Volver a Artículos

Inteligencia artificial : definición,

historia, usos, peligros
10 Ago 3:08 pm m de lecture

Inteligencia Artificial

La inteligencia artificial va a
cambiar el mundo, pero todavía
sigue siendo un misterio para
mucha gente. Descubre todo lo que
tienes que saber sobre la IA en este
dosier : definición, funcionamiento,
historia, diferentes categorías,
casos prácticos y aplicaciones.

Tabla de Contenido

La inteligencia artificial es una tecnología tan

amplia y revolucionaria que es difícil dar una
definición precisa. Puede considerarse una rama
del campo de la informática, cuyo objetivo es
crear máquinas capaces de realizar tareas que
tradicionalmente requerían inteligencia humana.

Sin embargo, la IA es una ciencia interdisciplinaria

con múltiples enfoques. Hoy en día, el Machine
Learning (aprendizaje automático) y el Deep
Learning (aprendizaje profundo) son dos técnicas
utilizadas en empresas de todos los sectores.

¿Qué es la inteligencia artificial?

En 1950, el matemático Alan Turing se hizo una
pregunta: «¿Pueden pensar las máquinas?». De
hecho, esta simple pregunta transformaría el
mundo.

El artículo de Alan Turing «Computing Machinery

and Intelligence» y el consiguiente «Test de
Turing» sentaron las bases de la inteligencia
artificial, su visión y sus objetivos.

De hecho, la inteligencia artificial pretende

responder afirmativamente a la pregunta de Alan
Turing. Su objetivo es replicar o simular la
inteligencia humana en las máquinas.

Se trata de un objetivo ambicioso, que también

plantea muchos interrogantes y suscita el debate.
Por ello, aún no existe una definición única de
inteligencia artificial.

La descripción de «máquinas inteligentes» no

explica qué es realmente la inteligencia artificial
ni qué hace que una máquina sea inteligente.
En un intento de remediar este problema, Stuart
Russell y Peter Norvig publicaron el libro
«Artificial Intelligence: A Modern Approach».

En ese libro, los dos expertos unifican sus

trabajos sobre el tema de los agentes inteligentes
en las máquinas. Según ellos, «la IA es el estudio
de los agentes que reciben percepciones del
entorno y realizan acciones».

En su opinión, cuatro enfoques distintos han

definido históricamente el campo de la
inteligencia artificial: el pensamiento humano, el
pensamiento racional, la acción humana y la
acción racional.

Los dos primeros enfoques se refieren al

razonamiento y al procesamiento del
pensamiento, mientras que los otros dos se
refieren al comportamiento. En su libro, Norvig y
Russell se centran principalmente en los agentes
racionales capaces de actuar para conseguir el
mejor resultado.

Por su parte, Patrick Winston, profesor de

inteligencia artificial del MIT, define la IA como
«algoritmos activados por restricciones,
expuestos por representaciones que soportan
modelos que vinculan el pensamiento, la
percepción y la acción».

Otra definición moderna describe la IA como

«máquinas que responden a simulaciones como
los humanos, con capacidad de contemplación,
juicio e intención». Estos sistemas son capaces
de «tomar decisiones que normalmente requieren
un nivel humano de conocimiento». Tienen tres
cualidades que constituyen la esencia de la
inteligencia artificial: intencionalidad,
inteligencia y adaptabilidad.

Estas diferentes definiciones pueden parecer

abstractas y complejas. Sin embargo, ayudan a
establecer la inteligencia artificial como una
ciencia informática.

En 2017, durante la Japan AI Experience, el CEO

de DataRobot, Jeremy Achin, dio su propia
definición moderna y con un toque de humor de la
IA : «La inteligencia artificial es un sistema
informático capaz de realizar tareas que
normalmente requieren inteligencia humana…
muchos de estos sistemas de IA se basan en el
Machine Learning, otros en el Deep Learning y
otros en cosas muy aburridas como las
reglas«.

