¿Qué es la in­te­li­ge­n­cia ar­ti­fi­cial (IA)?

La in­te­li­ge­n­cia ar­ti­fi­cial, por de­fi­ni­ción, es una rama de la in­fo­r­má­ti­ca, cuyo objetivo es crear un equi­va­le­n­te técnico a la in­te­li­ge­n­cia humana. Sin embargo, lo que co­n­s­ti­tu­ye la “in­te­li­ge­n­cia” y cómo re­pli­car­la té­c­ni­ca­me­n­te son cue­s­tio­nes que generan numerosas teorías y enfoques me­to­do­ló­gi­cos. Por ello, ofrecer una de­fi­ni­ción más precisa de la in­te­li­ge­n­cia ar­ti­fi­cial resulta co­m­pli­ca­do debido al complejo concepto de in­te­li­ge­n­cia.

Resumen de las di­fe­re­n­tes de­fi­ni­cio­nes de IA

La in­te­li­ge­n­cia ar­ti­fi­cial se de­sa­rro­lla pri­n­ci­pa­l­me­n­te para áreas técnicas es­pe­cí­fi­cas. El objetivo no es tanto que la IA domine la co­mu­ni­ca­ción humana, sino que pueda realizar tareas altamente es­pe­cia­li­za­das de manera eficiente. Para estas te­c­no­lo­gías se utiliza la versión limitada del test de Turing: si un sistema técnico posee las mismas ca­pa­ci­da­des que un humano en un área concreta —como en un dia­g­nó­s­ti­co médico o un juego de ajedrez—, se considera un sistema ar­ti­fi­cia­l­me­n­te in­te­li­ge­n­te. En este sentido, existen dos de­fi­ni­cio­nes pri­n­ci­pa­les de in­te­li­ge­n­cia ar­ti­fi­cial: una “fuerte” y otra “débil”.

In­te­li­ge­n­cia ar­ti­fi­cial fuerte: la visión

La de­fi­ni­ción de IA fuerte se refiere a una in­te­li­ge­n­cia capaz de re­em­pla­zar al ser humano en su totalidad, con todas sus diversas ca­pa­ci­da­des. Hay di­fe­re­n­tes di­me­n­sio­nes de la in­te­li­ge­n­cia que pe­r­te­ne­cen a la IA fuerte: cognitiva, se­n­so­rio­mo­to­ra, emocional y social. La mayoría de las apli­ca­cio­nes actuales de la in­te­li­ge­n­cia ar­ti­fi­cial se centran pri­n­ci­pa­l­me­n­te en el ámbito de la in­te­li­ge­n­cia cognitiva, como la lógica, la pla­ni­fi­ca­ción, la re­so­lu­ción de problemas, la autonomía y la formación de pe­r­s­pe­c­ti­vas in­di­vi­dua­les.

In­te­li­ge­n­cia ar­ti­fi­cial débil: la realidad

La de­fi­ni­ción de IA débil, en cambio, se refiere al de­sa­rro­llo y uso de la in­te­li­ge­n­cia ar­ti­fi­cial en ámbitos de apli­ca­ción cla­ra­me­n­te de­li­mi­ta­dos. Esta es la etapa en la que se encuentra la in­ve­s­ti­ga­ción actual sobre IA. Casi todos los campos de apli­ca­ción actuales de la in­te­li­ge­n­cia ar­ti­fi­cial pe­r­te­ne­cen al ámbito de la IA débil, pero altamente es­pe­cia­li­za­da. Esto incluye el de­sa­rro­llo de vehículos autónomos, dia­g­nó­s­ti­cos médicos, al­go­ri­t­mos in­te­li­ge­n­tes de búsqueda y au­to­ma­ti­za­ción, entre otros ejemplos.

En el ámbito de la IA débil, la in­ve­s­ti­ga­ción ha logrado avances re­vo­lu­cio­na­rios en los últimos años. El de­sa­rro­llo de sistemas in­te­li­ge­n­tes en áreas es­pe­cí­fi­cas ha de­mo­s­tra­do ser no solo más factible desde un punto de vista práctico, sino también éti­ca­me­n­te menos co­n­tro­ve­r­ti­do que la in­ve­s­ti­ga­ción de una su­pe­ri­n­te­li­ge­n­cia.

