2.1 La IA es algo muy novedoso, ¿no?
Lo cierto es que, aunque esto de la IA pueda parecer algo muy moderno, desde la antigüedad las personas han imaginado máquinas dotadas de capacidades humanas. Así, ya alrededor del año 700 a.C. nace el mito de Talos, un autómata de bronce construido por Hefesto que protegía la isla de Creta de los invasores.
El gigante Talos representado como un joven desnudo y alado, armado con una piedra. Didracma de plata de Festos, Creta (c. 300/280–270 a. C.), anverso. https://es.wikipedia.org/wiki/Talos#/media/Archivo:Didrachm_Phaistos_obverse_CdM.jpg
Y, antes incluso de que se construyeran los primeros ordenadores, las personas han tratado de automatizar tareas intelectuales humanas. Por ejemplo, en 1912 el español Leonardo Torres Quevedo construyó “El ajedrecista”, considerado el primer autómata de la historia capaz de jugar al ajedrez.
Segundo ajedrecista de Leonardo Torres Quevedo at Civil Engineering Faculty museum in Madrid. https://es.wikipedia.org/wiki/El_Ajedrecista#/media/Archivo:Ajedrecista_segundo2.JPG
No obstante, es evidente que la IA despegó realmente con el desarrollo de los ordenadores. De hecho, se considera que el padre de la IA es Alan Turing, al discutir estas ideas en su artículo “Maquinaria computacional e Inteligencia” publicado en 1950.
Durante esa década se produjeron diferentes avances que sirvieron como fundación de esta rama de la informática. Así, en 1956 John McCarthy propuso la definición de IA que todavía se mantiene vigente: “la IA es la disciplina dentro de la Informática o la Ingeniería que se ocupa del diseño de sistemas inteligentes”, entendiendo, por tanto, que los sistemas inteligentes son capaces de realizar funciones asociadas a la inteligencia humana, como aprender, entender, adaptarse, razonar o interactuar.
Y durante los siguientes 20 años se desarrollaron gran parte de las teorías y los algoritmos que sirven como base de los sistemas de IA actuales
2.2 Y, entonces, ¿por qué se escucha hablar tanto de la IA últimamente?
La razón es que en los últimos años se han producido hitos realmente llamativos en el mundo de la IA que han captado la atención de los medios, como el desarrollo de vehículos de conducción autónoma o las victorias frente a campeones humanos en diversos escenarios, como el ajedrez, el concurso Jeopardy o el Go (tal como puedes ver en el vídeo "Un AlphaGo invencible", que es realmente interesante).
Estos avances producidos en los últimos años se deben a tres factores fundamentales:
Como las personas usamos de forma masiva servicios digitales en internet que almacenan todos los datos de nuestras interacciones, y como se están desarrollando procesos de digitalización del mundo físico, actualmente se dispone de grandes cantidades de datos que permiten entrenar a los sistemas de IA. Estas cantidades de datos inmensas es lo que se conoce popularmente como Big Data, un término que ha aparecido también en los medios frecuentemente en los últimos años.
Además, en los últimos años se han producido avances importantes en el entorno tecnológico en el que se ejecutan los sistemas de IA, con procesadores muy potentes y sistemas de almacenamiento de información a gran escala a un coste realmente asequible.
Por último, también se han producido avances en los propios algoritmos de IA, como el desarrollo de arquitecturas de redes neuronales profundas.
2.3 Pero, aparte de estos hitos mediáticos, ¿ya existen sistemas de IA que usamos en nuestro día a día?
Pues sí, lo cierto es que en nuestra vida diaria ya estamos en contacto con multitud de sistemas de IA. Por ejemplo, este tipo de sistemas de IA son los encargados de los filtros de SPAM de nuestros correos electrónicos; se encargan de recomendarnos música o películas que consideran que pueden gustarnos en plataformas como Spotify, Netflix, Prime Video o HBO; realizan traducciones automáticas de textos a otros idiomas; interaccionan con nosotros en chats online de atención al cliente o en asistentes virtuales como Siri, Cortana, Alexa o Google Home; y revisan las compras realizadas con nuestras tarjetas de crédito para tratar de detectar si nos las han robado y se está cometiendo un fraude, entre otros muchos ejemplos cotidianos.
Pero además, los sistemas de IA se utilizan en múltiples campos para la toma de decisiones, lo que tiene un impacto en la vida de todas las personas. Desde la recomendación de amigos en plataformas como Facebook, a la selección de posibles parejas en aplicaciones de citas, pasando por sistemas de detección de tráfico, toma de decisiones en los mercados financieros y empresas, soluciones del ámbito médico para el diagnóstico de enfermedades, sistemas de vigilancia, así como sistemas de seguridad en fronteras y aeropuertos, por plantear tan solo algunos ejemplos.
Y, sin duda, en los próximos años veremos que cada vez se usarán estos sistemas en más y más ámbitos de nuestro día a día, por lo que necesitamos que la gente que tome las decisiones, en cualquier campo profesional, comprenda cómo puede y cómo deben utilizarse, siendo consciente así mismo de sus posibles problemas y limitaciones.
Para saber más
Al contrario que en Europa, donde son las empresas quienes lideran los avances en la implantación de sistemas de IA, en algunos países asiáticos, especialmente, el gobierno está teniendo un papel muy protagonista en este sentido. Es el caso de China, que está poniendo un marcha un sistema de reconocimiento facial basado en IA que puede resultar, cuando menos, ligeramente inquietante: La inquietante apuesta china por el reconocimiento facial
2.4 Cuando leo sobre IA, aparecen términos como machine learning, deep learning, big data… ¿es todo lo mismo?, ¿son sinónimos?
