Qué es y cómo funciona la IA

La Inteligencia Artificial, abreviado como IA, consiste en una amplia rama de la informática que se ocupa de construir máquinas «inteligentes» capaces de realizar tareas para las que normalmente se requiere de la inteligencia humana. Pero vamos a dejarnos de preámbulos y comencemos a entrar en materia.

Inteligencia Artificial: definición y funcionamiento

En términos generales, un sistema de Inteligencia Artificial es aquel capaz de realizar tareas que normalmente están relacionadas con las funciones cognitivas humanas, es decir, pensar, interpretar y razonar. En realidad, una IA no es sino una base de datos gigante en la que se albergan una gran cantidad de posibilidades y, con un procesador, se es capaz de sacar conclusiones en base a esta base de datos.

Pongamos un ejemplo para entenderlo mejor: en la mencionada base de datos se ha introducido información sobre cómo tiene que ser un árbol; tiene tronco, ramas, hojas… el tronco y las ramas pueden ser marrones, blancos, etc., mientras que las hojas pueden ser verdes, amarillas, rojas… se ha definido la forma y el tamaño, y se han introducido diversas posibilidades sobre cómo puede ser un árbol (por ejemplo, un árbol sin hojas sigue siendo un árbol). A partir de todas estas premisas, el procesador de la IA será capaz de identificar un árbol cuando lo vea.

Por supuesto, todas estas premisas o datos introducidos en la base de datos no han surgido por ciencia infusa sino que se las hemos dado los humanos, pero aquí entramos en una de las disciplinas de la Inteligencia Artificial de las que vamos a hablar más adelante. Lo que queremos que quede claro en el concepto de «qué es una Inteligencia Artificial» es que, en realidad y resumiéndolo al máximo, consta de un procesador y una base de datos, ni más ni menos.

IA fuerte vs IA débil

Dado que el concepto «inteligencia» es a veces complicado de definir, los expertos en IA suelen diferenciarla entre IA fuerte e IA débil.

• IA fuerte: generalmente conocida como IA General, concibe una máquina capaz de resolver problemas para los que nunca ha sido entrenada específicamente, de una manera similar a como lo haría un humano. Este es el típico caso de IA que vemos en las películas de ciencia-ficción, como Yo Robot o Westworld, y por ello se considera como el Santo Grial de la Inteligencia Artificial. Debes saber que es algo que todavía no se ha conseguido realizar de manera completamente satisfactoria, pero es el principal ámbito de estudio de desarrollo a pesar de que existe una asociación a nivel mundial que pretende limitar los riesgos de crear un ente que de verdad sea inteligente.
• IA débil: generalmente conocida como IA Especializada, esta Inteligencia Artificial opera solo bajo un contexto limitado y para el que sí ha sido entrenada por humanos, como por ejemplo la conducción autónoma de vehículos, asistentes virtuales como Alexa o Siri, o bots del tipo Google Bard o ChatGPT. También es el tipo de IA que por ejemplo utiliza Netflix para darnos recomendaciones (se basa en lo que ya hemos visto para recomendarnos contenido parecido) o los filtros de SPAM de los gestores de correo electrónico.

Machine Learning y Deep Learning

No podemos hablar de Inteligencia Artificial sin hablar de los términos Machine Learning y Deep Learning, ya que están intrínsecamente asociados. Sin embargo, son términos que ni deben ni pueden utilizarse indistintamente porque son dos cosas completamente diferentes: una cosa es el «aprendizaje automático» y otra el «aprendizaje profundo», así que vamos a explicarlos a continuación.

Machine Learning

Se trata de un algoritmo de aprendizaje automático que se alimenta de datos (esa base de datos de la que os hemos hablado antes) y utiliza literalmente la estadística para «aprender» sin que necesariamente haya sido programada para ello. Dicho de otra manera, este tipo de algoritmo utiliza datos históricos y estadísticos para realizar una predicción y ofrecer un resultado en consonancia a ello.

