de los conceptos que suelen mencionarse cuando se habla de la sociedad actual y el cambio tecnológico acelerado es el de la inteligencia artificial (IA). Sin embargo, lo que hay detrás de este par de palabras es bastante desconocido para la mayoría, que no tenemos herramientas y conocimientos para distinguir lo que es la ciencia ficción y la realidad. Incluso podemos llegar a temer a la IA por ignorancia de lo que realmente es. Los ciudadanos digitales, pues, deberían tener nociones básicas de lo que es la IA, o el machine learning, hoy en día, de lo que es capaz de hacer (y lo que no) y no tenerle miedo a la Inteligencia Artificial.

 ¿Qué es la inteligencia artificial?

La inteligencia artificial puede ser fuerte o débil

Normalmente, en las películas de ciencia ficción aparecen robots con inteligencia artificial que parecen e imitan a los humanos. Esto es lo que se conoce como IA fuerte o IA general. Estas máquinas razonan como los humanos, es decir, entienden el entorno y son capaces de resolver problemas no previstos y de todo tipo. Bien, me temo que, actualmente, esta IA fuerte se tiene que quedar en las películas de inteligencia artificial y los libros de ciencia ficción, ya que todavía no existe (aunque hay investigaciones para alcanzar algún resultado en, a lo mejor, veinte años).

La IA débil, o IA estrecha o, para entendernos, la IA real, consiste básicamente en (complejos) programas de ordenador (algoritmos) que utilizan técnicas como machine learning para resolver un problema concreto. De ahí lo de “estrecha”: nos centramos en un problema muy acotado, aunque este problema puede ser muy complejo, como puede ser detectar peatones o cambiar de carril por parte de un coche autónomo, reconocer las caras de los viajeros en un aeropuerto o jugar al ajedrez. 

Inteligencia artificial: la verdad es que no es magia (ni inteligencia)

“Cualquier tecnología suficientemente avanzada es indistinguible de la magia”

Arthur C. Clarke, escritor de ciencia ficción del siglo XX

La inteligencia artificial puede resolver problemas muy complejos, sí, pero la IA no deja de ser un programa de ordenador, un programa muy complejo y muy avanzado, eso sí. Pero no hay que tenerle miedo a la inteligencia artificial: todas las aplicaciones de inteligencia artificial que podemos encontrar en la actualidad son ejemplos de IA débil. La IA fuerte (aún) no existe.

Los ordenadores no piensan ni son inteligentes por sí mismos. No hay ninguna magia y sí mucha capacidad de cálculo. Parece magia, pero en el fondo, tratamos con programas, un conjunto de instrucciones previamente establecidas.

Te lo voy a ilustrar con un ejemplo. Simplificando, imagina que programamos un coche autónomo de forma que, ante una línea discontinua se permite adelantar y con línea continua, está prohibido traspasarla. En realidad, el coche no es nada inteligente, podríamos llegar a inutilizarlo con una trampa como esta: 

(nota: la trampa del vídeo no es real, es un concepto para hacer reflexionar sobre los límites de la automatización)

El éxito actual de la inteligencia artificial

Actualmente la inteligencia artificial está en un momento de expansión y se han hecho grandes avances, tanto que la inteligencia artificial se encuentra en muchas de las aplicaciones que usamos en el día a día. Este crecimiento de estos últimos años se debe a que:

• Actualmente todo está conectado a Internet y todo genera datos. El big data proporciona grandes cantidades de datos para alimentar a las inteligencias artificiales.
• Los ordenadores son cada vez más potentes y trabajan en red y en la nube.
• Los algoritmos usan modelos matemáticos de machine learning cada vez más potentes y ofrecen posibilidades de arquitecturas complejas (redes neuronales y deep learning)

¿Qué es el machine learning o aprendizaje automático?

En la inteligencia artificial, estos programas de ordenador complejos tienen mucho que ver con una técnica informática que se llama aprendizaje automático o machine learning. Son algoritmos, programas, que aprenden de los ejemplos que les damos y de la experiencia previa. 

Estos programas de aprendizaje automático, o bien sirven para encontrar modelos y patrones en conjuntos de datos para predecir el comportamiento o para controlar algún sistema. Al ordenador se le da muchos datos de ejemplo y se intenta que “aprenda” a encontrar la solución. Luego veremos algunos ejemplos.

Una variante más sofisticada de algoritmos de machine learning es lo que se conoce como aprendizaje profundo o deep learning. En este caso los algoritmos son mucho más complejos y se basan en  redes neuronales y por un procesamiento de datos en distintos niveles o capas agrupadas de información en lugar del clásico programa de ordenador que podria tener el aprendizaje automático.