Para contestar esta pregunta vamos a tener que ponernos un pelín teóricos. Pero no nos asustemos porque los conceptos son muy sencillos, de verdad.
Desde que nació el estudio de la IA ha habido dos enfoques enfrentados. Por un lado, hay una escuela de pensamiento que defiende que para que una máquina pueda razonar, las personas que la programan tienen que definir un conjunto de reglas (algoritmos) y principios de lógica que la máquina pueda seguir. A esta escuela se la llama top-down (de arriba a abajo).
Este enfoque es totalmente equivalente a la forma tradicional en que programamos nuestros proyectos Scratch o App Inventor, por ejemplo. La persona que programa elabora un algoritmo que soluciona un determinado problema e implementa un programa o conjunto de programas para que el ordenador pueda automatizar la tarea.
¿Te das cuenta de lo buena noticia que es esto? ¡Ya dominas una mitad de los enfoques para trabajar la IA!
Sin embargo, otra escuela de pensamiento defiende que, inspirándonos en la biología, las máquinas deberían aprender a partir de la observación y la experiencia, es decir, a partir de datos. A este enfoque se le llama bottom-up (de abajo a arriba).
Si bien durante las primeras décadas del desarrollo de la IA el enfoque top-down tuvo más éxito, el enfoque bottom-up se ha beneficiado recientemente de manera extraordinaria por las grandes cantidades de datos que investigadores y empresas tienen a su disposición. A estas cantidades ingentes de datos se le llama Big Data, como decíamos en una pregunta anterior.
En consecuencia, los mayores éxitos de la IA y los logros más llamativos de los últimos años se han producido siguiendo este enfoque, en el que los ordenadores “aprenden automáticamente” a partir de datos. Por ello también se conoce a este enfoque como “Aprendizaje automático” o “Machine learning” en inglés. Y dentro de las técnicas que se utilizan en este enfoque, han destacado las que se basan en redes neuronales que tienen muchas capas y, por tanto, son profundas. A estas técnicas se les llama “Deep learning” o “Aprendizaje profundo”.
Para ver en acción cómo funcionan este tipo de sistemas os proponemos que juguéis unas partidas con Quick Draw (Corre, dibuja), que es un juego construido usando aprendizaje automático. En cada partida se pide que dibujes algunos objetos, y el sistema, implementado con una red neuronal, intenta adivinar lo que estás dibujando. El sistema ha sido entrenado con dibujos de diferentes objetos, de forma que cuando tú dibujas algo, el sistema trata de encontrar ejemplos similares para intentar deducir de qué se trata. Por supuesto, no siempre funciona, pero cuanto más juegues con él, más aprenderá. Y lo bueno es que cuando terminas la partida, puedes ver una explicación del razonamiento que ha seguido. Ah, y cuando juegues, no olvides encender bien los altavoces para ir escuchando cada uno de los intentos que realiza.
2.5 ¿Es posible que se construya un sistema de IA que domine el mundo y a las personas como en las películas futuristas?
En la actualidad, los sistemas de IA tan solo son capaces de realizar una tarea concreta. Por ejemplo, el sistema de Quick Draw sabe reconocer dibujos, y aunque sea realmente bueno, no es capaz de hacer ninguna otra cosa. Y, de hecho, ni siquiera sabe lo que significan ni para qué se usan los objetos que reconoce en sus dibujos. A este tipo de sistemas de IA se les llama “específicos”, precisamente porque no pueden generalizar sus conocimientos y transferirlos a otros dominios.
La aspiración de la IA es crear sistemas con IA general, que serían sistemas con una inteligencia como la de las personas, que funciona para múltiples situaciones, se adapta mostrando flexibilidad, es incremental, etc. Pero lo cierto es que no parece que se vaya a llegar a desarrollar este tipo de sistemas en el corto plazo.
Para que un sistema pudiera dominar el mundo y a las personas, que es el tema central de muchas películas y coloquios, necesitaríamos contar con sistemas que mostraran súper-inteligencia, es decir, una inteligencia superior a la humana. Desde luego, estamos muy lejos de que esto pueda ocurrir, aunque es interesante que se discuta sobre las posibles consecuencias que estos sistemas tendrían sobre la sociedad, tal como hace Nick Bostrom -Director del Instituto para el Futuro de la Humanidad de la Universidad de Oxford- en esta charla TED (subtítulos en español disponibles):
2.6 Todo esto está genial, pero enseñar IA debe ser muy complicado... ¿No son cosas para ingenieras e ingenieros?
En realidad, la mayoría de los conceptos fundamentales de la IA ya los hemos mencionado en esta introducción, y son totalmente accesibles para cualquier estudiante de cualquier nivel educativo. Y en los últimos años, además, se han creado multitud de recursos diseñados específicamente para que los docentes puedan usarlos en sus aulas para explicar diferentes conceptos relacionados con la IA.
No obstante, en relación a la implementación de sistemas que incorporen IA, lo cierto es que esto era algo reservado para estudiantes de últimos cursos de ingeniería informática o de telecomunicaciones. Pero con las nuevas herramientas gráficas que tenemos a nuestra disposición esto ya no es así.
En concreto, los próximos módulos del curso se van a centrar en cómo usar Machine Learning for Kids, una plataforma que utiliza las APIs de IBM Watson Developer Cloud, pero que permite integrar estas funcionalidades en proyectos Scratch o App Inventor usando bloques, lo que ofrece unas posibilidades tremendas para el trabajo en el aula.
Nuestro objetivo es que cualquier docente, desde los últimos cursos de primaria hasta el bachillerato o la FP, pueda crear proyectos con su alumnado en los que integrar sistemas de aprendizaje automático para clasificar texto, números o imágenes.
¡Ya veréis qué fácil y qué divertido!