Inteligencia Artificial: Una breve introducción

La Inteligencia Artificial debe ser, probablemente, uno de los temas más populares y actuales, en lo que concierne al mundo de la economía y organizaciones. Se nos advierte constantemente que, de algún modo u otro, supondrán diversos cambios en el ámbito laboral, productivo y estratégico.

Para algunos expertos y expertas, en materia tecnológica y económica, es una de las nuevas grandes disrupciones que afectarán severamente a la manera en la que producimos, en las que se genera valor económico en las organizaciones, e incluso de la comunicación y lo que hasta ahora entendíamos como TIC.

Para entender en profundidad estos impactos, incluyendo para el sector público, es importante antes profundizar un poco en las ideas que hay detrás de las IAs. En este primer artículo ahondaremos en los fundamentos, y en dos artículos posteriores veremos algunas aplicaciones emergentes de y para el sector público, así como otros escenarios de futuro

Chatbots, Machine Learning, Deep Learning…

Estos términos aparecen constantemente en los medios y parece que son sinónimos entre sí. Estos modelos técnicos super sofisticados tienen mucho que ver entre sí, pero no siempre son tan equivalentes.

Inteligencia Artificial

La idea de la Inteligencia Artificial es ya antigua. La imagen de un robot o un androide con capacidad de imitar, actuar y responder a otros seres humanos se ha calado sobre la expresión en el contexto actual. Lejos de aun tener la capacidad de alcanzar el intelecto humano (hasta ahora), hoy en día se refiere a

“una serie de técnicas y tecnologías que permiten generar nuevas herramientas adaptativas y que responden mejor a los cambios de los medios mediante el uso y gestión automática compleja de datos, algoritmos y fórmulas maquínicas”

Dicho de otro modo, es la tecnología, normalmente intangible, que permite a otras máquinas poder responder, poder realizar operaciones que hasta entonces no eran fáciles de automatizar, o incluso decidir entre diferentes opciones.

Algunos métodos más concretos, dentro de la Inteligencia Artificial, son por ejemplo, el Machine Learning, el Natural Language Learning en los que incurren los famosos Chatbots, o el Deep Learning entre otros.

Machine Learning

A grandes rasgos, el Machine Learning es uno de los caminos sobre los que se puede (y últimamente suele) construir una Inteligencia Artificial, entre otros. El Machine Learning se fundamenta en generar una programación algorítmica que lo habilite a sí mismo de modificarse, de “aprender” al entrar en contacto con nuevos grupos de datos.

Esa capacidad de “aprender” o modificarse a sí mismo, a sus propios algoritmos, se fundamenta así mismo en objetivos o “diseño” marcados por el, la o los programadores. Por este motivo, a diferencia del ser humano, no tiene una capacidad de adaptabilidad del aprendizaje como la del ser humano. Sólo será capaz de “aprender” correctamente si se orienta bien hacia el conjunto de datos, hacia la correlación de la pregunta con la información para la cual se ha destinado.

Deep Learning y Redes neuronales

El Deep Learning es un subconjunto dentro del campo del Machine Learning. Así pues, el Deep Learning es un tipo de Machine Learning, pero no todo el Machine Learning es Deep Learning.

En los últimos años, los avances en este campo concreto, en parte debido a las innovaciones en procesado más nuevos, hicieron explotar todo el campo de la IA como algo más cercano a un futuro probable donde las IAs fueran realmente más inteligentes. Google, sin duda, fue de las organizaciones en invertir en esa investigación y desarrollo, así como en su promoción y difusión, como por ejemplo mediante

El Deep Learning no es tan diferente en definición al Machine Learning: al fin y al cabo se trata de habilitar a una máquina computacional la capacidad de “aprender”, de automodificarse y adaptarse en función de los datos introducidos.

La diferencia con respecto a otros tipos de Machine Learning se fundamenta, esencialmente, en la cantidad de capas de complejidad algorítmica y de código que se le añade. Esto permitió, por primera vez, analizar algo tan complicado como por ejemplo una imagen, o el lenguaje humano en toda su riqueza de matices, ambigüedades y usos, en base a unos criterios definidos, y abrir el camino a tecnologías tales como el reconocimiento facial, la catalogación y análisis de obras artísticas, el análisis de textos, la generación de contenidos para-artísticos creados por “máquinas”, entre un sinfín de posibilidades que hasta ahora nos parecían cosa de ciencia-ficción.

Una tecnología específica que hace posible el Deep Learning, y posiblemente leamos u oigamos en ocasiones, es las Neural Networks o Redes Neuronales. En este caso, consiste en un entramado de algoritmos cuyo diseño se inspira en las estructuras neuronales de animales y de, evidentemente, el cerebro humano. Es decir, más que un cerebro artificial, es simplemente una forma muy, muy sofisticada y compleja de programar inspirado en el diseño natural.

Chatbots y el futuro cercano de las interfaces

Los Chatbots son, como indica su nombre, robots de conversación, “programas” que de manera automática o entrenada pueden responder ante un diálogo, de manera más o menos parecida a lo que una persona humana haría.

Hoy en día no son algo que sea para el futuro, llevan años entre nosotros, respondiéndonos en servicios de atención al cliente, en Twitter en debates acalorados de política, o incluso en instalaciones artísticas. A veces ni somos conscientes que hemos tratado con uno. Más aun, no son algo novedoso de esta década: existen chatbots desde hace un par de décadas, mucho más rudimentarios, como plataformas de innovación para grupos de investigación sobre este área.

La mayoría de chatbots son textuales. Incluso hoy en día son tan asequibles, en formatos más o menos simples, que empresas como Facebook ofrecen su capacidad computacional en Inteligencia Artificial para diseñar e integrar chatbots en páginas web y apps de terceros.

En paralelo, las interfaces basadas en comandos de voz son otra realidad cada vez más emergente. También conocidas como “Asistentes Virtuales” (AV), hoy en día ya no hablamos sólo de Siri (Apple). Hablamos de Alexa (Amazon), Cortana (Microsoft) y de Google. Cada vez veremos más nombres (y esperemos que no sólo tengan nombre de mujer!).

Cada vez más saben hacerlo mejor, como fue el caso de la nueva versión de la AV de Google Duplex, capaz de acercarse a una conversación más natural emulando funciones que no parecían pragmáticas en una conversación, sino florituras, como es la función expresiva. Los “eh” “mmmm” “vaya…” «aham» que solemos hacer cada día en nuestras conversaciones, ahora lo apropia.

Una vez implementado en diversos entornos en los que usamos los servicios de esta megaplataforma, será capaz de parecer un o una secretaria real, de ordenársele llamar y hacer una reserva a un restaurante con total naturalidad. Se dice que este verano comenzarán a testearlo con usuarios reales.

En próximos artículos ahondaremos el impacto que está comenzando a tener, y tendrá, en el sector público

inteligencia artificial