Empezar un curso de Data Science para

trabajar en IA

IA especializada vs. IA general

Hay dos categorías principales de inteligencia
artificial. La inteligencia artificial de tipo
«narrow» (estrecha), también conocida como
«weak» (débil), solo puede funcionar en un
contexto limitado. Suele centrarse en la
realización de una única tarea, que es capaz de
hacer perfectamente.

Sin embargo, aunque esa máquina pueda parecer

inteligente, es mucho más limitada que la
inteligencia humana. No es más que una
imitación de esta.

Algunos ejemplos son el motor de búsqueda

web de Google, el software de reconocimiento de
imágenes, los asistentes virtuales como Siri de
Apple o Alexa de Amazon, los vehículos
autónomos o el software como Watson de IBM.

En cambio, la segunda categoría es la

inteligencia artificial «general». Esa IA es
similar a las que se ven en las películas y libros de
ciencia ficción.

Es una máquina dotada de una inteligencia

artificial general, comparable a la de un ser
humano y capaz de resolver cualquier tipo de
problema. Un algoritmo universal, capaz de
aprender y actuar en cualquier entorno.

Sin embargo, en realidad, este tipo de IA aún no

existe. Ninguna tecnología está lo
suficientemente avanzada hasta la fecha como
para competir con el cerebro humano.

Por ese motivo, la creación de la IA general sigue

siendo, por el momento, el «Santo Grial» de los
investigadores de IA. Es una búsqueda ambiciosa,
pero llena de obstáculos. A pesar de los avances
técnicos, sigue siendo muy difícil diseñar una
máquina con plenas capacidades cognitivas.

Machine Learning y Deep

Learning
El Machine (aprendizaje automático) y el Deep
Learning (aprendizaje profundo) son las dos
técnicas principales de inteligencia artificial que
se utilizan en la actualidad. La distinción entre IA,
ML y DL puede prestarse a confusión.

En realidad, la inteligencia artificial puede

definirse como una serie de algoritmos y técnicas
que pretenden imitar la inteligencia humana. El
Machine Learning es una categoría de IA, y el
Deep Learning es una técnica de Machine
Learning.

El Machine Learning es el proceso de alimentar

un ordenador con datos. La máquina utiliza
técnicas de análisis sobre estos datos para
«aprender» a realizar una tarea.

Para conseguirlo, no necesita ninguna

programación específica con millones de líneas
de código. Por eso se denomina aprendizaje
«automático».

El Machine Learning puede ser «supervisado» o

«no supervisado». El aprendizaje supervisado se
basa en series de datos etiquetados, mientras
que el aprendizaje no supervisado se basa en
series de datos no etiquetados.

El Deep Learning es un tipo de Machine Learning

directamente inspirado en la arquitectura de las
neuronas del cerebro humano. Una red
neuronal artificial está compuesta por múltiples
capas, a través de las cuales se procesan los
datos. Esto es lo que permite que la máquina
«profundice» en su aprendizaje, identificando
conexiones y alterando los datos introducidos
para conseguir los mejores resultados.

Descubre las profesiones relacionadas con

la IA

Aplicaciones y casos prácticos

de la inteligencia artificial
La inteligencia artificial tiene muchos propósitos,
como el aprendizaje, el razonamiento y la
percepción. Se utiliza en todos los sectores,
hasta el punto en que las aplicaciones son
infinitas e imposibles de enumerar con
exhaustividad.

En el ámbito de la salud, se utiliza para desarrollar

tratamientos personalizados, descubrir nuevos
fármacos o analizar imágenes médicas como
radiografías y resonancias magnéticas. Los
asistentes virtuales también pueden ayudar a los
pacientes y recordarles que se tomen sus
pastillas o que hagan ejercicio para mantenerse
en forma.

