Qué es la inteligencia artificial
No existe una definición de libro, sino que cada experto la define a su manera y existe cierta libertad al respecto.
La inteligencia artificial es la capacidad de automatizar procesos cognitivos complejos. Por otro lado, Google lo define como un campo de la ciencia que tiene que ver con los ordenadores/dispositivos y máquinas, pudiendo éstos aprender, razonar y actuar de tal modo que se necesitaría inteligencia humana. Dicho campo es muy amplio porque hay muchas disciplinas distintas:
- Ingeniería software.
- Estadística.
- Análisis de datos.
- Psicología.
Aplicada la IA en un entorno personal o empresarial, se podría decir que es un conjunto tecnologías basadas en un modelo de entrenamiento, y aquí es donde habréis oído hablar de Machine Learning y Deep Learning. Estas técnicas se usan para analizar datos, generar predicciones, procesar el lenguaje natural, etc. Google la denomina como la columna vertebral de la innovación de la computación moderna.
Tipos de inteligencia artificial
No hay duda de que la IA pretende que una máquina se comporte como un humano en el máximo grado, replicando sus capacidades. Sin embargo, queda mucho trabajo por hacer porque las máquinas no son emocionales y en su toma de decisiones no se ven involucradas éstas; dicho esto, ya se está trabajando para intentar que las máquinas involucren ciertas emociones, especialmente a modo de empatía con el humano con el que deberán interactuar.
Generalmente, hay 2 formas para clasificar la IA, pero la más aceptada es un sistema en el que existen 4 tipos de inteligencia artificial.
Máquinas reactivas
Su fin es emular la capacidad de la mente humana para responder a cuestiones, pero existe un gran problema: no pueden usar experiencias previas para usarlas en sus acciones, por lo que no pueden aprender.
Los primeros chatbots que veíamos en las tiendas y páginas web estaban basados en este tipo de máquinas reactivas: se preparaban respuestas predeterminadas a “X” preguntas, siendo útil cuando se preguntaba lo mismo por personas distintas. No queda duda de que esto requiere un trabajo inmenso a la hora de elaborar respuestas a las preguntas a fin de automatizarlas.
Esta IA no tiene nada de nuevo, ya que IBM la desarrolló con el famoso Deep Blue, que fue una máquina la cual venció a Garry Kasparov en una partida de ajedrez. Así que, este tipo de inteligencia artificial se ha quedado bastante obsoleto a lo que vemos hoy en día.
Memoria limitada
Las máquinas basadas en este tipo de IA sí que son capaces de aprender y se comportan como máquinas reactivas. La mayoría de IAs que veis en el mundo están basadas en este tipo, debido a que se entrenan con el famoso Big Data que almacenan en su memoria para crear su modelo de referencia. Luego, ese modelo de referencia se usa para resolver problemas.
Pongamos el ejemplo de Google Lens: la cámara del móvil reconoce en qué idioma está el letrero de la calle y lo traduce al idioma que quieres. Os pregunto, ¿cómo creéis qué sabe todo eso? Entrenándose con millones de imágenes con el fin de enseñarle qué traducir y a qué lengua de destino traducirla.
Los futuros vehículos autónomos tendrán esta IA implementada porque es la más idónea de cara a aprender un concepto y luego usarlo para predecir o para resolver situaciones. Pensad en el autopilot de Tesla y cómo previene accidentes (aunque haya casos aislados en los que ha fallado).
Debemos decir que en otra ocasión explicaremos qué es el Machine Learning y el Deep Learning, ya que son los modelos de entrenamiento que usan algoritmos para entrenar datos y obtener resultados. Deciros que éstos usan algoritmos para entrenar datos y obtener los resultados buscados.
Theory of Mind
Si os parece una "pasada" el tipo anterior, los que vienen ahora os van a asustar un poco. La IA “Teoría de la Mente” se postula como la que será capaz de comprender mejor los sentimientos, interactuando para ponderar en necesidades, emociones, creencias y pensamientos.
