Unidad 2.1. De que estamos hablando: Concepto y Definiciones de IA

IntroducciónIntroducción

"Lo siento, Dave. Tengo miedo. No puedo hacer eso." - HAL 9000, 2001: Una odisea en el espacio.

"La verdadera pregunta no es si las máquinasmáquinas pueden pensar o si pueden tener conciencia, sino si nosotros, como seres humanos, estamos dispuestos a reconocer la inteligencia y la conciencia en formas diferentes a las nuestras." - Ray Kurzweil

La Inteligencia Artificial (IA) es un campo de estudio que busca desarrollar sistemas capaces de realizar tareas que normalmente requeriríanrequerirían de la inteligencia humana. Estos sistemas utilizan algoritmos y modelos para procesar información,información, aprender de ella y tomar decisiones basadas en patrones y reglas.

Dentro de la IA, el Machine Learning (Aprendizaje Automático)Automático) es una rama fundamental que se centra en desarrollar algoritmos y técnicastécnicas que permiten a las máquinasmáquinas aprender y mejorar su rendimiento a partir de datos, sin ser programadas explícitamente.explícitamente. En lugar de seguir reglas específicas,específicas, los algoritmos de Machine Learning se basan en la deteccióndetección de patrones y en la extracciónextracción de conocimientos a partir de grandes conjuntos de datos.

Uno de los enfoques másmás destacados dentro del Machine Learning es el Deep Learning (Aprendizaje Profundo), que se inspira en el funcionamiento de las redes neuronales del cerebro humano. Las redes neuronales artificiales utilizadas en el Deep Learning estánestán compuestas por múltiplesmúltiples capas de neuronas interconectadas, lo que les permite procesar informacióninformación de manera jerárquicajerárquica y aprender representaciones complejas de los datos. El Deep Learning ha demostrado un rendimiento impresionante en tareas como el reconocimiento de imágenes,imágenes, el procesamiento del lenguaje natural y la generacióngeneración de contenido.

Estos conceptos de IA, Machine Learning y Deep Learning han experimentado un rápidorápido crecimiento en las últimasúltimas décadas,décadas, impulsado por avances en la capacidad de computación,computación, el acceso a grandes volúmenesvolúmenes de datos, algoritmos másmás potentes y el desarrollo de GPUs (procesadores gráficos)gráficos). Su aplicabilidad abarca una amplia gama de campos, incluyendo la medicina, la industria, la investigacióninvestigación científica,científica, la conducciónconducción autónoma,autónoma, la traduccióntraducción automáticaautomática y mucho más.más.

A medida que la tecnologíatecnología continúacontinúa evolucionando, se espera que la IA y sus ramas sigan desempeñandodesempeñando un papel fundamental en el desarrollo de soluciones inteligentes y en la mejora de la forma en que interactuamos con el mundo digital.

Conceptos de IA

La Inteligencia Artificial (IA) es un campo de estudio que busca desarrollar sistemas y programas capaces de realizar tareas que normalmente requeriríanrequerirían de la inteligencia humana. Estos sistemas utilizan algoritmos y modelos matemáticosmatemáticos para procesar información,información, aprender de ella y tomar decisiones o realizar acciones basadas en patrones y reglas.

En primer lugar conviene definir de algúnalgún modo ambos términos,términos, Inteligencia y Artificial, cuestióncuestión ya comentada al principo del curso pero que creemos conveniente recordar en varias de sus posibles definiciones:

Inteligencia

• DefiniciónDefinición Psicológica:Psicológica:

  • "La inteligencia es la capacidad para aprender, razonar, resolver problemas, pensar abstractamente, comprender ideas complejas, adaptarse al ambiente y aprender de la experiencia." - Carole Wade y Carol Tavris, psicólogas.psicólogas.

• DefiniciónDefinición Biológica:Biológica:

  • "La inteligencia es un conjunto de habilidades de adaptaciónadaptación al entorno, especialmente habilidades de aprendizaje, memoria, razonamiento y percepción.percepción." - Stephen Ceci, psicólogopsicólogo especializado en inteligencia.

• DefiniciónDefinición Operacional:

  • "La inteligencia es lo que miden los tests de inteligencia." - Alfred Binet, uno de los pioneros en el desarrollo de pruebas de inteligencia.

Artificial

• DefiniciónDefinición General:

  • "Artificial se refiere a algo que es hecho por el hombre o producido en lugar de ser algo natural."