El sector del comercio minorista está utilizando

la IA para ofrecer recomendaciones y publicidad
personalizadas a los clientes. También puede
utilizarse para optimizar la disposición de los
productos o gestionar mejor el inventario.

En las fábricas, la inteligencia artificial analiza los

datos de los equipos IoT para predecir la carga y la
demanda mediante Deep Learning. También
puede anticiparse a posibles fallos de
funcionamiento e intervenir en una fase
temprana.

Los bancos, por su parte, están utilizando la IA

para prevenir y detectar el fraude. La tecnología
también puede utilizarse para comprobar si un
cliente podrá pagar el crédito que solicita y para
automatizar las tareas de gestión de datos.

Estos son solo algunos ejemplos de sectores que

utilizan la inteligencia artificial. Como puede
verse, esta revolucionaria tecnología está llamada
a revolucionar todos los sectores de actividad
en los próximos años.

Empezar un curso de Data Science para

trabajar en IA

La historia de la inteligencia
artificial
La historia de la inteligencia artificial comenzó en
1943 con la publicación del artículo «A Logical
Calculus of Ideas Immanent in Nervous Activity»
de Warren McCullough y Walter Pitts. En ese
trabajo, los científicos presentaron el primer
modelo matemático para la creación de una red
neuronal.

El primer ordenador de red neuronal, Snarc, fue

creado en 1950 por dos alumnos de Harvard:
Marvin Minsky y Dean Edmonds. Ese mismo año,
Alan Turing publicó el Test de Turing, que todavía
se utiliza hoy para valorar las IA.

En 1952, Arthur Samuel creó un software capaz

de aprender a jugar al ajedrez de forma
autónoma. El término inteligencia artificial fue
utilizado por primera vez en la conferencia
«Dartmouth Summer Research Project on
Artificial Intelligence» de John McCarthy en 1956.

En ese acto, los investigadores presentaron los

objetivos y la visión de la IA. Muchos consideran
esta conferencia como el verdadero nacimiento
de la inteligencia artificial, tal y como se conoce
hoy en día.

En 1959, Arthur Samuel acuñó el término

Machine Learning mientras trabajaba en IBM.
Por su parte, John McCarthy y Marvin Minsky
fundaron el MIT Artificial Intelligence Project. En
1963, John McCarthy también creó el «AI Lab» en
la Universidad de Stanford.

En los siguientes años, se cernieron dudas sobre

el campo de la IA. En 1966, el informe
estadounidense ALPAC puso de manifiesto la
falta de avances en la investigación de la
traducción automática destinada a traducir
simultáneamente la lengua rusa en el contexto de
la Guerra Fría. Muchos proyectos financiados por
el gobierno estadounidense fueron cancelados.

Del mismo modo, en 1973, el gobierno británico

publicó su informe «Lighthill» en el que
destacaba las decepciones de la investigación en
IA. Una vez más, los proyectos de investigación
fueron reducidos por los recortes
presupuestarios. Este periodo de duda duró hasta
1980, y ahora se denomina el «primer invierno
de la IA«.

Ese invierno terminó con la creación de R1

(XCON) por parte de Digital Equipment
Corporations. Este sistema comercial experto
está diseñado para configurar los pedidos de
nuevos sistemas informáticos, y provocó un
auténtico auge de las inversiones que se
prolongó durante más de una década.

Japón y Estados Unidos hicieron grandes

inversiones en la investigación de la IA. Las
empresas se gastaron más de mil millones de
dólares al año en sistemas expertos y el sector
no paraba de crecer.

Desgraciadamente, el mercado de las máquinas

“Lisp” se desplomó en 1987 al surgir alternativas
más baratas. Este fue el «segundo invierno de la
IA». Las empresas perdieron el interés por los
sistemas expertos. Los gobiernos de Estados
Unidos y Japón abandonaron sus proyectos de
investigación y se gastaron miles de millones de
dólares para nada.