Se considera que este tipo de inteligencia artificial necesita de otras ramas de la IA para poder desarrollarse por completo, ¿por qué? Es necesario comprender las necesidades humanas y las máquinas tienen que percibir a los humanos como personas con mentes moldeables.
Autoconsciente
Probablemente no estemos vivos ninguno de los presentes hasta que este tipo de IA se desarrolle por completo. La novedad respecto a los otros tipos es que podrá comprender, evocar y tener emociones, necesidades, creencias y deseos propios.
Para quien haya visto Blade Runner, quizás, esto es lo más parecido a la figura del “Replicante”. Un Replicante no deja de ser un robot construido de forma súper semejante a un ser humano, el cual también tiene sentimientos y es realmente difícil diferenciarlo del verdaderamente humano.
Gran parte de la comunidad de científicos considera que esta tecnología no verá la luz porque requiere desarrollar la autoconciencia, siendo un juego bastante peligroso: o impulsa a la civilización o la destruye.
Modelos de entrenamiento de la inteligencia artificial
Como ya os hemos dicho, la mayoría de empresas hacen uso de IA de memoria limitada, la cual usa modelos de entrenamiento para entrenarse “a sí misma”.
Diremos que hay 3 modelos:
- Aprendizaje supervisado, el cual asigna una entrada específica a un resultado. Esto se hace posible con los datos estructurados, que son datos de entrenamiento con etiquetas. Siguiendo el ejemplo de Google Lens, para entrenar un algoritmo que reconozca letras en un idioma extranjero, se le “da de comer” con imágenes en distintos idiomas.
- Aprendizaje no supervisado, cuya diferencia radica en que el resultado no se conoce con anticipación. Esto quiere decir que aprende con patrones, en función de datos no estructurados; es el mismo algoritmo el que aprende de los datos y los clasifica.
- Aprendizaje por refuerzo, que sería el más humano de todos: la IA aprende según ensayo y error, recibiendo un refuerzo positivo cuando realiza la tarea correctamente, como un refuerzo negativo cuando la realiza mal. Esto se utiliza en robótica para enseñarle a un robot una conducta determinada (coger, presionar, mover algo, etc.).
ChatGPT y NVIDIA, los que más apuestan por la IA
Sabemos que NVIDIA, en lo que a su gama de GPUs GeForce se refiere, ha venido apostando por la inteligencia artificial desde 2018 con las RTX 3000. Fue con Turing cuando lanzaron al mercado del consumidor el famoso DLSS o Deep Learning Super Sampling.
Efectivamente, se trata de un tipo de inteligencia artificial de memoria limitada que hace uso del modelo de entrenamiento de Deep Learning, ¿para qué? El objetivo es renderizar frames a resoluciones más bajas y reescalarlas a la resolución a la que estamos jugando para que la GPU aumente de rendimiento porque le es más fácil renderizar un frame a 480p que a 720p, por ejemplo.
En su caso, cada frame “perfecto” se hace una pareja y se envía a la GPU para que entrene el DLSS con el fin de reconocer cada detalle y generar imágenes en gran calidad. Se entrena al modelo para que cree píxeles adicionales y evitar el uso de anti-aliasing para no cargar de trabajo a la GPU.
Por otro lado, tenemos a ChatGPT. Según OpenAI se utilizó el Reinforcement Learning from Human Feedback para entrenar a la inteligencia artificial, que no es más que el tipo de “aprendizaje de refuerzo” del que hemos hablado antes.
ChatGPT usa un tipo de algoritmo de Deep Learning que puede comprender y generar texto conforme los datos sobre los que fue entrenado. Así que, en efecto, ChatGPT utiliza inteligencia artificial de memoria limitada.
Esperamos que la explicación sobre esta tecnología tan revolucionaria (aunque exista hace años) haya logrado el entendimiento de todos los que nos leéis. No te olvides de seguirnos para no perderte ningún concepto o novedad tecnológica.