Para entender qué es y cómo funciona la inteligencia artificial o IA quédate con lo del aprendizaje automático o machine learning. Para implementarlo, en la práctica, hay dos estrategias principales de entrenamiento:

Aprendizaje supervisado (supervised learning) 

Esta estrategia de entrenamiento consiste en darle al ordenador miles de datos de ejemplo y que cada dato que entramos en el sistema de IA corresponde a un dato de salida. Por ejemplo, introducimos miles de fotos de objetos que se pueden encontrar en la calle y le decimos en cada caso si se trata de un semáforo o no. Después de procesar los ejemplos y nuestras indicaciones, nuestras “etiquetas” (esto un semáforo, esto no), la inteligencia artificial tendrá suficientes datos para reconocer por su cuenta otros coches distintos que le enseñemos a partir de ese momento. 

¿Por cierto, sabes quien proporciona las respuestas a esos miles de fotos? ¿Has tenido alguna vez que hacer un CAPTCHA para demostrar que “no eres un robot”?… 😉

Aprendizaje no supervisado (unsupervised learning) 

En este tipo de entrenamiento no hace falta decir si cada foto es un semáforo o no. Solamente proporcionamos las fotos y el algoritmo hace agrupaciones y descubre patrones por su cuenta; detecta y agrupa fotos que tienen en común que tienen 3 círculos dentro de un rectángulo. Después ya le diremos con una etiqueta que todos estos objetos que el solito ha agrupado se llama semáforo, pero el algoritmo ha aprendido a reconocerlo antes él solo. No les llama semáforos, pero los reconoce cuando los ve…

Procesado del lenguaje natural (natural language processing)

Un caso del machine learning de uso muy extendido en la actualidad son los chatbots, que se usan en marketing para atender de forma automatizada y personalizada a los usuarios de nuestro sitio web y que usan la inteligencia artificial para entender sus necesidades e intenciones y orientarlos en el proceso de compra. En este caso el algoritmo no trabaja con imágenes sino con textos. Este caso concreto de machine learning, se llama procesado del lenguaje natural o natural language processing (NLP). También vale con lenguaje hablado: los asistentes virtuales tipo Siri, Alexa o Google Home también utilizan NLP.

¿Para qué sirve la inteligencia artificial, hoy?

Hoy en día se utiliza la inteligencia artificial, principalmente, para resolver dos tipos de problemas. Los problemas relativos a la  detección y los problemas que implican predicción.

Principales aplicaciones de la inteligencia artificial para la detección y la predicción

Me refiero a aprender a reconocer, a detectar, patrones y significado en los datos que se le proporcionan al algoritmo. Las IA pueden reconocer semáforos en la calle, caras en el aeropuerto, las instrucciones habladas que le damos al televisor o a Alexa o reconocer las fichas de ajedrez. También pueden analizar lo que detectan, tomar decisiones y actuar en consecuencia. Si el coche autónomo detecta un peatón, frena automáticamente…

Debido a la gran cantidad de datos con los que podemos entrenar a los algoritmos (big data), llega un momento en el que pueden empezar a predecir lo que va a pasar en el futuro basándose en probabilidades (Si se observa que tras muchas jornadas de tiempo estable y presión atmosférica alta, empieza a bajar la presión, es bastante probable que llueva en breve). 

Algunas aplicaciones que actualmente utilizan predicción por inteligencia artificial son: predicción de riesgos al conceder créditos, predecir enfermedades para dimensionar el sistema sanitario, la predicción del fraude en los seguros, las recomendaciones de Netflix (si has visto x te va a gustar y), la previsión de fallos de las máquinas antes que los síntomas sean visibles, etc.

Viviendo con la inteligencia artificial en nuestro día a día

Muchas personas tienen un cierto miedo a la inteligencia artificial. La primera razón es que no les han explicado la diferencia entre IA fuerte y débil. La segunda, normalmente, es que temen que las máquinas nos quiten los puestos de trabajo. Otra razón es no entender (¿Cómo ha llegado a esta conclusión?) o no fiarse (¿Quién controla al algoritmo?) de lo que decida un programa de ordenador. 

La inteligencia artificial como futuro compañero de trabajo

Es cierto que la inteligencia artificial y la robotización va a reemplazar ciertas tareas repetitivas y de bajo nivel cognitivo, y el trabajador humano se deberá dedicar tareas más críticas, más estratégicas y de alto nivel cognitivo. Habrá cambios y se deberán gestionar correctamente, pero, de momento (recuerda que la IA fuerte no existe), las máquinas no van a reemplazar a los humanos en el mercado laboral. 