¿Cómo funciona la in­te­li­ge­n­cia ar­ti­fi­cial?

¿Cómo podemos describir el fu­n­cio­na­mie­n­to de la in­te­li­ge­n­cia ar­ti­fi­cial? Una IA es tan buena como su re­pre­se­n­ta­ción técnica del co­no­ci­mie­n­to. En este sentido, existen dos enfoques me­to­do­ló­gi­cos básicos:

1. En el enfoque de pro­ce­sa­mie­n­to de símbolos de la IA, el co­no­ci­mie­n­to se re­pre­se­n­ta a través de símbolos y se realiza mediante la ma­ni­pu­la­ción de estos. La IA simbólica se enfoca en el pro­ce­sa­mie­n­to de la in­fo­r­ma­ción de manera “top-down” y opera uti­li­za­n­do símbolos, co­ne­xio­nes ab­s­tra­c­tas y co­n­clu­sio­nes lógicas.
2. En el enfoque neuronal de la IA, el co­no­ci­mie­n­to se re­pre­se­n­ta mediante neuronas ar­ti­fi­cia­les y sus in­te­r­co­ne­xio­nes. La IA neuronal se centra en el pro­ce­sa­mie­n­to de la in­fo­r­ma­ción de manera “bottom-up” y simula funciones de neuronas ar­ti­fi­cia­les in­di­vi­dua­les que se agrupan en redes neu­ro­na­les más grandes. Estas redes neu­ro­na­les ar­ti­fi­cia­les trabajan en conjunto para realizar tareas es­pe­cí­fi­cas.

IA simbólica

La IA simbólica se considera el enfoque clásico de la in­te­li­ge­n­cia ar­ti­fi­cial. Se basa en la premisa de que el pe­n­sa­mie­n­to humano puede ser re­co­n­s­trui­do desde un nivel lógico-co­n­ce­p­tual superior, in­de­pe­n­die­n­te­me­n­te de los detalles empíricos es­pe­cí­fi­cos (enfoque top-down). En este enfoque, el co­no­ci­mie­n­to se re­pre­se­n­ta mediante símbolos ab­s­tra­c­tos, in­clu­ye­n­do el lenguaje escrito y hablado. Las máquinas aprenden a reconocer, co­m­pre­n­der y utilizar estos símbolos a través de al­go­ri­t­mos. El sistema in­te­li­ge­n­te adquiere su in­fo­r­ma­ción de sistemas expertos, que son sistemas diseñados para almacenar y aplicar co­no­ci­mie­n­tos es­pe­cia­li­za­dos en un dominio es­pe­cí­fi­co.

Las apli­ca­cio­nes clásicas de la IA simbólica se centran en el pro­ce­sa­mie­n­to de textos, el re­co­no­ci­mie­n­to del lenguaje y otras di­s­ci­pli­nas lógicas como el dominio del ajedrez. La IA simbólica se basa en reglas es­ta­ble­ci­das y puede resolver problemas cada vez más complejos a medida que aumenta la capacidad de cálculo de los or­de­na­do­res. Por ejemplo, Deep Blue de IBM ganó en 1996 al entonces campeón mundial de ajedrez Garri Kasparov con la ayuda de la IA simbólica.

IA neuronal

En 1986, Geoffrey Hinton y dos de sus colegas re­su­ci­ta­ron la in­ve­s­ti­ga­ción neuronal de la IA y con ella el campo de in­ve­s­ti­ga­ción de la in­te­li­ge­n­cia ar­ti­fi­cial. Con su pe­r­fe­c­cio­na­mie­n­to del algoritmo de re­tro­pro­pa­ga­ción, crearon la base del deep learning o apre­n­di­za­je profundo, con el que trabajan hoy casi todas las IA. Gracias a este algoritmo de apre­n­di­za­je, las redes neu­ro­na­les profundas pueden aprender co­n­s­ta­n­te­me­n­te y crecer de forma in­de­pe­n­die­n­te.