Diez años después, en 1997, la historia de la IA

estuvo marcada por un acontecimiento
importante. La IA Deep Blue de IBM triunfó sobre
el campeón mundial de ajedrez Gary Kasparov.
Por primera vez, el hombre fue derrotado por la
máquina.

Diez años después, los avances tecnológicos

permitieron el resurgimiento de la inteligencia
artificial. En 2008, Google hizo grandes avances
en el reconocimiento de voz y lanzó esa función
en sus aplicaciones para smartphones.

En 2012, Andrew Ng alimentó una red neuronal

con 10 millones de vídeos de YouTube como
serie de datos de entrenamiento. Gracias al Deep
Learning, esta red neuronal aprendió a reconocer
un gato sin que se le enseñara lo que es un gato.
Este fue el inicio de una nueva era para Deep
Learning.

En 2016 se produjo otra victoria de la IA sobre el

ser humano, con el triunfo del sistema AlphaGo
de Google DeepMind sobre Lee Sedol, el campeón
de Go. La inteligencia artificial también conquistó
el campo de los videojuegos, especialmente con
DeepMind AlphaStar en Starcraft u OpenAI Five
en Dota 2.

Actualmente, empresas de todos los sectores

utilizan el Deep Learning y el Machine Learning
para infinidad de aplicaciones. La IA no deja de
avanzar y sorprender con su rendimiento. El
sueño de la inteligencia artificial general se
acerca cada vez más a la realidad.

Los peligros de la inteligencia

artificial
La inteligencia artificial ofrece muchas promesas
para la humanidad, pero también podría
representar una amenaza más peligrosa que la
bomba nuclear.

Con su capacidad de aprender y evolucionar de

forma autónoma, la IA podría superar algún día la
inteligencia humana. Entonces podría decidir
volverse contra sus creadores.

Este oscuro presagio puede parecer sacado

directamente de una película de ciencia ficción,
pero es una posibilidad muy real. Destacados
expertos como Stephen Hawking, Elon Musk o Bill
Gates ya han dado la voz de alarma sobre la
inteligencia artificial.

Según ellos, la IA representa un riesgo inminente

e inevitable en los próximos años. Por eso piden a
los gobiernos que regulen este campo para que
se desarrolle de forma ética y segura. Más de un
centenar expertos ha pedido también a Naciones
Unidas que prohíba los «robots asesinos» y
otras armas militares autónomas.

Sin embargo, otros expertos creen que el futuro

de la inteligencia artificial depende únicamente
de cómo decidan utilizarla los humanos. Incluso
una IA aparentemente inofensiva podría
manipularse y utilizarse de forma
malintencionada. Ya podemos verlo con el
incremento de los «DeepFakes»: vídeos falsos
creados mediante Deep Learning para mostrar a
una persona en una situación comprometida.

La inteligencia artificial seguirá desarrollándose a

gran velocidad en los próximos años. La
humanidad es quien debe decidir qué dirección
tomará su desarrollo.

Ya sabes todo lo que hay que saber sobre

inteligencia artificial. Descubre ahora nuestro
completo dosier sobre Data Science, y echa un
vistazo más de cerca al Machine Learning.

Aprende a dominar las técnicas de IA

¿No está disponible?

Déjenos su dirección de correo electrónico para
que podamos enviarle los nuevos artículos cuando
se publiquen.

Nombre*

Apellido*

E-mail*

Acepto recibir sus correos electrónicos y confirmo

que he leído su política de privacidad y el aviso
legal.*

REGISTRAR

Nuestro equipo Facebook

Reseñas Twitter

Contacto LinkedIn

YouTube

Instagram

Github

Financiación y Data Scientist

Precios Data Analyst
Admisión de Data Engineer
personas con
discapacidad

Carbon Reduction
Plan

¿Quieres seguir la actualidad de

Datascientest?

¡Suscríbete a nuestro newsletter! Suscríbete

© 2024 DataScientest — Todos los derechos

reservados