La inteligencia artificial no es como la pintan

“La inteligencia artificial no es como la pintan”

Autor: Claudia Hernández García.

Fecha de publicación: 19 de octubre del 2016.

Tipo de texto: Científico.

Características del tipo de texto:

● Su contenido es claro y preciso sobre el tema.

● Tiene un registro formal de escritura.

● Tiene datos de referencia para comprobar su autenticidad, basados en datos concretos y verificables.

Ideas principales:

⮚ Que la inteligencia artificial cada vez más está influyendo en la vida cotidiana.

⮚ La red neuronal artificial es una forma de diseño para computadoras, semejante a la del cerebro humano.

⮚ Que la máquina es capaz de deducir información por sí sola y luego utilizarla en otros momentos.

Si nos imaginamos que las máquinas algún día nos conquistarán, probablemente se deba a que hemos visto demasiadas películas de ciencia ficción. El campo de la inteligencia artificial, por muy avanzado que parezca estar, aún enfrenta grandes retos técnicos que, dicho sea de paso, no pueden desligarse de lo ético.

La práctica hace al maestro

El software AlfaGo de la compañía británica de inteligencia artificial Google DeepMind hizo historia en octubre de 2015 cuando venció a Fan Hui, el campeón europeo de Go. El objetivo es cercar la mayor superficie posible y capturar el mayor número de piedras del contrario. Las llamadas redes neuronales profundas. Las redes neuronales artificiales son una forma de diseñar computadoras para que sus circuitos se asemejen a la estructura del cerebro.

Con los algoritmos correctos, estas redes neuronales pueden aprender reforzando ciertas conexiones para ganar experiencia, que pasa a formar parte del sistema. Esto se conoce como aprendizaje automático, o machine learning, y aprendizaje profundo, o deep learning. El aprendizaje automático puede considerarse la contraparte de la programación convencional. En la programación convencional la máquina recibe instrucciones para llevar a cabo una tarea y la ejecuta con mayor o menor éxito, pero no aprende nada.

En el aprendizaje automático la máquina puede deducir información por sí sola y luego aplicarla en otros momentos. Por ejemplo, si cuando usas Spotify para escuchar música dejas que una pista llegue hasta el final, si le pones un «me gusta» o si la escuchas muchas veces, la plataforma entiende que la canción te gusta y va recopilando información que luego analiza para identificar tu tipo de música favorita. Entre más abundante sea la retroalimentación, o sea entre más «me gusta» o «no me gusta» le des, mayor será el grado de éxito de aprendizaje de la plataforma. Y lo mismo pasa con las películas de Netflix y hasta las imágenes en pantalla de Windows 10.

El aprendizaje profundo es un tipo de aprendizaje automático que ocupa varias capas de la red neuronal para analizar la información a distintos niveles, como si fueran cámaras que van haciendo zoom. Somos testigos del resultado de este tipo de aprendizaje cada vez que Facebook identifica automáticamente a las personas que aparecen en una foto, o cuando Google interpreta que el objeto de una imagen es, digamos, un coche. La red neuronal analiza miles de imágenes y poco a poco sus capas y nodos de procesamiento comienzan a reconocer los detalles que son importantes y los que no. Ya más avanzado el proceso, la máquina podrá distinguir un coche de un camión, o diversos modelos de autos.

Asistentes del futuro, hoy

Este modelo de enseñanza computacional es la estrategia predominante en el campo de la inteligencia artificial y no es nada nuevo . Allá en 2011, mientras Tecnologías DeepMind se consolidaba como empresa y antes de que Google la comprara, un veterano de la inteligencia artificial, la compañía IBM, festejaba la victoria del software Watson sobre dos de los mejores

...