Al igual que el cerebro humano, la in­te­li­ge­n­cia ar­ti­fi­cial neuronal divide el co­no­ci­mie­n­to en unidades fu­n­cio­na­les más pequeñas, conocidas como neuronas ar­ti­fi­cia­les, que se conectan en una red formando grupos cada vez más grandes (enfoque bottom-up). El resultado es una red neuronal ar­ti­fi­cial con múltiples ra­mi­fi­ca­cio­nes. A di­fe­re­n­cia de la IA simbólica, la red neuronal se “entrena” uti­li­za­n­do datos se­n­so­rio­mo­to­res, como ocurre en la robótica. Con ayuda del machine learning o apre­n­di­za­je au­to­má­ti­co, la IA genera co­no­ci­mie­n­to en constante cre­ci­mie­n­to. Aquí radica la gran in­no­va­ción: aunque el en­tre­na­mie­n­to puede llevar tiempo, el sistema es capaz, en última instancia, de aprender de forma autónoma.

In­te­li­ge­n­cia ar­ti­fi­cial: ejemplos de apli­ca­cio­nes y proyectos

Tanto si se trata de re­co­no­ci­mie­n­to facial, asi­s­te­n­cia por voz, re­co­no­ci­mie­n­to de imágenes o programas de tra­du­c­ción, la in­te­li­ge­n­cia ar­ti­fi­cial ha estado presente en nuestra vida cotidiana durante mucho tiempo. Incluso si decidimos pre­s­ci­n­dir co­n­s­cie­n­te­me­n­te de estas he­rra­mie­n­tas, resulta difícil escapar de la in­flue­n­cia de la IA en el entorno digital. Por ejemplo, detrás de las su­ge­re­n­cias de productos en las tiendas online o de las re­co­me­n­da­cio­nes en pla­ta­fo­r­mas como YouTube, Netflix y similares, se en­cue­n­tran sistemas de IA que se adaptan para ofrecer re­co­me­n­da­cio­nes cada vez más precisas y adecuadas.

A co­n­ti­nua­ción, enu­me­ra­mos algunos ejemplos del uso de la in­te­li­ge­n­cia ar­ti­fi­cial:

• ChatGPT: ChatGPT es un chatbot basado en IA de­sa­rro­lla­do por OpenAI. El modelo de lenguaje externo entiende la entrada de texto en lenguaje natural y puede, entre otras cosas, responder preguntas y crear, pa­ra­fra­sear y traducir textos.
• RankBrain: RankBrain, de­sa­rro­lla­do por Google, es un algoritmo de IA diseñado ini­cia­l­me­n­te para co­m­pre­n­der consultas de búsqueda largas y de­s­co­no­ci­das de manera más efectiva. En 2015, Google reveló que RankBrain era el tercer factor más relevante entre los más de 200 factores de cla­si­fi­ca­ción en su motor de búsqueda, junto con los enlaces y el contenido. Por lo tanto, RankBrain ejerce una in­flue­n­cia si­g­ni­fi­ca­ti­va en el SEO.
• DeepMind: DeepMind es una empresa comprada por Google en 2014 que ha creado numerosas te­c­no­lo­gías in­no­va­do­ras de IA, como AlphaGo, el programa in­fo­r­má­ti­co que dominó a la pe­r­fe­c­ción el juego de mesa “Go”. En abril de 2023, Google anunció la fusión con su división interna de IA Google Brain. Una de las ca­ra­c­te­rí­s­ti­cas es­pe­cia­les de la in­ve­s­ti­ga­ción en IA de DeepMind es que la empresa añade memoria a corto plazo a la in­te­li­ge­n­cia ar­ti­fi­cial.
• DALL-E: el sistema de IA DALL-E, de­sa­rro­lla­do por OpenAI, tiene la capacidad de generar imágenes únicas y aso­m­bro­sas en 2D y 3D a partir de de­s­cri­p­cio­nes escritas en cuestión de segundos. La versión beta abierta del software está di­s­po­ni­ble desde se­p­tie­m­bre de 2022. Según el equipo de de­sa­rro­lla­do­res, cada día se crean más de dos millones de imágenes con la apli­ca­ción.
• Alexa de Amazon y Siri de Apple: los asi­s­te­n­tes de IA como Alexa y Siri son in­te­li­ge­n­cias ar­ti­fi­cia­les que ayudan a los usuarios con tareas co­ti­dia­nas, como obtener in­fo­r­ma­ción, mediante el control por voz. Gracias a la síntesis de voz, pueden ofrecer re­s­pue­s­tas en un lenguaje natural.