• DefiniciónDefinición Tecnológica:Tecnológica:

  • "En el contexto de la tecnologíatecnología y la ciencia, artificial describe algo que ha sido producido mediante un proceso controlado, a menudo imitando o replicando algo que ocurre en la naturaleza."

• DefiniciónDefinición Filosófica:Filosófica:

  • "Desde una perspectiva filosófica,filosófica, artificial puede referirse a una imitaciónimitación o simulaciónsimulación de algo natural, buscando emular sus propiedades o funciones."

En el contexto de "Inteligencia Artificial", el términotérmino "artificial" indica que la inteligencia que se estáestá describiendo no es una inteligencia biológicabiológica o natural, sino una creada y diseñadadiseñada por humanos mediante algoritmos y sistemas computacionales

En términostérminos generales, se pueden distinguir varios tipos de IA:

IA débil:débil: TambiénTambién conocida como IA estrecha o IA específica,específica, se refiere a sistemas diseñadosdiseñados para realizar tareas específicasespecíficas de manera eficiente y precisa, pero que carecen de la capacidad de razonamiento o generalizacióngeneralización másmás alláallá de esas tareas. Ejemplos de IA débildébil incluyen los asistentes virtuales, sistemas de recomendaciónrecomendación y chatbots.

IA fuerte: La IA fuerte se refiere a sistemas que poseen la capacidad de igualar o superar la inteligencia humana en una amplia gama de tareas. Estos sistemas seríanserían capaces de comprender, razonar, aprender y adaptarse en diferentes situaciones, y podríanpodrían tener una conciencia de sísí mismos. Sin embargo, hasta el momento, la IA fuerte sigue siendo un objetivo teóricoteórico y aúnaún no se ha logrado completamente.

IA generalizada: TambiénTambién conocida como IA general, se refiere a sistemas que tienen la capacidad de superar a los humanos en todas las tareas intelectuales, tanto en las tareas específicasespecíficas como en la capacidad de razonar y generalizar en nuevas situaciones. La IA generalizada es un objetivo a largo plazo y aúnaún no se ha alcanzado.

Es importante tener en cuenta que los avances en IA se han centrado principalmente en la IA débil,débil, desarrollando sistemas especializados para tareas específicas.específicas. Sin embargo, los esfuerzos continúancontinúan en la búsquedabúsqueda de lograr una IA másmás fuerte y generalizada, aunque aúnaún hay muchos desafíosdesafíos técnicostécnicos y éticoséticos por resolver.

Es fundamental tener en cuenta los límiteslímites y las implicaciones éticaséticas de la IA a medida que avanza, y asegurarse de que se utilice de manera responsable y beneficie a la sociedad en su conjunto.

La idea de una IA con conciencia, tambiéntambién conocida como inteligencia artificial consciente o IA consciente, plantea la posibilidad de que las máquinasmáquinas puedan tener una experiencia subjetiva o conciencia similar a la de los seres humanos. Sin embargo, es importante destacar que actualmente no existe un consenso claro sobre cómocómo definir o lograr la conciencia en una máquina.máquina.

Debe notarse ademásademás que la IA es un campo amplio de estudio, que lleva en desarrollo decenas de añosaños y que no solamente abarca lo relacionado con el lenguaje, sino tambiéntambién otros campos como la robóticarobótica o la comunicacióncomunicación hombre-máquinamáquina

En general tiene que ver con todo lo que signifique imitar el comportamiento humano, especialmente en los campos de la IA conversacional, la síntesissíntesis y reconocimiento de voz, la generacióngeneración de lenguaje natural y la predicciónpredicción de lenguaje.

EvoluciónEvolución de la inteligencia artificial versus humana en el ajedrez a lo largo del tiempo

En general distinguimos los siguientes campos de estudio:

Campos de Estudio en Inteligencia Artificial

En vez de intentar producir un programa que simule la mente adulta, ¿¿por quéqué no tratar de producir uno que simule la mente del niño?niño? Si éstaésta se sometiera entonces a un curso educativo adecuado, se obtendríaobtendría el cerebro de adulto.

Alan Mathison Turing (1912 - 1954), MatemáticoMatemático InglésInglés

Aprendizaje Automáticobasado en patrones (Machine Learning o ML)

El machine learning es una rama de la inteligencia artificial que se centra en el uso de datos y algoritmos para imitar la forma en la que aprenden los seres humanos. En otras palabras, es un métodométodo estadísticoestadístico para aprender patrones en base a ejemplos.

