Xataka
Contenidos contratados por la marca que se menciona

+info

La inteligencia artificial es una de las disciplinas tecnológicas que con más fuerza han calado entre la opinión pública. De hace unos meses a esta parte, todo parece que es IA. Es la piedra filosofal de la tecnología que convierte en inteligente todo aquello cuanto cae bajo sus algoritmos. Además, parece que si un dispositivo no es inteligente, no es nada, por lo que la IA se trata de meter a toda costa en las especificaciones o cualidades de los productos tecnológicos.

Pero la IA no es, ni nueva, ni inteligente. Es fácil dejar volar la imaginación y pensar en lo que es posible y lo que no; hasta tal punto que incluso se piden préstamos al futuro, atribuyendo a los productos de hoy las soluciones que puede que vengan mañana. Pero hay que ser precavidos y poner las cosas en su lugar.

Los mitos sobre la IA

Hay muchos mitos alrededor de la inteligencia artificial. No se trata de quitarle protagonismo ni importancia, sino todo lo contrario. La IA es real y ya la estamos usando, pero de modos menos llamativos y futuristas de lo que cabría esperar. La inteligencia artificial es extremadamente útil, pero no tiene la capacidad de hacer nada por iniciativa propia. Por ejemplo, por sí misma no nos va a quitar el trabajo. Spoiler: hace falta que una persona decida que los trabajadores dejen sus puestos.

El objetivo de este artículo es desmitificar algunos conceptos alrededor de la IA. Puede parecer que le estamos quitando magia, pero al mismo tiempo trataremos de darle consistencia a esta disciplina que está llegando ya nuestros teléfonos móviles.

La IA es reciente

Falso. La IA es tan antigua como los ordenadores. Hace más de seis décadas se dieron los primeros pasos en este campo y se definieron conceptos como los de las redes neuronales. De hecho, se construyeron las primeras redes neuronales mediante hardware en los años 50 del siglo pasado. El problema de aquel tiempo era lo limitado del hardware. Solo hay que pensar que un smartphone de hoy en día tiene más potencia de procesamiento que un superordenador de aquella época.

Uno de los motivos por los que la IA está haciéndose tan popular es porque los ordenadores ya son capaces de manejar algoritmos complejos en tiempos razonables. El “entrenamiento” de una red neuronal alimentada por ingentes cantidades de datos se puede llevar a cabo en cuestión de días o de horas incluso. Hace no muchos años, era impensable.

La IA es inteligente

Falso. El uso del adjetivo “inteligente” para describir la IA es una licencia que podemos admitir de buen grado siempre y cuando no extendamos el concepto más allá de ciertos límites. A estas alturas no sabemos cómo funciona la inteligencia humana tan siquiera. Asociamos a la IA algunas cualidades que atribuimos a los seres inteligentes, como la autonomía a la hora de aprender, por ejemplo; o la toma de decisiones; o la capacidad para identificar elementos en una imagen.

En la práctica, el gran éxito de la IA actual radica en que es funcional. La IA se basa en cálculos estadísticos frente al determinismo de la programación tradicional. En IA se admiten incluso errores, aunque dentro de ciertos límites. Todos damos por bueno que un algoritmo de IA se confunda de cuando en cuando. Hay casos en los que no, como en aquella ocasión en la que un algoritmo de Google confundía a personas de color con gorilas. Si se buscaban categorías como Gorila o Chimpancé en su buscador de imágenes, en ocasiones aparecían personas humanas de color en los resultados. Así que Google eliminó estas categorías de su buscador en Google Fotos.

La IA es Deep Learning

Falso. La IA es el paraguas bajo el cual se engloban la tecnologías y algoritmos que hacen posible los sistemas de inteligencia artificial. Machine Learning es una de las formas de implementar estos sistemas. Y Deep Learning es uno de los métodos de aprendizaje máquina que se emplean para ello. Encontramos sistemas expertos, árboles de decisión o bosques aleatorios además de las redes neuronales. Deep Learning emplea redes neuronales con varios niveles para implementar los algoritmos en campos como el reconocimiento de imágenes.