Pongamos un ejemplo absurdo (y en este caso erróneo) para entenderlo mejor: la base de datos está llena de datos que previamente se han ido introduciendo. Entre estos datos, le hemos dicho en numerosas ocasiones a la IA que «todos los caballos son blancos», y por lo tanto cuando le preguntemos de qué color es un caballo, esta IA buscará en el histórico de la base de datos y nos dará como resultado que el caballo es blanco.

Acabamos de mencionar que «le hemos dicho a la IA» un dato, y esto se conoce como aprendizaje supervisado, en el que la respuesta de la IA se conoce gracias a un conjunto de datos que han sido etiquetados e introducidos previamente en la base de datos. Sin embargo, el algoritmo de Machine Learning también es capaz de ofrecer resultados mediante aprendizaje no supervisado, y esto sucede cuando en la base de datos no hay suficientes datos como para ofrecer un resultado concreto.

Lógicamente, estamos hablando en cualquier caso de «aprendizaje», por lo que la propia IA va rellenando espacios en su base de datos en función de los resultados que va ofreciendo, de manera que incluso si erróneamente una IA aprende que 2+2=5, 5 será el resultado que dará cuando le pregunten cuánto es 2+2.

Deep Learning

Lo primero que debes saber es que si pusiéramos la Inteligencia Artificial, Machine Learning y Deep Learning sobre un diagrama, Deep Learning se consideraría un tipo de Machine Learning, conocido como su traducción literal, «aprendizaje profundo». Es un tipo de aprendizaje automático que ejecuta sus entradas a través de una red neuronal, llamado así porque inspira su funcionamiento en las neuronas del cerebro humano.

Las redes neuronales contienen una serie de «capas» a través de las que se procesan los datos, permitiendo a la IA profundizar en su aprendizaje estableciendo conexiones para poder mostrar mejores resultados.

Imaginad una red neuronal con la CPU de la IA en pleno centro, recibiendo datos de diferentes bases de datos especializadas, de manera que pueda obtener resultados de varias fuentes, ponderarlos para ver cuál es la mejor opción (de nuevo basándose en el histórico y en estadística) y así ofrecer un resultado mucho más exacto que simplemente con Machine Learning.

Los cuatro tipos de Inteligencia Artificial

Antes os hemos dicho que existe la IA Fuerte y la IA Débil, pero en realidad la Inteligencia Artificial puede ser categorizada en un total de cuatro tipos diferentes basándose en el tipo de complejidad de las tareas que realizan.

• Máquinas reactivas: este tipo sigue los principios más básicos de la IA y, como su nombre indica, solo es capaz de utilizar lo que ya tiene para reaccionar ante la tarea que se le asigna. Una máquina reactiva no es capaz de añadir nuevos datos a su base de datos, por lo que no puede basar sus resultados en la propia experiencia de la máquina. Un ejemplo claro sería el famoso Deep Blue, la máquina que IBM creó en los años 90 para jugar al ajedrez, y que solo era capaz de identificar las piezas en el tablero de ajedrez, saber cómo se mueven y reaccionar a los movimientos de su oponente en función de lo que «veía».
• Memoria limitada: el segundo tipo es como el anterior pero tiene la habilidad de almacenar datos en base a su propia experiencia. Volviendo al ejemplo que acabamos de poner con Deep Blue, cuando el maestro Gary Kasparov le venció habría sido capaz de «aprender» de su derrota y no cometer los mismos errores en la partida siguiente.
• Máquinas teóricas: como su nombre sugiere, se basan simplemente en teorías y no en experiencias. Por el momento debéis saber que no se ha logrado la capacidad tecnológica para crear este nivel de IA, pero el concepto se basa en la premisa de que sería capaz de comprender los pensamientos y emociones que modifican el comportamiento, de igual manera a que una persona no toma las mismas decisiones cuando está feliz que cuando está enfadado.
• Consciencia: este sería el cuarto y último nivel, y lógicamente va después de las máquinas teóricas y por lo tanto tampoco se ha alcanzado. Este tipo de IA poseería una consciencia al mismo nivel que el humano, comprendiendo su propia existencia en el mundo, y sería capaz de comprender lo que otros pueden necesitar no solo en base a lo que le dicen, sino en base a cómo lo dicen. Efectivamente, esto sí iría en la línea del concepto Skynet.