Opo­r­tu­ni­da­des y riesgos de la IA

Existen pre­di­c­cio­nes positivas y negativas sobre cómo la in­te­li­ge­n­cia ar­ti­fi­cial tra­n­s­fo­r­ma­rá nuestras vidas en el futuro. A co­n­ti­nua­ción, resumimos las opo­r­tu­ni­da­des y los riesgos, así como las ventajas e in­co­n­ve­nie­n­tes más si­g­ni­fi­ca­ti­vos de la IA.

Ventajas y opo­r­tu­ni­da­des de la IA

El uso de la IA ofrece toda una serie de ventajas y opo­r­tu­ni­da­des. Las pri­n­ci­pa­les ventajas de esta te­c­no­lo­gía se centran en el ámbito laboral, su alto re­n­di­mie­n­to y las pe­r­s­pe­c­ti­vas eco­nó­mi­cas que ofrece.

Fa­ci­li­ta­ción de empleo y trabajo

La IA tiene el potencial de generar nuevos y valiosos empleos, así como impulsar la economía en general. Los expertos coinciden en que la te­c­no­lo­gía tendrá un impacto drástico en el mercado laboral. Las si­m­pli­fi­ca­cio­nes que conlleva la IA ofrecen la po­si­bi­li­dad de tener más tiempo libre.

Comodidad

Los de­fe­n­so­res de la IA también destacan las ventajas en términos de la co­n­si­de­ra­ble comodidad que toda in­no­va­ción técnica aporta a la vida cotidiana. Esto se aplica tanto a los vehículos autónomos como al software de tra­du­c­ción in­te­li­ge­n­te, avances que re­pre­se­n­tan una gran ayuda para los co­n­su­mi­do­res.

Re­n­di­mie­n­to ex­ce­p­cio­nal

La IA también ofrece ventajas si­g­ni­fi­ca­ti­vas en tareas de beneficio público. Las máquinas tienen un índice de error inferior al de los humanos y su re­n­di­mie­n­to es enorme. Es­pe­cia­l­me­n­te en el sector sanitario y en la ju­di­ca­tu­ra, la ve­r­sa­ti­li­dad de las máquinas in­te­li­ge­n­tes se considera pro­me­te­do­ra. Aunque los expertos no esperan que los jueces, por ejemplo, sean su­s­ti­tui­dos por la te­c­no­lo­gía ar­ti­fi­cial en el futuro, esta puede ayudar a reconocer patrones de pro­ce­di­mie­n­tos más rá­pi­da­me­n­te y llegar a se­n­te­n­cias objetivas.

Ventajas eco­nó­mi­cas

La in­te­li­ge­n­cia ar­ti­fi­cial también re­pre­se­n­ta una opo­r­tu­ni­dad si­g­ni­fi­ca­ti­va para los sectores eco­nó­mi­cos. Según diversos estudios, el uso de la IA está im­pu­l­sa­n­do la tra­n­s­fo­r­ma­ción digital en áreas como la salud, la educación y la industria, generando un impacto positivo en la pro­du­c­ti­vi­dad y co­m­pe­ti­ti­vi­dad. El volumen de mercado de te­c­no­lo­gías avanzadas como la IA ge­ne­ra­ti­va crece de forma constante, po­si­cio­na­n­do a la in­te­li­ge­n­cia ar­ti­fi­cial como un motor clave de la in­no­va­ción y el de­sa­rro­llo económico.