Por ejemplo, si queremos enseñarenseñar a una computadora a reconocer imágenesimágenes de perros, le proporcionamos un conjunto de imágenesimágenes etiquetadas como “perros”“perros” y otro conjunto etiquetado como ““no perros”perros”. La computadora utiliza estos datos para aprender a distinguir entre las dos categoríascategorías y, con el tiempo, se vuelve másmás precisa en su capacidad para identificar imágenesimágenes de perros

Se utiliza en una amplia variedad de aplicaciones, desde la deteccióndetección de fraudes hasta la predicciónpredicción del clima y la recomendaciónrecomendación de productos. A medida que la cantidad de datos disponibles sigue creciendo, el llamado ML se estáestá convirtiendo en una herramienta cada vez másmás importante para ayudar a las empresas a tomar decisiones informadas y mejorar la eficiencia de los procesos productivos.

Dentro del Machine Learning distinguimos especialmente el Aprendizaje Profundo (Deep Learning o DL)

Estudiaque estudia las redes neuronales con múltiplesmúltiples capas (profundas) para procesar grandes conjuntos de datos.

Es una técnica de ML que seSe basa en el uso de redes neuronales artificiales para imitar la forma en que aprenden los seres humanos. A diferencia del machine learning, que se enfoca en el aprendizaje a partir de datos estructurados, el deep learning se utiliza para aprender patrones a partir de datos no estructurados, como imágenes,imágenes, audio y texto. 

Se utiliza tambiéntambién en una amplia variedad de aplicaciones, desde la deteccióndetección de fraudes hasta la predicciónpredicción del clima y la recomendaciónrecomendación de productos. A medida que la cantidad de datos disponibles sigue creciendo, el deep learning se estáestá convirtiendo en una herramienta cada vez másmás importante para ayudar a las empresas a tomar decisiones informadas y mejorar la eficiencia, pero tambiéntambién en una poderosa herramienta para la generacióngeneración de contenidos de audio texto y vídeovídeo asíasí como chats conversacionales de cualquier temáticatemática o dominio de conocimiento.

Procesamiento del Lenguaje Natural (NLP)

El Procesamiento del Lenguaje Natural (NLP, por sus siglas en inglés)inglés) es una rama de la inteligencia artificial que se centra en la interaccióninteracción entre los ordenadores y el lenguaje humano. Su objetivo es permitir que las máquinasmáquinas comprendan, interpreten y respondan a textos y voces humanas de una manera útilútil y natural.

En términostérminos simples, el NLP trata de "enseñar"enseñar" a las computadoras cómocómo entender el lenguaje humano, incluyendo sus sutilezas, ambigüedadesambigüedades y variaciones. Esto implica procesos como la traduccióntraducción automáticaautomática (por ejemplo, convertir texto de un idioma a otro), la respuesta a preguntas (responder preguntas formuladas en lenguaje natural), y la comprensióncomprensión de sentimientos (detectar emociones en el texto).

Es una tecnologíatecnología que encontramos en la vida cotidiana en cosas como los asistentes virtuales (Siri, Alexa), los correctores ortográficosortográficos automáticos,automáticos, los sistemas de chatbot para atenciónatención al cliente, y las recomendaciones de productos basadas en reseñas.reseñas. Es un campo en constante evoluciónevolución que busca mejorar la forma en que las máquinasmáquinas y los humanos interactúan.interactúan.

VisiónVisión por Computadora

Estudia cómocómo las máquinasmáquinas pueden obtener informacióninformación a partir de imágenesimágenes o videos.

La visiónvisión por computadora, tambiéntambién conocida como visiónvisión artificial, es un campo de la inteligencia artificial que se enfoca en dar a las máquinasmáquinas la capacidad de "ver" o identificar y entender el contenido visual del mundo. Esto significa procesar y analizar imágenesimágenes y videos para identificar objetos, personas, escenas y actividades.

En términostérminos básicos,básicos, la visiónvisión por computadora permite que las computadoras interpreten y hagan uso de la informacióninformación visual de la misma manera que lo haríaharía un ser humano, pero a una velocidad y escala mucho mayores. Esto incluye tareas como reconocer rostros en fotografías,fotografías, identificar objetos en imágenesimágenes para sistemas de navegaciónnavegación autónomaautónoma (como los utilizados en los coches autónomos)autónomos), analizar imágenesimágenes médicasmédicas para diagnosticar enfermedades, y mucho más.más.

