A los humanos siempre nos fascinó nuestra capacidad para pensar. Tanto que dedicamos gran parte de ella a pensar en cómo funciona pensar.
El campo de la inteligencia artificial es el que se dedica a lograr que las computadoras puedan, hasta cierto punto, replicar la manera en que las personas pensamos y/o actuamos. Estos desarrollos se suelen enfocar en formas de razonar, de aprender y de solucionar problemas.
Todo el tiempo vemos en el cine y en las series representaciones de máquinas inteligentes, muchas veces en el futuro. Pero en realidad hay inteligencia artificial en muchas de las cosas que hacemos todos los días. Cuando elegimos una película para mirar, cuando buscamos una dirección en el mapa o cuando traducimos algo en internet. Esos son solo algunos ejemplos, pero hay muchos más.
El test de Turing
Una de las discusiones más antiguas en torno a las máquinas inteligentes es la de cómo podríamos darnos cuenta de que una máquina es inteligente. Y uno de los primeros experimentos mentales para evaluar esto fue propuesto por el matemático Alan Turing en los años 50.
Este test de Turing suponía una prueba de la capacidad de una máquina para exhibir un comportamiento inteligente similar al de un ser humano o indistinguible de este.
Cómo reconocer a una inteligencia artificial
Como la disciplina de las máquinas inteligentes cambia muy velozmente, es importante considerar algunas cuestiones para que podamos reconocer a una cuando nos la cruzamos.
Es importante que podamos hacerlo para poder entender qué impacto tienen las computadoras en nuestras vidas y qué influencia tienen en lo que hacemos.
Repasemos algunos temas importantes.
Las computadoras perciben al mundo con sensores
La capacidad de las computadoras para “ver” y “escuchar” lo suficientemente bien como para ser útiles es uno de los mayores avances de la inteligencia artificial.
Para lograrlo hubo que desarrollar intensivamente la capacidad de las máquinas para poder interpretar imágenes y lenguaje, ambos desafíos que involucran exhaustivos conocimiento específicos. Es en la ampliación de las limitaciones de estas capacidades que ahora se trabaja, por ejemplo para que una máquina pueda “entender” mejor una imagen o nuestras palabras cuando le hablamos o damos una indicación.
Las máquinas hacen modelos del mundo para poder tomar decisiones y razonar en él
La representación del mundo en términos simbólicos es uno de los principales desafíos de la inteligencia.
Las personas lo hacemos de una manera particular, que es lo que estudia la filosofía de la mente y las neurociencias, pero para que una máquina pueda “entender” el mundo real debe poder hacerlo en términos matemáticos.
Gran parte del campo de la inteligencia artificial se dedica a traducir cuestiones que suceden en el mundo a un lenguaje que la máquina pueda procesar.
Es importante entender este punto porque es en esta traducción que muchas cosas se pierden. Por ejemplo, cuando le enseñamos algo a una computadora siempre estaremos dejando cosas afuera. Esto no siempre es un problema pero muchas veces puede hacer que las decisiones que la máquina tome no sean del todo justas.
En pocas palabras, las máquinas nunca perciben directamente al mundo sino a una representación de él.
Las computadoras aprenden a partir de los datos
Uno de los mayores avances de la inteligencia artificial en las últimas décadas fue el aprendizaje automático o machine learning.
Este tipo de programas le permite a las computadoras incorporar información, tanto de parte de humanos como por su propia cuenta, para mejorar sus modelos del mundo.
Lo que esta hazaña desbloqueó fue la posibilidad de que las máquinas puedan mejorar su propio funcionamiento a medida que son enfrentadas a nuevos escenarios y opciones. Es por esto que una máquina entrenada para reconocer figuras en imágenes, como gatitos en nuestras fotos, será cada vez mejor a medida que le mostremos más imágenes y le indiquemos en cuáles se equivocó o cuáles no supo reconocer.
Lograr que las personas puedan interactuar con máquinas sin problemas es uno de los mayores desafíos
Lograr entender lo que las personas dicen es uno de los mayores desafíos para el desarrollo de inteligencia artificial.
Esto a veces implica no solo entender lo que se está diciendo sino también el contexto y predecir lo que se dirá a continuación. Es una habilidad que los humanos desarrollamos a lo largo de millones de años, pero los robots aún no dominan.
Esto supone, por ejemplo que un robot entienda los distintos sentidos que tiene una misma indicación según el contexto. Las limitaciones son tales que las máquinas rara vez logran discernir si estamos pidiendo que reproduzcan una canción o un álbum del mismo nombre, una película o lo que fuera.
Esta tarea muchas veces incluso debe extenderse para entender qué tan literal es lo que se está diciendo o con qué tono se dice. Las personas muchas veces decimos cosas cuyo sentido literal no coincide con el sentido metafórico o tiene un significado completamente opuesto.
La inteligencia artificial puede tener un impacto en la sociedad tanto positivo como negativo
Hay dos preguntas fundamentales al momento de desarrollar o incorporar inteligencia artificial: ¿Para qué deberíamos usarla? ¿Cuáles deberían ser los criterios para discernir si un sistema de inteligencia artificial será bueno o malo para la sociedad?
Cuando se diseñan máquinas cuyas decisiones pueden afectar profundamente la vida de las personas —como el acceso a un crédito o el ingreso a la universidad— debe prestarse atención a la transparencia y la imparcialidad.
Esto requiere de prestar atención a los datos que son servidos a la máquina, el modo en que esta toma decisiones sobre ellos y qué tan cuidadoso es el monitoreo de estas decisiones por parte de humanos que puedan juzgar si se está cometiendo una injusticia.
¿Las máquinas van a dominar el mundo?
Es importante tener presente que gran parte de lo que se dice sobre inteligencia artificial está equivocado.
Cuando escuchemos acerca de máquinas que vienen a quitarnos los trabajos o que desarrollarán superinteligencia superior a la humana, está bien sospechar y pedir que se nos muestre evidencia.
En este episodio de un podcast discutimos acerca de algunos de estos mitos.