Programación 1920

La inteligencia artificial (IA) es la ciencia y la ingeniería dedicadas al desarrollo de sistemas que ejecutan tareas que requerirían inteligencia o razonamiento si las realizara una persona. Es decir, que el término IA suele aplicarse cuando un ordenador o una máquina realiza funciones "cognitivas" que las personas asociamos con la actividad de las mentes humanas, como "percibir", "razonar", "aprender" y "resolver problemas". Así, por ejemplo, cuando un ordenador juega (y normalmente gana) una partida de ajedrez contra un humano, asumimos que el ordenador debe estar ejecutando un sistema de IA.

Debido a la forma en que la IA se presenta habitualmente en los medios, esto nos puede sonar a algo futurista, casi como de película de Hollywood. Sin embargo, la realidad es que ya estamos rodeados de sistemas de IA que usamos a diario, por lo que es fundamental que todas las personas entendamos cómo funcionan, para que podamos aprovechar las oportunidades que ofrecen pero también para poder luchar desde la información contra sus riesgos y amenazas.

Y no es que con este curso nos hayamos vuelto locos ni queramos ser muy osados al querer acercar la IA a la escuela, simplemente estamos siguiendo las recomendaciones de múltiples entidades nacionales e internacionales -como UNESCO, la Comisión Europea o el propio Gobierno de España- que insisten en que toda la sociedad debería conocer al menos sus fundamentos y, en consecuencia, que la IA debe trabajarse desde colegios e institutos.

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 todo esto es posible porque podemos recopilar/manejar mucho datos, es el Big Data, los ordenadores son cada día más potentes para trabajar con esa cantidad de datos y también se ha avanzado mucho en los sistemas de programación, las llamadas redes neuronales.

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".