En los últimos meses se ha hablado mucho de la inteligencia artificial y su impacto en el mundo actual. Se dicen muchas cosas: desde un lado positivo y altruista, se menciona esta tecnología como una gran herramienta útil para asistir a los humanos en sus labores diarias; desde el otro extremo, se acusa a esta tecnología de ser peligrosa para los humanos y su futuro. Con tanta información contradictoria en internet, ¿cómo puedo saber qué es cierto y qué no lo es?
Empecemos por entender qué es la inteligencia artificial. Gracias a las películas, estamos acostumbrados a ver sistemas de inteligencia artificial como JARVIS en Iron Man o Skynet en Terminator. En las películas, estos sistemas son benignos o infinitamente peligrosos, y esto depende principalmente de la historia. En la realidad, la inteligencia artificial se puede definir como un sistema creado por los humanos que es capaz de pensar y racionalizar sin necesidad de ayuda humana. Si tomamos esta definición al pie de la letra, podríamos afirmar que la inteligencia artificial no existe. ¿Por qué? Sencillo, porque todos los sistemas que se usan hoy en día son algoritmos desarrollados por humanos que requieren la ayuda constante de ingenieros altamente especializados; sin la ayuda continua de estos ingenieros, la llamada inteligencia artificial dejaría de funcionar en cuestión de meses.
Entonces, si la inteligencia artificial no es autónoma aún, ¿qué es realmente?
La respuesta corta es que lo que conocemos hoy en día como inteligencia artificial en realidad son algoritmos estadísticos que usan una gran cantidad de datos para aprender patrones. Tratemos de entender esta oración antes de continuar.
Empecemos por la palabra algoritmo: un algoritmo es una serie de pasos que se siguen siempre para resolver una tarea. Por ejemplo, el algoritmo para freír un huevo es:
- Toma un huevo.
- Toma un sartén y ponlo a calentar con aceite.
- Rompe el huevo y viértelo en el sartén.
- Deja freír el huevo unos minutos y ponle sal.
- Sirve el huevo en un plato.
Estas cinco instrucciones son el algoritmo para freír un huevo. Así como puedes crear un algoritmo para una tarea simple como esta, también puedes crear un algoritmo para tareas mucho más complejas.
Ya que entendemos qué es un algoritmo, podemos tratar de entender qué es un algoritmo estadístico.
Resulta que hay procesos que ocurren que no se pueden predecir. Por ejemplo, si tratas de parar un lápiz en su punta y lo sueltas, ¿puedes decir con precisión en qué dirección va a caer? La respuesta es no; si paras el lápiz 100 veces, probablemente va a caer en 100 direcciones distintas. A esta incertidumbre se le conoce como aleatoriedad.
Cuando quieres entender procesos que presentan aleatoriedad, debes utilizar las herramientas matemáticas llamadas probabilidad y estadística. La probabilidad básicamente te dice cuánto más puede ocurrir un evento cuando lo comparas con un evento similar pero distinto. Por ejemplo, siguiendo con el lápiz, si te preguntas, «¿cuántas veces más va a caer el lápiz hacia la derecha comparado con cuántas veces va a caer hacia la izquierda?». Sin embargo, para poder responder a esta pregunta necesitas hacer muchos experimentos y hacer un análisis estadístico de cómo cae el lápiz. Dicho de otra forma, la probabilidad trata de describir eventos singulares con números; la estadística trata de darnos herramientas para deducir estos números de experimentos que contienen muchas repeticiones del mismo proceso.
Ya que entendemos mejor qué es la estadística, podemos intentar entender qué es un algoritmo estadístico. Básicamente, un algoritmo estadístico es un algoritmo que sirve para deducir unos valores numéricos de muchas repeticiones o ejemplos. El ejemplo más simple que puedo dar de un algoritmo estadístico es la fórmula para calcular la media de un grupo de números. Imagina que tienes tres números, (1, 2, 3); si quieres calcular la media de estos números sabes que el algoritmo que te sirve es sumar los tres números y luego dividir la suma entre tres. Este algoritmo infiere el valor de la media de una muestra de eventos, por eso es el ejemplo más simple posible de un algoritmo estadístico.