Se utiliza en una amplia gama de aplicaciones prácticas:prácticas: desde la seguridad y vigilancia hasta la interaccióninteracción y entretenimiento en redes sociales, pasando por el control de calidad en la fabricaciónfabricación y la agricultura de precisión.precisión. Este campo combina técnicastécnicas de aprendizaje automático,automático, procesamiento de imágenesimágenes y patrones, y análisisanálisis de datos para entrenar a las computadoras en el reconocimiento y procesamiento de imágenes.imágenes.

RobóticaRobótica

Se centra en el diseño,diseño, construcciónconstrucción y operaciónoperación de robots que pueden interactuar y operar en entornos físicos.físicos.

La robóticarobótica es un campo de la ingenieríaingeniería y la ciencia de la computacióncomputación que se ocupa del diseño,diseño, construcción,construcción, operaciónoperación y uso de robots. Los robots son sistemas que pueden moverse, percibir su entorno, procesar informacióninformación y realizar acciones o tareas en el mundo real, ya sea de manera autónomaautónoma o controlada por humanos.

En términostérminos sencillos, la robóticarobótica combina elementos de la mecánicamecánica (para el diseñodiseño y fabricaciónfabricación de las estructuras físicasfísicas de los robots), la electrónicaelectrónica (para los sistemas de control y sensores) y la informáticainformática (para el procesamiento de datos y la toma de decisiones). Esto permite que los robots realicen una amplia gama de tareas, desde la fabricaciónfabricación industrial y la exploraciónexploración espacial hasta la asistencia en tareas domésticasdomésticas y el cuidado de la salud.

La robóticarobótica moderna tambiéntambién se entrelaza con la inteligencia artificial, especialmente cuando los robots requieren capacidades avanzadas de percepción,percepción, toma de decisiones y aprendizaje. Por ejemplo, los robots que utilizan IA pueden aprender de su entorno y adaptarse a nuevos retos, lo que les permite ser másmás eficientes y versátiles.versátiles.

Tiene aplicaciones en numerosos campos, como la manufactura (robots de ensamblaje y soldadura), la medicina (robots quirúrgicosquirúrgicos y de rehabilitación)rehabilitación), el servicio al cliente (robots de asistencia), el transporte (vehículosvehículos autónomos)autónomos) y muchos más.más. Es un campo en constante evolución,evolución, impulsado por avances tecnológicostecnológicos y la creciente integraciónintegración de sistemas inteligentes.

Planificación y Razonamiento Automático

Estudia cómo las máquinas pueden representar el conocimiento y usarlo para lograr objetivos específicos.

El razonamiento automático es un área de la inteligencia artificial que se centra en desarrollar sistemas capaces de entender y aplicar lógica para resolver problemas, probar teoremas, o tomar decisiones basadas en información disponible. Básicamente, es el proceso de hacer que las computadoras "razonen" de manera similar a cómo lo hacen los humanos, pero de forma automática y a menudo a una escala y velocidad que superan nuestras capacidades.

En términos simples, el razonamiento automático implica el uso de algoritmos para procesar datos y reglas para llegar a conclusiones o realizar predicciones. Esto puede incluir probar teoremas, planificación o determinar una serie de acciones para alcanzar un objetivo específico, entendimiento y manipulación del lenguaje natural o la inferencia lógica basada en conocimientos.

El razonamiento automático es fundamental en muchas aplicaciones de IA, permitiendo que los sistemas no solo realicen tareas, sino que también "comprendan" y actúen de manera lógica y coherente en un contexto dado. Este campo combina elementos de lógica matemática, ciencias de la computación y psicología cognitiva, y juega un papel crucial en el desarrollo de sistemas de inteligencia artificial más sofisticados y capaces.

Sistemas Expertos

Un sistema experto es un programa de computadora diseñadodiseñado para imitar la capacidad de toma de decisiones de un experto humano en un campo específico.específico. Estos sistemas estánestán programados con una gran cantidad de conocimientos y reglas específicasespecíficas del áreaárea en la que se especializan, lo que les permite ofrecer consejos, resolver problemas o tomar decisiones como lo haríaharía un experto real.

