¿Qué es la inteligencia artificial?

La inteligencia artificial (IA) es un campo científico más que una tecnología en particular, que tiene dentro de sí perspectivas controvertidas sobre cómo debería funcionar.

El aprendizaje automático (AA) es una categoría de IA en que las computadoras “aprenden” a partir de los datos cómo realizar tareas específicas con precisión. Éste aprendizaje permite a las computadoras realizar tareas específicas de forma autónoma, es decir, sin necesidad de ser programadas.

Es a partir del influyente trabajo en1950 de Alan Turing, matemático británico, se abre una nueva disciplina de las ciencias de la información.

En 1956, John McCarthy acuñó la expresión «inteligencia artificial», y la definió como «la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cómputo inteligentes».

A finales del siglo XIX se obtienen lógicas formales suficientemente poderosas y a mediados del siglo XX, se desarrollan equipos capaces de hacer uso  de tales lógicas y algoritmos de solución.

Para seguir un conjunto de reglas, los sistemas de aprendizaje automático (AA) aprenden a estimar con precisión un resultado a partir de conjuntos de datos cuantitativos, que se utilizan para entrenar y evaluar el rendimiento de un modelo a lo largo del tiempo.

El sistema de AA identificará patrones a partir de las correlaciones entre las características en los datos que coinciden con lo que se ha definido como un resultado “exitoso” en el pasado para predecir el “éxito” en el futuro.  Los algoritmos de AA se dividen en tres categorías, siendo las dos primeras las más comunes:

  • AA supervisado: estos algoritmos cuentan con un aprendizaje previo basado en un sistema de etiquetas asociadas a unos datos que les permiten tomar decisiones o hacer predicciones. Un ejemplo es un detector de spam que etiqueta un e-mail como spam o no dependiendo de los patrones que ha aprendido del histórico de correos (remitente, relación texto/imágenes, palabras clave en el asunto, etc.).
  • AA no supervisado: estos algoritmos no cuentan con un conocimiento previo. Se enfrentan al caos de datos con el objetivo de encontrar patrones que permitan organizarlos de alguna manera. Por ejemplo, en el campo del marketing se utilizan para extraer patrones de datos masivos provenientes de las redes sociales y crear campañas de publicidad altamente segmentadas.
  • AA por refuerzo: su objetivo es que un algoritmo aprenda a partir de la propia experiencia. Esto es, que sea capaz de tomar la mejor decisión ante diferentes situaciones de acuerdo a un proceso de prueba y error en el que se recompensan las decisiones correctas. En la actualidad se está utilizando para posibilitar el reconocimiento facial, hacer diagnósticos médicos o clasificar secuencias de ADN.