Así pues, Deep Learning, Machine Learning e IA no son términos equivalentes. IA está por encima y Deep Learning o Machine Learning son formas de implementarla.

La IA reside en la nube

Falso a medias. Si bien las primeras implementaciones de la IA sí que dependían de la nube para el procesamiento de los algoritmos que intervienen en la ejecución de aplicaciones “inteligentes”, como ya vimosen la actualidad se tiende a llevar la responsabilidad de ejecutar las aplicaciones a dispositivos fuera de la nube: desde ordenadores a smartphones. De hecho, los fabricantes han empezado a integrar aceleradores específicos para IA en sus procesadores.

Es lo que sucedió en su día con los gráficos: se desarrollaron las llamadas “tarjetas gráficas” o GPU ante el reto de procesar millones de puntos en fracciones de segundo. En las aplicaciones de IA sucede algo similar: hay que procesar ingentes cantidades de datos cada fracción de segundo. La NPU de los procesadores Kirin 970 y 980 de Huawei es un acelerador para aplicaciones de IA. De momento, muchas apps de IA usan la GPU para realizar estas tareas, pero lo suyo es que se usen las NPU o Nural Processing Units.

La IA nos va a quitar el trabajo

Falso. Por mucho que se diga que la IA y los robots nos van a quitar el trabajo, la realidad es que los que toman las decisiones sobre mantener o eliminar puestos laborales son personas. La IA permite automatizar muchas tareas que ahora se hacen a mano: eso es cierto, pero en última instancia, al liberarnos de trabajos que puedan ser automatizados, la oportunidad radica en inventar trabajos creativos.

La IA nos facilita la vida

Verdadero. Precisamente esa capacidad de la IA, no para pensar, sino para automatizar tareas que nosotros no haríamos tan rápido o con tanta precisión, hace que muestra vida mejore. Por ejemplo, los diagnósticos mediante imagen se benefician de la capacidad de la IA para “ver” posibles tumores a partir de un escáner, por ejemplo. Además, al aumentar la precisión, se reduce la exposición de los pacientes a radiaciones y el tiempo que se necesita para realizar una exploración.

En portales como Netflix, Amazon o Spotify, la IA predice nuestros gustos y nos recomienda contenidos o productos. En las finanzas, los bancos son capaces de detectar movimientos fraudulentos en nuestra cuenta bancaria a través de las tarjetas de crédito, por ejemplo. En Google Maps podemos encontrar rutas cada vez más optimizadas para nuestras escapadas. En los smartphones, la cámara usa IA para identificar las escenas y realizar los ajustes de imagen óptimos para cada una sin tener que realizar ediciones adicionales. Y así en muchos campos.

La IA será más inteligente que los humanos

Falso. De momento, no sabemos ni tan siquiera la naturaleza de la inteligencia humana, así que será complicado que una IA nos supere en este apartado. Donde si nos supera es en “habilidad”. Un sistema de IA puede procesar información durante horas, días o meses sin cansarse. Ya juegan mejor al ajedrez o al Go, incluso pueden traducir con una precisión excepcional, o “ven” mejor que el ojo humano.

Con todo, son tareas concretas, fuera de las cuales el sistema “inteligente” es bastante torpe y hasta nulo. Hay que “programarlo” para cada escenario y uso. Aunque sea para que aprenda solo, hay que definir las reglas del juego.

La IA es mala (o buena)

Falso. LA IA es tan buena o mala como nosotros queramos que sea. La IA se basa en algoritmos y en el entrenamiento a partir de fuentes de Big Data. Si los datos no son correctos o los adecuados, la IA puede no funcionar como se espera. No es que sea buena o mala: tan solo es que ha sido mal programada o entrenada.

Es lo que sucedió con el caso de Google Fotos comentado al principio y la identificación de gente de color con gorilas, o lo que sucedió en LinkedIn, donde las búsquedas favorecían a los hombres. Ni la IA es racista ni sexista. Los datos empleados para entrenar ambos servicios de búsqueda son los responsables de este resultado.

Fotos | iStock, Kirin 980 de Huawei, Primera red neuronal SNARCRed NeuronalCentro de datos de GoogleImage Recognition (NVIDIA),