ABC de la inteligencia artificial

Nuestros compañeros Mireia Rojo (experta en Advanced Analytics) y Pedro Sacristán (Artificial Intelligence Lead) ponen el foco en cómo esta nueva revolución industrial está afectando a todos los sectores, “desde el de la agricultura (donde se espera que sus avances tengan más impacto que la propia introducción de la maquinaria) hasta el ya citado de la salud, en el que podemos ver algoritmos entrenados para detectar el cáncer a través de imágenes con una alta efectividad”. Compañías aéreas que modifican sus tarifas en función de cálculos en tiempo real; inversores que compran en bolsa aconsejados por la información recolectada y procesada de internet con la que predicen el comportamiento de ciertos valores en los mercados; empresas de logística que optimizan las rutas de sus mensajeros a la hora de repartir paquetes… La lista de campos donde se aplican estas técnicas, entre los que podemos incluir, por supuesto, el de los seguros, es ilimitada, según nuestros expertos. A principios de la pasada década, solo una de cada 50 startups europeas estaba enfocada en esta tecnología; hoy en día son prácticamente una de cada 10. Está claro que la IA es y será protagonista indiscutible en muchos modelos de negocio, pero para conseguir aprovechar todos sus beneficios es imprescindible conocer bien su funcionamiento y potencialidades.

El algoritmo en la base

Aunque nos parezca algo muy moderno, la inteligencia artificial surgió en los años 50 como una rama de la ciencia de computación. Concretamente, el término se acuñó en 1956 durante un encuentro de expertos en teoría de la información, redes neuronales, computación, abstracción y creatividad, que tuvo lugar en la Universidad de Darmouth (EE. UU.). Más que una tecnología en sí, como veremos, la IA es, en realidad, una constelación de tecnologías que buscan que las máquinas puedan percibir, comprender, actuar y aprender. Así, esta disciplina trata de desarrollar sistemas informáticos capaces de realizar tareas que normalmente se atribuyen a la inteligencia humana como, por ejemplo, reconocer objetos, identificar caras, conducir vehículos, detectar enfermedades o entender el lenguaje natural, tanto hablado como escrito. Podrían darse miles de casuísticas más, casi tantas como tareas desarrollamos las personas en nuestro día a día. En todo ello los algoritmos juegan un papel fundamental.

Un algoritmo es un conjunto ordenado de instrucciones, operaciones, pasos o procesos que permiten desarrollar una tarea determinada o hallar una solución ante un problema planteado. Por decirlo de alguna manera, es como un listado de instrucciones preestablecidas que guían las decisiones a tomar. Por ejemplo, detener un vehículo ante una señal que indica STOP. Los algoritmos son la esencia de cualquier sistema de inteligencia artificial y se les entrena suministrándoles la mayor cantidad de datos posibles, a modo de referencias, para que puedan aprender mejor. ¿Alguna vez al acceder a la galería de fotos de tu smartphone te ha aparecido un mensaje pidiendo que confirmes quien es la persona que aparece en una imagen? Tiene mucho que ver con lo que hablamos. Lo que está haciendo el dispositivo en estos casos es pedirte ayuda para recopilar información y entrenarse en la identificación de rostros. Afinando su clasificación, la próxima vez que quieras buscar fotos de un familiar bastará con que teclees su nombre para que el móvil te recupere en apenas un segundo todos los recuerdos asociados con esa persona.

¿Cómo aprende la IA?

En función de las capacidades que una máquina puede desarrollar respecto a la inteligencia humana se distinguen tres tipos o niveles de inteligencia artificial: la IA blanda o débil, la IA dura o fuerte y la superinteligencia, nos explican Mireia y Pedro. La IA blanda es la que casi todas las compañías están implementando hoy en día y está destinada a resolver tareas muy concretas y específicas. En este tipo de IA las máquinas nos ofrecen soluciones que han aprendido a través de patrones y tendencias repetitivas gracias a algoritmos programados por humanos. Es la que emplean, por ejemplo, los asistentes virtuales como Siri (Apple), Alexa (Amazon) o Assistant (Google) con los que, aparentemente, podemos conversar pero que lo que hacen es ofrecernos respuestas a órdenes específicas (como “Dime el tiempo que hace”) a partir los resultados de una búsqueda en internet o en sus bases de datos

Por su parte, se prevé que la IA dura llegue a tener capacidades similares a las del ser humano a la hora de tomar decisiones de forma proactiva, deductiva y autoconsciente. Si esto es así, los algoritmos podrían entender, actuar y tomar decisiones sin esperar órdenes y sin necesidad de basarse en repeticiones de la misma tarea una y otra vez. Hasta la fecha, este tipo de IA solo existe en el campo de la ciencia ficción con ejemplos en producciones ya clásicas como A Space Odyssey (1969), Blade Runner (1982), o The Matrix (1999); o, recientemente, Her (2014), Ex Machina (2015) o Upgrade (2018). Más lejana todavía quedaría la superinteligencia que, en teoría, sobrepasará las capacidades humanas tanto en inteligencia como en habilidad. Como indicamos al comienzo, la IA engloba las diferentes técnicas que tienen como objetivo final que las máquinas aprendan a través de patrones extraídos de los datos. La principal técnica es el aprendizaje automático, o machine learning en inglés, que aunque suele confundirse con la IA es solo una parte de ella.

Esta técnica incluye procesos en los que son las propias máquinas las que crean sus reglas (algoritmos) y predicciones a partir de los datos que les suministran los humanos. A ella se debe, por ejemplo, que los sistemas de traducción entre idiomas que facilitan plataformas como Google Translate hayan mejorado tanto en los últimos años. El secreto está en que al principio traducía a partir de reglas sintácticas y ahora lo hace cruzando millones de ejemplos de traducciones reales que hay en la red.

Dentro del machine learning hay un subdominio o área más específica donde se emplean redes neuronales profundas; es lo que conocemos como deep learning. El aprendizaje profundo, que ha crecido mucho en los últimos tiempos, basa su potencia en capas y capas de procesamiento de información (las redes neuronales) y lo que lo diferencia del aprendizaje automático es que son los propios sistemas, sin apenas supervisión, los que son capaces de aprender para mejorar por sí mismos en base a la experiencia que van adquiriendo.

Algunas aplicaciones de la IA