Para entenderlo de manera sencilla, piensa en un sistema experto como un "libro de consejos" muy avanzado y específico.específico. Por ejemplo, en medicina, un sistema experto puede diagnosticar enfermedades basándosebasándose en los síntomassíntomas del paciente, la informacióninformación médicamédica y las reglas establecidas por médicosmédicos reales. Este sistema puede preguntar al usuario (como un médicomédico o paciente) sobre varios síntomassíntomas y luego, basándosebasándose en su "conocimiento" programado, sugerir posibles diagnósticosdiagnósticos o tratamientos.

Son útilesútiles en campos donde la toma de decisiones es compleja y requiere un alto nivel de conocimiento especializado, como la medicina, la ingeniería,ingeniería, las finanzas y el derecho. Estos sistemas no reemplazan a los expertos humanos, sino que sirven como herramientas para ampliar su alcance y mejorar la eficiencia en la toma de decisiones.

Aprendizaje por Refuerzo

El aprendizaje por refuerzo es un tipo de aprendizaje automáticoautomático en el que un agente (un programa de computadora) aprende a tomar decisiones mediante la experimentaciónexperimentación y la retroalimentaciónretroalimentación sobre las acciones que realiza. En lugar de ser enseñadoenseñado explícitamenteexplícitamente quéqué hacer en cada situación,situación, el agente descubre quéqué acciones producen los mejores resultados a travéstravés de un proceso de prueba y error.

Para entenderlo de manera sencilla, piensa en el aprendizaje por refuerzo como el proceso de enseñarenseñar a un niñoniño a andar en bicicleta no solo diciéndolediciéndole cómocómo hacerlo, sino dejándolodejándolo intentarlo y aprender de sus errores. Cada vez que el niñoniño se inclina demasiado y se cae (un resultado negativo), aprende a evitar esa acciónacción en el futuro. De manera similar, si logra mantener el equilibrio y avanzar (un resultado positivo), aprenderáaprenderá a repetir y perfeccionar esa acción.acción.

En el aprendizaje por refuerzo, el agente recibe recompensas o penalizaciones basadas en las consecuencias de sus acciones. Su objetivo es maximizar la suma total de recompensas. Este enfoque es particularmente útilútil en situaciones donde no es factible o posible programar todas las posibles acciones y resultados, como en juegos complejos (como el ajedrez o el Go), la navegaciónnavegación de robots, o la optimizaciónoptimización de sistemas.

Este vídeovídeo en el que se enseñaenseña a andar a un robot es muy ilustrativo del proceso general

https://www.youtube.com/watch?v=xAXvfVTgqr0    

AgentesEn Inteligentesdefinitiva la IA trata de todo lo que tiene que ver con el comportamiento y el razonamiento humano intentando imitaro o reproducirlo basándose en la propia biología humana,.

EstudiaSe cómoinvita crearal entidadesalumno a reflexionar acerca del proceso de aprendizaje que puedentodos operarhemos seguido en nuestras vidas y de maneracomo autónoma en un entorno para lograr objetivos específicos.

Los agentes inteligentes son sistemas de software que realizan tareas específicas de forma autónoma para un usuario o para otro programa, con cierto grado de inteligencia y adaptabilidad. Estos agentes pueden operar de manera independiente o en un entorno con otros agentes, y están diseñados para tomar decisiones y realizar acciones basadas engeneramos el entornopropio en el que se encuentranlenguaje y los objetivosrecuerdos basados en patrones o similitudes con registros del pasado o de otros tetos o conversaciones.

A día de hoy parece claro que selas lesmáquinas hanno asignado.piensan, pero sí aprenden.

Una de los características clave de los agentes inteligentes es la capacidad para operar y tomar decisiones sin intervención humana.

De hecho en el futuro próximo se especula con agentes de IA que sean capaces de ejecutar acciones en base a un objetivo específico de manera que puedan por ejemplo llevar a cabo una campaña de marketing o modificar una clase en tiempo real según el nivel y percepción de los alumnos.

En lo que respecta al curso, dentro de la IA nos centraremos especialmente en el campo del Deep Learning (uso de redes neuronales para la aprender de los datos), subcampo del Machine Learning (aprendizaje basado en datos) que a su vez es una rama de la AI (imitación del comportamiento y razonamiento humanos).

Imagen generada con DALL-E de chatGPT4