Las promesas de la IA: ¿qué se puede esperar de ella?

Aprendizaje supervisado

¿Perderá Soraya su trabajo? Va a ver a Nico para saber más. ¿Tiene motivos para preocuparse? Para responder un poco a esta pregunta, pensemos en lo que podemos esperar de la IA en general. Empecemos por evaluar las distintas formas de enseñar a una máquina y sus capacidades. Existen diferentes tipos de aprendizaje automático que se pueden clasificar. No todos son igual de potentes.

El primer método, y el más exitoso, es el aprendizaje supervisado. Es el que sustenta casi todas las aplicaciones que ya hemos conocido: retoque fotográfico, generador de historias o ChatGPT. El principio se desarrolla en dos fases: una llamada "entrenamiento" y otra "inferencia". En la fase de entrenamiento, la IA se alimenta de una gran cantidad de datos y deduce estructuras a partir de ellos, que luego aglomera en un modelo.

El aprendizaje supervisado (supervised learning) utiliza información del pasado o de un entorno determinado para aplicarla en otro. En el caso del retoque de imágenes, la IA ha visto un gran número de fotos en las que se indicaban píxeles con humanos. A continuación, deduce una fórmula matemática. Esto se denomina "modelo".

El modelo capta lo que ha entendido de la realidad. Como la realidad es compleja, se basa en una representación probabilística. Así, si un lote de píxeles próximos entre sí del mismo color y forma representa a menudo una forma humana, retendrá información del tipo: el 80% de las veces, se trata de una persona y puedo identificarla como tal. Una vez que la herramienta tiene este modelo, lo reutiliza...

Cómo funcionan las redes neuronales

Julie nos habla del concepto de redes neuronales. Hemos oído hablar mucho de ellas como la respuesta mágica a todos nuestros problemas. Por fin, la solución a la IA fuerte estaba ahí. Con este concepto también viene el concepto de aprendizaje profundo. Como siempre, no hay nada de ciencia espacial en estas teorías, y para demostrarlo echemos un vistazo a lo que hay detrás de ellas y lo que podemos esperar de ellas.

Hemos dicho que las IA generan un modelo. A partir de este modelo pueden llevar a cabo la fase de inferencia. Este modelo es, de hecho, una función.

Recordemos esta afirmación: un modelo es una función en el sentido matemático del término, es decir, una fórmula que puede reutilizarse en varios contextos. La particularidad es que no se trata sólo de números, sino también de proposiciones.

Dado que las realidades son múltiples y complejas, existen diferentes formas de función. Sin embargo, el principio que subyace a su construcción sigue siendo el mismo: leer una gran cantidad de datos y agregarlos en una función.

Los expertos llevan mucho tiempo intentando representar nuestros conocimientos imitando lo que ocurre en nuestro cerebro o nuestra forma de razonar. Una función famosa que aún se utiliza mucho es el árbol de decisión.

Tiene esta forma:

Si dos piedras...

Objetivos de la recomendación

En la misma línea, la famosa Julie, a la que Soraya mira con ojos asustados, habla de los motores de recomendación. Ya hablamos un poco de ellos cuando Soraya buscaba un programa en Netflix. Veamos más de cerca los principios que rigen este campo y cómo se relacionan con el mundo más amplio del aprendizaje automático y la inteligencia artificial.

El objetivo de un sistema de recomendación es ofrecer contenidos personalizados. Para ello, intentará predecir lo que una persona habría visto, escuchado o leído antes. ¿Qué sentido tiene sugerir una acción que el usuario iba a hacer de todos modos? Esto es lo que hace que los motores de recomendación sean tan especiales en el ecosistema de la inteligencia artificial. Tienen que añadir un pequeño grano de sal que les hace impulsar contenidos a alguien que no habría pensado en ellos. También facilita las cosas. Puede que un espectador no tenga paciencia para buscar en el vasto catálogo de Netflix durante diez minutos. Ponerle delante una serie interesante le evita ir a la competencia, que le ahorraría ese tiempo y esfuerzo.

Cómo funcionan las recomendaciones : enfoque basado en el contenido frente al enfoque colaborativo

Existen dos formas principales de crear sistemas de recomendación. La primera se basa en el enfoque del contenido. Tomemos el caso de la biblioteca. Entre la masa de libros, hay muchos grupos posibles: ciencia ficción del siglo XIX, romántica para jóvenes adultos o libros de informática para desarrolladores. Estos grupos pueden convertirse en la base de las recomendaciones. Por ejemplo, podrías sugerir libros de la misma categoría a alguien acostumbrado a devorar historias de inteligencia artificial. Alguien que haya leído Musso leerá Levy. Alguien que haya leído todas las obras de Levy leerá la que sale hoy. Este método tiene la ventaja de ser claro y fácil de explicar. Utiliza técnicas como la partición de datos con aprendizaje no supervisado.

Otra forma de hacerlo no se basa...

¿Están los coches autónomos a la vuelta de la esquina

Soraya vuelve a casa del trabajo cuando se encuentra con un Tesla. Este encuentro la hace pensar en los coches autónomos, es decir, vehículos capaces de prescindir de un conductor. Incluso piensa en una aplicación de la que ha oído hablar: los taxis sin conductor. ¿Y este mundo? ¿En qué se basa y qué podemos esperar de él?

Varias empresas están trabajando en estos sistemas, entre ellas Tesla, que ya hemos mencionado, así como General Motors y Uber. Navya, en la ciudad francesa de Lyon, lo ha probado. Durante varios meses, fue posible seguir parte de las orillas del Saona en un minibús. ¿Maravilloso? Pues no. Navya se declaró en quiebra. Fin de la aventura.

En realidad, subir a los vehículos de la empresa significaba hacer un viaje largo y lento, con paradas inesperadas. En cuanto a la idea de taxis sin conductor, estábamos muy lejos de ella, ya que en realidad una persona supervisaba todo lo que hacía el coche e incluso tomaba el control del mismo en determinados momentos. Es lo que cínicamente podríamos llamar un conductor. ¿Significa esto que todo está perdido en este campo? No con seguridad. En 2023, Uber firmó una alianza con Waymo y relanzó el negocio que antes había abandonado. Entonces, ¿podremos...

Las IAs son programas especializados

Hemos analizado una serie de casos de uso y nos hemos preguntado por sus capacidades, por el futuro que prometen, pero también por sus limitaciones. Lo hemos visto en detalle en una serie de aplicaciones. Veamos ahora los límites generales de la IA.

En primer lugar, las IA del mundo real son especializadas. Esto significa que no existe un sistema completo. Incluso ChatGPT sólo se centra en un área concreta. En comparación, los humanos somos IA generales. Puede que no seamos tan buenos como ChatGPT resumiendo textos, pero además de esta capacidad, podemos recomendar un libro a un amigo o conducir un coche. También tenemos un cuerpo que nos permite movernos.

La IA se basa en estadísticas

Otra limitación es que las IA actuales se basan en la estadística, lo que las convierte en sistemas probabilísticos que siempre se equivocarán. A fin de cuentas, lo mismo ocurre con las personas. Y en muchos casos, esto no es necesariamente grave. El problema es más grave en contextos médicos o jurídicos, por ejemplo. Nuestra sociedad necesita culpar a alguien cuando algo sale mal.

Al igual que con los coches autónomos, la cuestión es si preferimos veinte muertes al año como resultado de un error humano con un culpable identificado, o cinco como resultado de la IA sin nadie...