Ejemplos actuales de Inteligencia Artificial

Como ya supondrás si has leído todo lo anterior de este artículo, la Inteligencia Artificial puede tomar varias formas, por decirlo de alguna manera. A pesar de que ahora mismo son los chatbots los que están de moda, no todas las IA son iguales, por lo que vamos a ver algunos ejemplos para que lo tengamos claro.

• ChatGPT: es un chatbot capaz de producir contenido por escrito en base a las premisas o preguntas que le planteemos.
• Alexa, Siri y demás asistentes virtuales: recibiendo instrucciones por parte de los usuarios, son capaces de dar respuestas o ejecutar acciones concretas. En muchos casos, estos asistentes también son capaces de aprender de los hábitos y gustos de los usuarios para ofrecer recomendaciones personalizadas, pero lo más habitual es implemente responder a órdenes: «Alexa, pon música», «Siri, dime la previsión del tiempo para mañana».
• Reconocimiento facial. Un uso muy extendido de la Inteligencia Artificial es el reconocimiento facial. Muchos son los factores a tener en cuenta a la hora de reconocer una cuando esta tiene elementos que intentan ocultar sus rasgos, como gafas, sombreros, barba entre otros. Gracias la IA es posible identificar rápidamente y comprobar la identidad de las personas de forma mucho más rápida que utilizando cualquier otro método.
• Coches autónomos: los coches con conducción autónoma son un ejemplo reconocible de Deep Learning, ya que utilizan redes neuronales para tomar decisiones en base a diferentes sensores (cámaras, sensores de proximidad, infrarrojos para determinar distancias, etc.).
• Google / Apple Maps: estas aplicaciones también se basan en la IA en el sentido de que son capaces de calcular la mejor ruta en función de la posición del usuario, y añaden también conceptos no constantes como pueden ser accidentes de tráfico, retenciones, etc. Además, también utilizan las últimas búsquedas que hayamos hecho para hacernos recomendaciones (por ejemplo, si buscaste restaurantes te va a recomendar restaurantes a tu alrededor).
• Predicción del tiempo. Si bien es cierto que siempre se ha dicho que el tiempo no se puede predecir con más de 3 días de antelación, esto ha cambiado completamente con la Inteligencia Artificial. Esta está entrenada con miles de datos del tiempo de años anteriores y es capaz de analizar, teniendo en cuenta múltiples factores cuál será el estado del tiempo en las próximas semanas. Eso sí, es tratarse de un fenómeno natural, no siempre acierta, aunque si lo hace en la mayoría de las ocasiones.
• Detectar contenido en imágenes. Las plataformas de almacenamiento en la nube que incluyen un servicio de fotos, utilizan Inteligencia Artificial para detectar que tipo de elementos se muestran en ellos para así permitir a los usuarios crear filtros en base a su contenido, ya sea perros, gatos, jarrones, fruta, paisajes, personas entre otros. Aquí también se hace uso de la IA para reconocer rostros y agrupar todas las fotos donde aparece una persona en concreto.
• Traducción en tiempo real. Otro interesante y muy útil uso de la IA es en la traducción en tiempo real. Un ejemplo de su funcionamiento lo encontramos en los móviles de Samsung que permiten realizar llamadas con interlocutores que hablen en diferentes idiomas encargándose la IA de realizar la traducción en tiempo real, siendo capaz de incluso leer la traducción.

¿Qué es la IA agentiva?

La evolución a la Inteligencia Artificial tal y como la conocemos se llama IA agentiva. Mientras que la Inteligencia tradicional es capaz de resolver una tarea específica que le encomendemos, la agentiva está diseñada para funcionar como un agente autónomo (de ahí su nombre).

Un agente de IA es capaz de obtener datos del entorno (por ejemplo, a través de sensores) y tomar decisiones en base a estos y para realizar acciones con un objetivo en concreto. Como podemos ver, la principal diferencia entre la IA tradicional y la IA agentiva es que la segunda es capaz de funcionar de forma autónoma y es persistente hasta lograr sus objetivos sin la supervisión de un humano.