Proyectos fu­tu­ri­s­tas

Por último, pero no menos im­po­r­ta­n­te, la in­te­li­ge­n­cia ar­ti­fi­cial también estimula el impulso natural humano por explorar: ya se está de­sa­rro­lla­n­do para la ex­plo­ra­ción de pozos pe­tro­lí­fe­ros o para el control de robots en Marte. Conforme la te­c­no­lo­gía avance, se espera que los campos de apli­ca­ción de la IA sigan ex­pa­n­dié­n­do­se, abriendo nuevas po­si­bi­li­da­des de ex­plo­ra­ción y de­s­cu­bri­mie­n­to en diversos ámbitos.

De­s­ve­n­ta­jas y riesgos de la IA

Sin embargo, di­fe­re­n­tes expertos han advertido sobre los riesgos de la in­te­li­ge­n­cia ar­ti­fi­cial, a pesar de su propio co­m­pro­mi­so con esta te­c­no­lo­gía. Estas voces críticas también cuentan con el respaldo de ini­cia­ti­vas más amplias, como el Future of Life Institute (FLI), una or­ga­ni­za­ción de in­ve­s­ti­ga­ción y promoción que re­gu­la­r­me­n­te reúne a críticos de renombre para pedir un enfoque re­s­po­n­sa­ble de la te­c­no­lo­gía.

In­fe­rio­ri­dad del ser humano

Un posible riesgo que preocupa a muchos y que a menudo ha sido objeto de la ciencia ficción es el de­sa­rro­llo de una “su­pe­ri­n­te­li­ge­n­cia”. Una su­pe­ri­n­te­li­ge­n­cia es una te­c­no­lo­gía que se optimiza a sí misma y, por tanto, se vuelve in­de­pe­n­die­n­te de los seres humanos. Sin embargo, los in­ve­s­ti­ga­do­res co­n­si­de­ran casi imposible una IA de­li­be­ra­da­me­n­te maliciosa. No obstante, muchos ven un riesgo real en una in­te­li­ge­n­cia ar­ti­fi­cial tan co­m­pe­te­n­te que sus ac­ti­vi­da­des adquieran vida propia.

De­pe­n­de­n­cia de la te­c­no­lo­gía

La creciente de­pe­n­de­n­cia de los seres humanos en los sistemas te­c­no­ló­gi­cos también es motivo de preo­cu­pa­ción. En áreas como la asi­s­te­n­cia médica, donde se están probando robots asi­s­te­n­cia­les, se ha señalado que las personas están siendo objetos de vi­gi­la­n­cia por parte de estos sistemas técnicos. Al hacerlo, corren el riesgo de renunciar a parte de su intimidad y au­to­de­te­r­mi­na­ción.

Pro­te­c­ción de datos y di­s­tri­bu­ción de poder

Los al­go­ri­t­mos in­te­li­ge­n­tes tienen la capacidad de procesar conjuntos de datos cada vez más grandes de manera más eficiente. Para el comercio ele­c­tró­ni­co, en pa­r­ti­cu­lar, esto puede ser una buena noticia. Sin embargo, el pro­ce­sa­mie­n­to de datos por las te­c­no­lo­gías de IA es cada vez más difícil de entender y controlar para los co­n­su­mi­do­res.

Burbujas de filtro y pe­r­ce­p­ción selectiva

El activista de la red Eli Pariser cita las llamadas burbujas de filtros o de in­fo­r­ma­ción como otro riesgo de la in­te­li­ge­n­cia ar­ti­fi­cial. Si los al­go­ri­t­mos derivan cada vez más el contenido que ofrecen a los usuarios de su co­m­po­r­ta­mie­n­to previo (contenido pe­r­so­na­li­za­do), la “visión del mundo” ofrecida se hará cada vez más estrecha. Las te­c­no­lo­gías de IA podrían fomentar la pe­r­ce­p­ción selectiva y reforzar así una creciente “distancia ideo­ló­gi­ca entre los in­di­vi­duos”.

In­flue­n­cia en la formación de opinión

Además las te­c­no­lo­gías de IA podrían influir es­pe­cí­fi­ca­me­n­te en las opiniones públicas. Estos temores se centran en las te­c­no­lo­gías que conocen en detalle a los usuarios o en el uso de bots sociales que influyen en las actitudes del público.