Inteligencia Artificial - clase 10/04 Y 17/04

¿Qué es la inteligencia artificial?

La inteligencia artificial (IA) es una rama de la informática que desarrolla programas capaces de emular procesos propios de la inteligencia humana. Es decir, las máquinas pueden analizar el entorno y realizar determinadas acciones de manera más o menos autónoma con el fin de lograr objetivos concretos.

Por ejemplo, un chatbot es capaz de interpretar los problemas que plantean los clientes de un comercio o empresa y ofrecerles respuestas más precisas, así como un motor de recomendación realiza sugerencias acordes con las preferencias que el usuario ha mostrado con anterioridad.

A pesar de su auge actual, no se trata de un concepto nuevo: en la década de los 50 del siglo pasado, Alan Turing ya planteó si las máquinas serían capaces de pensar. De ahí surgió, lo que ahora se conoce como “el test de Turing”, que se utiliza para determinar si una computadora puede ser tan inteligente como un ser humano. Consiste en exponer a un humano a dos conversaciones, una realizada por una máquina y la otra por un ser humano. Si la persona no es capaz de distinguir cuál es la máquina, se sobreentiende que esta es tan inteligente como el humano. En 1956, John MacCarthy fue el primero en pronunciar la expresión «inteligencia artificial» en la Conferencia de Darthmouth. 

Desde ese momento a hoy en día, su evolución ha sido constante y exponencial, surgiendo nuevas disciplinas pertenecientes a la IA.

Ventajas y beneficios de la inteligencia artificial

Hoy en día, a nivel usuario, una IA se usa para hacernos la vida más fácil al ahorrarnos tiempo y esfuerzo en la ejecución de determinadas tareas. Por eso, aunque el listado de ventajas es amplio; nos centraremos en enumerar algunas de las formas en que nos beneficia la inteligencia artificial.

Tipos de inteligencia artificial

Según su propósito:

 

• Machine Learning (aprendizaje automático): Es la capacidad que tiene una inteligencia artificial para aprender por sí misma. Se basa en un ciclo de aprendizaje a partir de datos, entrenamiento y resultados. Existen varios subtipos en función de si su aprendizaje requiere la supervisión de un ser humano o se permite que la IA aprenda de forma autónoma, según unas reglas establecidas. Se suele utilizar en asistentes virtuales y chatbots, entre otros.
  
• Deep Learning (aprendizaje profundo): Su objetivo es recrear la forma en la que aprenden los humanos a través de lo que se denominan redes neuronales, que consisten en nodos interconectados que emulan la red de neuronas de un cerebro humano. Se emplea, por ejemplo, en la búsqueda de productos basada en imágenes.
• Reinforcement Learning (aprendizaje por refuerzo): Se inspira en la psicología conductista y su objetivo es permitir a la IA diseñar estrategias de manera automática. Es muy práctico para el mantenimiento predictivo o para personalizar las experiencias de los clientes.
• Generative Adversarial Networks (redes generativas antagónicas): Son un tipo de algoritmos que se implementan por un sistema de dos redes neuronales. Estas dos redes compiten mutuamente. Sirve para generar objetos y experiencias a partir de muestras (por ejemplo, fotografías).
• Natural Language Processing (procesamiento del lenguaje natural): Investiga la manera en que las máquinas se comunican con las personas, con el objetivo de lograr que aquellas comprendan y extraigan la información relevante. Sus aplicaciones son múltiples, desde el análisis de sentimiento u opinión hasta la anonimización de documentos, pasando por el entrenamiento de chatbots.
• Computer Vision (visión artificial): Enseña a los ordenadores a «ver» e interpretar el contenido de las imágenes digitales, a fin de que puedan producir información simbólica que se pueda interpretar. Se usa para el reconocimiento de objetos, la restauración de imágenes o la reconstrucción de escenas.
• Speech Recognition (reconocimiento de habla): Su fin es hacer posible que los humanos puedan comunicarse con los ordenadores y viceversa, y es especialmente útil para los sistemas de navegación de vehículos controlados por voz, las aplicaciones de dictado o los sistemas para personas con discapacidad.
• Knowledge Graph (grafo de conocimiento): El grafo es una manera de representar relaciones entre entidades y crear vínculos entre datos y metadatos. Cuando el contenido de los grafos se enriquece y se logra que realicen un procesamiento automático «inteligente» de los datos, se convierten en grafos de conocimiento. Son muy populares en sistemas de organización de la información. 
• Augmented Reality (realidad aumentada): Se trata de un conjunto de tecnologías que permiten que el usuario interactúe con el mundo real mediante dispositivos que añaden información gráfica virtual, de modo que el usuario ve al mismo tiempo el mundo que le rodea, pero con objetos virtuales superpuestos. Se utiliza en un amplísimo número de aplicaciones, desde operaciones hasta pruebas virtuales de colores de maquillaje o recreaciones de cómo quedará un mueble determinado en tu hogar.

