Experiencias de IA que no te deberías perder

"A veces hay que respetar la intención del otro, independientemente de lo que en verdad piense o sienta. A veces un individuo tiene derecho a que crean en su palabra. La caza de mentiras viola la privacidad, el derecho que cada cual tiene a conservar sus pensamientos y sentimientos para sí. Si bien hay situaciones que justifican la caza de mentiras (investigaciones de delitos, adquisición de un nuevo automóvil, negociación de un contrato internacional, etc. ), en otros campos la gente presupone válido a mantener para sí, si lo desea, sus pensamientos y sentimientos, y a esperar que los demás acepten lo que elige manifestarles". "Cómo detectar mentiras" (1985), Paul Ekman

El Origen

El nacimiento de la IA como campo de estudio puede remontarse a los juegos de guerra de la Segunda Guerra Mundial y los esfuerzos de matemáticos como Alan Turing. Turing es conocido por su trabajo en la creación de la Máquina de Turing, un modelo conceptual que sentó las bases de la computación moderna.

Durante la guerra, Turing fue responsable de desarrollar una máquina capaz de descifrar el código Enigma utilizado por los nazis para encriptar sus comunicaciones. Esta máquina, conocida como Bombe, fue un hito en la automatización del análisis de datos, lo que permitió simular procesos lógicos y allanó el camino para lo que más tarde se conocería como IA.

En 1950, Turing introdujo el famoso Test de Turing, un experimento que propone evaluar la capacidad de una máquina para exhibir un comportamiento inteligente similar al humano, un concepto central en los estudios de IA hasta hoy.

Sistemas Expertos - El invierno de la IA

El optimismo inicial en torno a la IA condujo al desarrollo de sistemas expertos, programas que podían simular el razonamiento humano en áreas específicas, como la medicina o la ingeniería. Un ejemplo es MYCIN, un sistema que ayudaba a diagnosticar infecciones bacterianas y recomendaba tratamientos. Los sistemas expertos mostraron el potencial práctico de la IA en campos profesionales.

La falta de poder de procesamiento y las limitaciones de las técnicas existentes condujeron a lo que se conoce como el "invierno de la IA", un período de estancamiento en la financiación y el desarrollo del campo debido a los resultados inferiores a las expectativas. Las redes neuronales también cayeron en desuso temporalmente debido a limitaciones matemáticas.

El renacimiento

La resurrección de la IA vino de la mano de avances en el campo del aprendizaje automático (machine learning) y la aparición de mejores infraestructuras computacionales. Los algoritmos de IA pasaron de depender de reglas explícitas a aprender de datos, un enfoque que transformó el campo. Herramientas como los árboles de decisión y las máquinas de soporte vectorial permitieron que las máquinas aprendieran patrones complejos a partir de grandes volúmenes de datos.

La derrota del campeón mundial de ajedrez Garry Kasparov en 1997 ante deep blue, demostró que los sistemas de IA podían vencer a los humanos en juegos de estrategia.

NVidia y las GPU

El renacimiento de las redes neuronales llegó con el auge de las redes neuronales profundas (deep learning), facilitadas por la disponibilidad de grandes cantidades de datos y potentes procesadores gráficos (GPUs) que permitieron entrenar modelos de manera eficiente. Geoffrey Hinton, Yann LeCun, y Yoshua Bengio lideraron el renacimiento de las redes neuronales con el desarrollo de técnicas avanzadas de aprendizaje profundo.

En 2012, un modelo de red neuronal profunda llamado AlexNet ganó la competencia de reconocimiento de imágenes ImageNet, lo que consolidó el enfoque de deep learning como el estado del arte en visión por computadora.

Siri, Alexa, y Google Assistant, la conducción autónoma y robots de IA en diversas industrias. En 2016, el sistema de inteligencia artificial AlphaGo de Google DeepMind venció a un campeón mundial en el complejo juego de Go, un hito que se consideraba difícil para las máquinas debido a la naturaleza estratégica del juego.

El presente de la IA

Cuando probé el último ChatGPT, me estalló la cabeza. Había probado modelos anteriores y supe que esta vez sí, la IA va a inundarlo todo. Podemos negarlo, regular (como hace la UE) o simplemente adaptarla a nuestro trabajo para mejorar nuestra productividad, pero no se puede uno dejar que la ola nos pase por encima.

Actualmente, el desarrollo de la IA abarca procesamiento del lenguaje natural, modelos generativos (ChatGPT y DALL·E), y aprendizaje por refuerzo en entornos complejos. Las redes neuronales convolucionales (CNN) para el análisis de imágenes y las redes neuronales recurrentes (RNN) para el procesamiento de secuencias están revolucionando el análisis de datos, visión por computadora y muchas otras áreas.

Además, las plataformas de machine learning como TensorFlow y PyTorch han hecho que los desarrollos de IA sean accesibles para un mayor número de investigadores y desarrolladores, lo que está impulsando su adopción y evolución continua.

Esta ola no te la puedes perder.