1. DEFINICIÓN
La inteligencia artificial (IA) está transformando nuestro mundo de
maneras sorprendentes y a un ritmo vertiginoso. Desde los teléfonos
inteligentes hasta los coches autónomos, la IA se está convirtiendo en una
parte fundamental de nuestras vidas. Entender qué es la inteligencia artificial
y cómo funciona es muy importante para entender muchas de las cosas que vemos a
diario.
Empecemos por conocer lo
más básico:
La inteligencia artificial (IA) es una rama de la informática que crea
sistemas capaces de imitar el pensamiento y las decisiones de los humanos.
Estos sistemas pueden
hacer cosas que normalmente solo las personas pueden hacer, como tomar
decisiones inteligentes y resolver problemas. A estos sistemas también se les
llama agentes inteligentes.
2. TIPOS
Podemos clasificar la
inteligencia artificial de dos maneras principales que veremos a continuación.
2.1.
Según el nivel de especialidad
a) Débiles: están
diseñadas para hacer una sola tarea, como reconocer caras en fotos o calcular
la mejor ruta en una ciudad.
b) Fuertes: son más
parecidas al cerebro humano, pueden realizar muchas tareas diferentes y
aprender de su interacción con las personas.
2.2.
Según la forma en que han sido
diseñadas
a) Usando reglas y condiciones: como un
chatbot que responde según unas reglas predefinidas.
Aprendiendo a partir de ejemplos: como un
sistema que aprende a entender voces humanas.
2.3.
Ejemplos reales
En la vida real, podemos
encontrar esta tecnología en muchas aplicaciones, como por ejemplo:
Vehículos autónomos: detectan personas y
objetos alrededor para evitar accidentes.
Asistentes
de voz: como Siri o Alexa, que entienden y responden a nuestras preguntas.
Traductores en tiempo real: que
traducen conversaciones al instante.
Editores de texto: que sugieren palabras
mientras escribimos.
Aplicaciones de edición de imagen: que
mejoran fotos, eliminan objetos o aumentan la calidad.
Aplicaciones de edición de vídeo: que
restauran y colorean grabaciones antiguas.
Aplicaciones educativas: que
adaptan los contenidos al nivel de cada estudiante para mejorar el aprendizaje.
3.
APRENDIZAJE AUTOMÁTICO
Las
inteligencias artificiales basadas en aprendizaje
automático o «machine learning» son las que aprenden de ejemplos en lugar de
ser programadas directamente.
Estas IA no tienen todo el
conocimiento desde el principio; en su lugar, aprenden durante una fase de entrenamiento con ejemplos de
las tareas que deben realizar.
Podemos clasificar estos
sistemas en tres tipos según cómo aprenden:
Aprendizaje
supervisado: las personas enseñan al sistema con ejemplos etiquetados. Por
ejemplo, mostrando fotos de perros y gatos y diciéndole cuál es cuál.
Aprendizaje
no supervisado: el sistema recibe ejemplos sin etiquetas y debe encontrar
diferencias para crear sus propias categorías.
Aprendizaje
reforzado: el sistema aprende a través de la interacción con su entorno.
Por ejemplo, un sistema que aprende a jugar a un videojuego descubriendo que
chocar con enemigos es malo porque pierde vidas.
Aunque el aprendizaje
automático existe desde hace mucho, solo en los últimos años se ha vuelto
popular gracias a los avances en la capacidad de los ordenadores.
Este aprendizaje se usa en
muchos campos, como el reconocimiento de voz, la clasificación de imágenes y la
búsqueda de texto en imágenes.
Dentro
del aprendizaje automático, existe una subcategoría llamada «deep
learning» o aprendizaje profundo.
En esta, cada parte del
algoritmo realiza una tarea simple y distinta, y pasa los resultados a la
siguiente parte. Por ejemplo, un sistema para reconocer caras puede tener
varios pasos:
1. Busca círculos que puedan
ser ojos.
2. Busca líneas horizontales
que puedan ser la boca o las cejas.
3. Decide si lo que ve es una
cara basándose en los resultados de los pasos anteriores.
4. ÉTÍCA Y RESPONSABILIDAD SOCIAL
La inteligencia artificial
tiene un gran potencial para cambiar la
sociedad, por lo que es importante regular su desarrollo y uso.
La Comisión Europea
publicó en 2019 unas directrices éticas para una IA fiable, basadas en la Carta de los Derechos Fundamentales de la
Unión Europea. Este documento establece que una IA debe ser:
 Lícita: respetando
todas las leyes y reglamentos.
Ética: cumpliendo
con los principios y valores éticos.
Robusta: técnicamente
y socialmente, para evitar daños accidentales.
Para desarrollar y
entrenar inteligencias artificiales respetando los derechos humanos
fundamentales, debemos seguir principios éticos como:
PNo coaccionar, engañar o manipular a las personas.
No causar daño o empeorar situaciones existentes.
Ser equitativos y distribuir beneficios y costes de manera jusgta.
Ser transparentes para que las personas puedan entender y confiar en los sistemas.
5. FUTURO DE ESTA TECNOLOGÍA
Las tecnologías basadas en
inteligencia artificial ya están demostrando ser útiles para la sociedad,
cambiando la forma en que resolvemos problemas y cómo interactuamos con las
máquinas.
Invertir en investigación
y desarrollo de IA llevará a nuevas aplicaciones que mejoren la calidad de
vida, aunque también presentará nuevos retos éticos y morales que necesitarán
nuevas regulaciones para evitar efectos negativos en las personas.
6. PRÁCTICAS DE INTELIGENCIA ARTIFICIAL
Ahora realizaremos algunos
pequeños proyectos para que puedas sentirte el protagonista de la creación de
inteligencias artificiales.
6.1.
RECONOCIMIENTO DE OBJETOS CON
GOOGLE TEACHABLE MACHINE
En este proyecto
aprendemos a crear y entrenar un modelo de Inteligencia Artificial con la
herramienta Google Teachable Machine que
sea capaz de reconocer una variedad de objetos de nuestro interés.
6.2.
¿ERES CAPAZ DE ENGAÑAR A UNA IA?
En este proyecto tendremos
que poner toda nuestra creatividad a pleno rendimiento para intentar engañar a
una IA que se encarga de identificar objetos. Trabajaremos con un juego llamado
Google Scavenger Hunt, aquí abajo
tienes cómo funciona.
6.3.
APRENDIZAJE AUTOMÁTICO CON TEXTO
Para terminar con el
aprendizaje automático vamos a probar otra de las herramientas educativas que
son un referente, como Machine Learning
For Kids, para que entendamos la importancia que tiene para la eficacia de
estos algoritmos, entrenar modelos con una cantidad de datos lo más grande
posible.
| 