El funcionamiento de una IA agentiva se basa en:

• Percepción. La capacidad de captar / recibir e interpretar la información del entorno.
• Memoria. Para poder funcionar de forma autónoma, la IA agentiva es capaz de almacenar y recuperar información sobre las acciones que ha realizado en el pasado.
• Planificación. Crea un plan de desarrollo en fases para realizar una acción.
• Ejecución. La capacidad de interactuar, realizar la acción propiamente dicha.
• Reflexión. Tiene la capacidad de evaluar el resultado de sus acciones para identificar posibles errores para no volver a repetirlos en futuras acciones.

Siguiendo con el ejemplo con el que hemos comenzado este artículo. En este caso, Skynet de la película Terminator, es una IA agentiva, ya que es capaz de funcionar y tomar decisiones de forma autónoma sin la intervención de humanos.

¿Cuáles son las compañías más importantes en el sector de la IA?

Uno de los principales motivos por los que la inteligencia artificial ha logrado convertirse en una tecnología tan relevante es debido al gran impulso que le han dado algunas de las grandes compañías del sector tecnológico al presentarla como algo que todo el mundo necesitará en algún punto de su vida. Esto a su vez ha hecho que cada vez sean más las empresas que quieren tratar de revolucionar el sector ofreciendo capacidades que hasta ahora nadie había visto, tratando a su vez de evolucionar algo que actualmente está en auge tanto a nivel profesional como a nivel de usuario.

Pero obviamente hay algunas marcas que prácticamente representan al sector entero de la la inteligencia artificial debido a que son quienes más avances están realizando en todas las direcciones posibles, tanto a nivel de hardware como de software. Aunque si que es cierto que podemos dividirlas en estas dos categorías, aquellas que han presentado avances a nivel de componentes para sistemas IA y quienes lo han hecho para aplicaciones y demás.

Dentro de aquellas compañías que fabrican el hardware necesario para potenciar los sistemas de IA tenemos a las tres grandes del mercado de los chips, NVIDIA, AMD e Intel, ya que actualmente son quienes tienen una mayor parte del mercado puesto que marcas como Qualcomm todavía no tienen chips con el rendimiento suficiente como para igualarles.

Luego en términos de software hay también una gran cantidad de compañías reconocidas como IBM, SAS, Microsoft, Google y OpenAI, siendo las principales representantes de los grandes avances que hay si hablamos del desarrollo de programas que utilizan inteligencia artificial o de LLM.

¿Por qué ha tenido un auge tan grande en los últimos años?

Uno de los principales aspectos que hemos visto en el desarrollo tecnológico reciente tiene que ver con la propia IA. Con la llegada de los grandes LLM y el hardware orientado para mejorar su rendimiento, todas las compañías se han lanzado a crear todo tipo de desarrollos centrados en esta tecnología.

El motivo tiene que ver con los usos que hemos mencionado anteriormente. Aunque en el entorno doméstico el principal uso que se le da está relacionado con generar imágenes, vídeos y audio, su uso profesional cambia bastante. No solo permite gestionar una gran cantidad de datos de forma más rápida y optimizada, también tiene otros usos. La capacidad que tiene de analizar es un factor crucial a la hora de mostrar respuestas a ciertas preguntas.

A su vez la búsqueda de contenidos guiada que puede hacer en internet también aporta mucho a este tipo de usos ya que elimina la necesidad de buscar ciertos datos a mano. El problema de esto es que puede ser susceptible a localizar información que no es real, todo depende de cómo se haya diseñado el LLM que la utilice.

El mayor problema que tiene en este aspecto está en cómo accede a los datos que recopila de internet, muchas compañías no establecen limitaciones. Uno de los ejemplos que tenemos está en la IA de Meta, esta ha utilizado contenido distribuido con copyright de forma ilegal para conseguir un entrenamiento realmente variado.

Más allá de lo que pueden ofrecer las inteligencias artificiales a nivel empresarial encontramos bastantes problemas éticos como el uso de material con propiedad intelectual de forma ilegal. Pero su auge sigue aumentando día a día ya que muchas empresas se centran en ofrecer herramientas que resultan útiles para los usuarios y profesionales, incluso si estas se entrenan a través de sus datos.