Lo que sí que parece seguro es que en un futuro muy cercano los robots, las inteligencias artificiales, trabajaran “codo a codo” con los humanos. Cada uno se dedicará a lo que puede realizar de manera más eficiente y las personas deberán cambiar sus roles. En esta relación, parece que no se perderán trabajos y solo se reemplazarán tareas específicas y van a aparecer nuevos trabajos que aún no existen (¿entrenador de inteligencias artificiales?).

La inteligencia artificial “explicable”

Los algoritmos trabajan con miles de datos y realizan operaciones muy complejas que no podría hacer una persona. Lo que sucede a menudo es que el algoritmo de machine learning es una “caja negra” y sus diseñadores humanos no pueden explicar por qué la inteligencia artificial ha tomado una decisión en concreto. Esto es un problema. Si el banco te deniega un crédito mediante una inteligencia artificial, es lógico que puedas preguntar cómo han llegado a esta conclusión, ¿no?.

La Inteligencia artificial “explicable” (XAI), hacer que los humanos puedan entender cómo se ha llegado a unos resultados y no a otros, es uno de los retos en la inteligencia artificial actual.  

Sesgos y errores en la inteligencia artificial

Las IA cometen errores, claro. Por eso se entrenan. Cuantos más datos mejor es el resultado. Además, se basan en probabilidades. Un 90% de posibilidad de lluvia es que va a llover (pero no 100% seguro). Todo esto es inevitable y se puede minimizar y asumir. Pero los fallos más problemáticos son los que tienen que ver con el sesgo que introducimos los propios humanos al entrenar a los algoritmos (de forma deliberada o inconscientemente). 

Sesgo debido a un entrenamiento defectuoso 

Las respuestas de la inteligencia artificial pueden ser incorrectas porque la hayamos entrenado con datos que pueden ser erróneos. Si todo el mundo se pone de acuerdo y le dice que los árboles son semáforos, tenemos un problema. Si los ejemplos que le damos al algoritmo son de personas blancas, se va a creer que ser blanco es lo normal y va a caer en discriminación racial.

Por lo tanto, el experto humano debe estar presente de alguna manera en el proceso, para validar los datos de entrenamiento. A esto le llaman poner un “humano en el circuito” (Human-In-The-Loop) para garantizar que no hay sesgo. Uno de los errores por sesgo más conocidos es el de Tay, el chatbot de Microsoft que se volvió racista en Twitter, ya que todos los comentarios que recibía eran insultos (lo tuvieron que retirar al cabo de unas horas).

Sesgo debido al objetivo (oculto o no) del programador o propietario del algoritmo

Al final, detrás de un programa de ordenador hay una lógica. Por ejemplo, en los coches autónomos, que procesan los datos miles de veces más rápido que un conductor humano, a lo mejor se tiene que poner una instrucción de lo que debe hacer en caso de accidente inevitable, e incluso decidir quién muere y quién no. ¿Quién lo decide? ¿El fabricante? ¿El programador?… ¿Te comprarías un coche programado para priorizar los peatones en caso de accidente inevitable? Y como ciudadano, ¿Qué tipo de coche preferirías?

En este caso y otros casos, habrá que poner la “sociedad en el circuito”, y hacer un contrato social para regular las inteligencias artificiales.

¿Quieres aprender más sobre inteligencia artificial?

Si quieres saber más acerca de los aspectos más importantes de la inteligencia artificial, siempre desde el punto de vista de negocio, sin entrar en conceptos muy técnicos, te aconsejo que curses uno de los cursos online más famosos del mundo sobre IA. Es el MOOC de Coursera AI For Everyone del profesor de Stanford, Andrew Ng. Yo lo he cursado y vale mucho la pena. Está en inglés con subtítulos en español. Es gratuito, pero si pagas unos 50 $ tienes acceso posterior a los contenidos y el certificado para ponerlo en LinkedIn.

Y si quieres algo más específico y aprender sobre diferentes aspectos de la inteligencia artificial, en la plataforma edX, puedes encontrar programas online, en inglés y español, de diferentes universidades top para hacer a tu ritmo. Échales un vistazo.

Conclusión

Estamos al principio de la era de la inteligencia artificial. De momento, todo son programas de ordenador que utilizan complejos algoritmos de machine learning, porque solamente existe la IA débil y el resto es ciencia ficción. Sin embargo, las capacidades que muestran son asombrosas y su crecimiento es exponencial. Tenemos que empezar a pensar en un futuro donde las capacidades humanas se complementen con las capacidades de la inteligencia artificial. Hasta que llegue, vale la pena estar informado y formado en este tipo de tecnologías y, al mismo tiempo, en las competencias digitales, especialmente tener sentido crítico y tener criterio para distinguirlo que es real y lo que es alarmismo o invención literaria.

Haz click para acceder GRATIS a
contenido exclusivo para mejorar
tus competencias digitales