Existen algoritmos estadísticos muchísimo más complejos que se usan para aprender muchísimos valores que nos sirven para hacer predicciones de cómo un proceso se va a comportar. A este tipo de algoritmos generalmente se les llama algoritmos de aprendizaje de máquinas (Machine Learning).
Ya entendemos qué es un algoritmo estadístico. Finalmente, necesitamos saber qué queremos decir con patrones para entender la definición completa. Para esto volvamos al ejemplo del lápiz: imaginemos que en vez de parar un lápiz en la punta, ahora paramos varios tipos de lápices en sus respectivas puntas. Algunos lápices van a tener la punta aguda, otros van a tener puntas redondas, otros tal vez van a tener las puntas deformes, etc. La forma de la punta va a afectar la forma en la que el lápiz cae. Entonces, si quisiéramos predecir en qué dirección va a caer cualquier tipo de lápiz, debemos aprender cómo afecta el patrón de la punta al proceso de caída.
A estas alturas ya entendemos nuestra definición de inteligencia artificial. Siguiendo con el ejemplo del lápiz, podríamos pensar en crear una inteligencia artificial capaz de predecir cómo va a caer un lápiz si hacemos un algoritmo que calcula unos números que resumen el comportamiento de muchos experimentos en los cuales dejamos caer muchos lápices. Explicar los algoritmos como tal es un poco más difícil, pero siempre podemos pensar en el algoritmo más sencillo, que es tomar medias y describir los procesos con medias. Por ejemplo, si vemos que el lápiz amarillo cae 100 veces a la derecha cuando lo votamos 200 veces, entonces sabemos que la probabilidad de caer a la derecha es 100/200=0.5. Si hacemos lo mismo con el lápiz rojo y observamos que 50 veces de las 200 cae a la derecha, el lápiz rojo tiene una probabilidad de caer a la derecha de 50/200=0.25. Estos dos números nos dan un poder predictivo para saber dónde va a caer el lápiz.
Ahora, en vez de lápices, piensa que estamos mirando imágenes, y en vez de saber en qué dirección caen, estamos interesados en saber qué objetos tienen las imágenes. Hoy en día existen algoritmos que aprenden de las imágenes calculando muchos números y obtienen poder predictivo porque aprenden patrones y son capaces de identificar qué hay en la imagen.
Algo similar ocurre con las palabras y el lenguaje. El lenguaje se puede ver como una secuencia de palabras a la que les puedes asignar la siguiente palabra con una probabilidad conocida. Una vez tienes esta idea, puedes crear algoritmos para aprender estas probabilidades y usarlas, y esto, básicamente y de manera muy simplificada, es lo que hace la famosa inteligencia artificial hoy en día.
Pero, ¿son realmente inteligentes estos algoritmos? En mi opinión, no. Estos algoritmos pueden ser muy complejos y parecer muy sofisticados; sin embargo, simplemente están reproduciendo lo mismo que contienen los datos con los que fueron entrenados. Por ejemplo, para este tipo de algoritmos puede ser muy fácil escribir un poema sobre la vida con el estilo de Cervantes, porque seguramente Cervantes escribió sobre la vida en sus libros. Sin embargo, para este algoritmo sería casi imposible desarrollar un nuevo estilo de escritura coherente que use a Cervantes y a Shakespeare como ejemplos y cree una nueva forma de ver la vida, y la publique en forma de libros. Esto es algo que va más allá de los datos de entrenamiento y que requiere verdadera inteligencia y creatividad.
Considerando esto, ¿pueden los algoritmos de inteligencia artificial reemplazar tu trabajo? La respuesta probablemente depende mucho de qué haces profesionalmente, pero lo más probable es que si tu trabajo requiere creatividad o verdadera inteligencia, tu trabajo está a salvo. Lo que sí puede pasar es que alguien que trabaje usando la inteligencia artificial pueda reemplazarte.
Historias de gigantes 
Deja un comentario