Construir IA es complicado, pero entenderlo no tiene por qué serlo. La mayoría de las inteligencias artificiales existentes son simplemente buenas máquinas de adivinar (como nuestro cerebro). Introduce un montón de datos (como los números 1-10) y le pide que haga un modelo (x + 1, comenzando en 0) y haga una predicción. (El próximo número será once.) No hay magia, aparte de lo que hacemos los humanos todos los días: usar lo que sabemos para adivinar cosas que no sabemos.
Lo que diferencia a la IA de otros programas informáticos es que no tenemos que programarla específicamente para cada escenario. Podemos enseñarle cosas (aprendizaje automático), y también puede enseñarse a sí mismo (aprendizaje profundo). Si bien existen múltiples variedades de cada uno, se pueden definir ampliamente de la siguiente manera:
- Inteligencia Artificial (IA): una máquina que es capaz de imitar el comportamiento humano
- Aprendizaje automático: un subconjunto de IA donde las personas entrenan máquinas para reconocer patrones en los datos y hacer predicciones
- Aprendizaje profundo: un subconjunto de aprendizaje automático en el que la máquina puede entrenarse a sí misma
Inteligencia artificial
La definición más amplia posible de IA es simplemente que es una maquina que piensa como un humano. Puede ser tan simple como seguir un diagrama de flujo lógico, o podría ser una computadora casi humana que puede aprender de una amplia variedad de entradas sensoriales y aplicar ese conocimiento a nuevas situaciones. Esa última parte es clave: la IA fuerte que todos imaginan es aquella que puede conectar todo tipo de puntos de datos aprendidos para darle la capacidad de manejar casi cualquier situación.
En este momento, la IA todavía está en un camino bastante estrecho: Alexa es una mayordomo increíble, pero no puede pasar una prueba de Turing. Actualmente tenemos una forma limitada de IA, pero es bueno recordar que la definición es tan amplia que eventualmente podría cubrir programas que hacen Mente profunda parece una calculadora.
Aprendizaje automático
Sin el aprendizaje automático, la IA existente se limitaría principalmente a ejecutar largas listas de «si x es cierto, haga y, de lo contrario, haga z». Esta innovación, sin embargo, le da a las computadoras el poder de resolver las cosas sin ser programadas explícitamente. Como ejemplo de un tipo de aprendizaje automático, supongamos que desea que un programa pueda identificar gatos en imágenes:
- Dale a tu IA un conjunto de características de gato para buscar: líneas individuales, formas más grandes, patrones de color, etc.
- Ejecute algunas imágenes a través de la IA: algunas o todas pueden estar etiquetadas como «gato» para que la máquina pueda seleccionar de manera más eficiente las características relevantes del gato.
- Después de que el programa haya visto suficientes gatos, debería saber cómo encontrar uno en una imagen: «Si la imagen contiene las características X, Y y/o Z, es 95 % probable que tenga un gato».
Tan complicado como suena el aprendizaje automático, se puede resumir en lo siguiente: «Los humanos le dicen a las computadoras qué buscar, y las computadoras refinan esos criterios hasta que tienen un modelo». Es bastante simple, extremadamente útil y filtra su spam, recomienda sus próximos programas de Netflix y modifica su feed de Facebook. Probar La máquina de enseñar de Google para una demostración práctica rápida!
Aprendizaje profundo
A partir de 2018, esta es la vanguardia de la IA. Piense en ello como un aprendizaje automático con «redes neuronales» profundas que procesan datos de la misma manera que un cerebro humano. La diferencia clave con su predecesor es que los humanos no tienen que enseñar a un programa de aprendizaje profundo cómo son los gatos. Solo dale suficientes fotos de gatos y lo resolverá por sí solo:
- Introduce muchas fotos de gatos.
- El algoritmo inspeccionará las fotos para ver qué características tienen en común (pista: son gatos).
- Cada foto se deconstruirá en múltiples niveles de detalle, desde grandes formas generales hasta pequeñas líneas diminutas. Si una forma o línea se repite mucho, el algoritmo la etiquetará como una característica importante.
- Después de analizar suficientes imágenes, el algoritmo ahora sabe qué patrones proporcionan la evidencia más sólida de los gatos, y todo lo que los humanos tuvieron que hacer fue proporcionar los datos sin procesar.
Para resumir: el aprendizaje profundo es aprendizaje automático en el que la máquina se entrena a sí misma, aunque va mucho más allá de los gatos: las redes neuronales ahora son capaces de describir con precisión todo en una imagen.
El aprendizaje profundo requiere muchos más datos iniciales y poder de cómputo que el aprendizaje automático, pero las empresas, desde Facebook hasta Amazon, están comenzando a implementarlo. Sin embargo, la manifestación más infame del aprendizaje automático es AlfaGo, una computadora que jugaba juegos de Go contra sí misma hasta que podía predecir con precisión los mejores movimientos lo suficientemente bien como para vencer repetidamente a varios campeones mundiales.
Conclusión: IA = ¿Inteligencia apocalíptica?
Hollywood es responsable de mucha mala ciencia, pero cuando se trata de IA, la verdad y la ficción no están tan alejadas. No es inconcebible que un robot pueda apoderarse de una estación espacial (2001: Una odisea del espacio), enamorarte (Her) o comportarse exactamente como un humano (Blade Runner, Ex Machina).
Sin embargo, eso no lo convierte en una mala apuesta. La IA podría acelerar el progreso humano más rápido que casi cualquier cosa anterior. Y, aunque parezca cínico, la realidad es que si los científicos responsables se mantienen alejados de la IA debido a su potencial para fallar, probablemente se desarrollará de todos modos. por personas con menos preocupaciones de seguridad. Hemos llevado las computadoras de las damas a Go, y los próximos pasos podrían llevar a la humanidad a algunos lugares interesantes.