Los datos son la base del desarrollo de la inteligencia artificial; por eso, para mejorar su valor es fundamental recurrir a los avances tecnológicos y aplicar nuevos enfoques que permitan diseñar arquitecturas de datos modernas a fin de facilitar el acceso a los mismos. Hoy día, conviene conocer estos conceptos:

• Data Mesh: una infraestructura de autoservicio que permite a los equipos acceder a los recursos y herramientas a petición, y descentraliza la gestión al tiempo que distribuye la responsabilidad sobre los datos. Todos los datos están disponibles en cualquier lugar de la empresa, lo que facilita el acceso a ellos cuando se necesitan.
• Data Fabric: es un modo de simplificar e integrar la gestión de los datos en la nube y en las instalaciones de la empresa. Ofrece un acceso uniforme a los datos a través de una variedad de entornos multinube, así como funcionalidades constantes.
• Synthetic Data: Permiten generar un nuevo conjunto de datos a partir de otro que debemos proteger y necesitamos compartir con terceros. Este nuevo conjunto conserva las características del primero pero no permite recomponer los datos originales.

Usos y aplicaciones de la inteligencia artificial

La inteligencia artificial está presente en numerosos aspectos de nuestra vida; por eso, podemos encontrarla en diversas aplicaciones de distintos ámbitos. Por eso, os queremos explicar cómo usar la inteligencia artificial:

Inteligencia artificial en medicina

En el sector sanitario, existen chatbots capaces de analizar los síntomas que le indicamos y emitir un diagnóstico preliminar. Asimismo, mediante el análisis de determinados datos, es posible determinar la propensión a desarrollar ciertas enfermedades como, por ejemplo, el cáncer de mama. Junto a los gemelos digitales, ambas herramientas pueden incluso encontrar patrones en los pacientes o reducir el riesgo en procedimientos sanitarios. 

Inteligencia artificial en el sector educativo

La inteligencia artificial es capaz de realizar propuestas personalizadas de cursos, mejorar las tutorías en línea y analizar las competencias de los estudiantes mediante el método learning analytics a fin de conocer cuáles son sus necesidades educativas.

Inteligencia artificial en el transporte y el sector energético

La aplicación de la inteligencia artificial ayuda no solo a optimizar las rutas tanto en tiempo como en consumo energético; también permite reducir los accidentes en carretera, anticiparse a posibles problemas al predecir la necesidad de mantenimiento del vehículo con antelación, y planificar las rutas de transporte según la demanda y la capacidad, entre otras ventajas. Además, ya es una parte fundamental de los vehículos eléctricos, de modo que permite gestionar y transmitir los datos entre distintos dispositivos conectados. 

Inteligencia artificial en la banca

La inteligencia artificial permite detectar posibles fraudes (como el blanqueo de capitales), predecir el comportamiento de los mercados y aconsejar las operaciones y productos idóneos para cada cliente.

Inteligencia artificial en marketing y publicidad

Gracias a la inteligencia artificial, es posible hacer predicciones de ventas de determinados productos y servicios, así como hacer recomendaciones personalizadas a los clientes basadas en elecciones anteriores.

TRABAJAMOS EN CANVA 

CON ESTE APUNTE

VEMOS EL VIDEO A PARTIR DEL MINUTO 1:00