Inteligencia Artificial: Definición, Historia, Usos, Peligros

Menú
 EN
 FR
 DE
Menú
 Nuestros cursos
 Eventos
 Blog
 Concertar una cita







Volver a Artículos
Inteligencia artificial : definición, historia, usos, peligros
 10 Ago
 3:08 pm
 m de lecture
 Fundamentos
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.
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.

Inteligencia Artificial: Definición, Historia, Usos, Peligros

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Inteligencia Artificial: Definición, Historia, Usos, Peligros

Cargado por

Copyright:

Formatos disponibles

Menú

Empezar un curso de Data Science para trabajar en IA

IA especializada vs. IA general

Descubre las profesiones relacionadas con la IA

Aplicaciones y casos prácticos de la inteligencia artificial

También podría gustarte