¿Qué es la inteligencia artificial? Una guía sin exageraciones

La inteligencia artificial pasó en pocos años de ser tema de investigadores a aparecer en cada producto, titular y reunión. Con tanto ruido es fácil confundirse: ¿qué es exactamente IA?, ¿en qué se diferencia del aprendizaje automático?, ¿de verdad "piensa"?

Una definición práctica

La inteligencia artificial es el campo de la informática que busca construir sistemas capaces de realizar tareas que normalmente requieren inteligencia humana: percibir, razonar, aprender, comunicarse o tomar decisiones. El término se acuñó en 1956, en una conferencia en Dartmouth. Desde entonces el campo ha pasado por épocas de entusiasmo y de desencanto (los llamados "inviernos de la IA"). Hoy vivimos una de las épocas de mayor avance.

Las capas: IA, aprendizaje automático y aprendizaje profundo

Los términos se usan como sinónimos, pero son círculos concéntricos:

| Término | Qué es | Ejemplo | |---|---|---| | Inteligencia artificial | El campo general | Un sistema experto con reglas, un asistente, un robot | | Aprendizaje automático (ML) | Sistemas que aprenden patrones a partir de datos en lugar de seguir reglas programadas a mano | Un filtro de correo no deseado que mejora con ejemplos | | Aprendizaje profundo (deep learning) | ML con redes neuronales de muchas capas | Reconocimiento de imágenes, modelos de lenguaje | | IA generativa | Modelos que producen contenido nuevo: texto, imágenes, audio, código | Asistentes conversacionales, generadores de imágenes |

Cómo aprende una máquina

En la programación tradicional escribes las reglas: "si el correo contiene esta palabra, es spam". En el aprendizaje automático le das ejemplos (miles de correos etiquetados) y el sistema descubre por sí mismo qué patrones distinguen unos de otros. Los grandes tipos de aprendizaje:

• Supervisado: aprende con ejemplos etiquetados (esta imagen es un gato). Es el más común.
• No supervisado: encuentra estructura en datos sin etiquetas (agrupar clientes similares).
• Por refuerzo: aprende por ensayo y error, recibiendo recompensas (un agente que aprende a jugar).
• Autosupervisado: aprende a predecir partes ocultas de los propios datos; es la base de los modelos de lenguaje actuales.

Los ingredientes del avance reciente

Tres factores se combinaron:

1. Datos masivos: internet generó enormes cantidades de texto, imágenes y otros datos.
2. Poder de cómputo: las tarjetas gráficas (GPU) y chips especializados permiten entrenar modelos enormes.
3. Mejores algoritmos: arquitecturas como los transformers, de 2017, que escalan muy bien.

Dónde ya está en tu vida

• Recomendaciones de series, música y compras.
• Reconocimiento de voz y traducción.
• Filtros de spam y detección de fraude.
• Cámaras que mejoran fotos y reconocen rostros u objetos.
• Navegación con predicción de tráfico.
• Asistentes conversacionales y generación de texto e imágenes.
• Diagnóstico asistido en salud, como apoyo a especialistas.

Lo que la IA actual hace bien

• Reconocer patrones en grandes volúmenes de datos.
• Procesar y generar lenguaje natural con fluidez.
• Clasificar, resumir, traducir y extraer información.
• Automatizar tareas repetitivas y bien definidas.
• Acelerar el trabajo creativo y de análisis cuando se combina con supervisión humana.

Sus límites

Es importante ser realistas:

• No "entiende" como una persona. Detecta patrones estadísticos; que parezca comprender no significa que lo haga igual que nosotros.
• Puede equivocarse con seguridad. Los modelos generativos pueden producir información falsa que suena creíble.
• Hereda los sesgos de sus datos, lo que puede perpetuar desigualdades.
• Necesita datos de calidad. Datos pobres producen resultados pobres.
• Es frágil fuera de lo que vio. Ante situaciones muy distintas a las de su entrenamiento, puede fallar de formas inesperadas.
• Consume recursos: entrenar y ejecutar modelos grandes cuesta energía y dinero.

IA estrecha y general

Todo lo que existe hoy es IA estrecha: sistemas que hacen bien tareas concretas, aunque algunos muy versátiles. La inteligencia artificial general (AGI), un sistema con capacidad comparable a la humana en cualquier área, es un objetivo de investigación sin consenso sobre si llegará, cuándo ni cómo. Desconfía de quien dé fechas con mucha seguridad.

Consideraciones éticas y de uso responsable

• Privacidad: ¿qué datos se usan y con qué consentimiento?
• Sesgo y equidad: ¿el sistema trata de forma justa a distintos grupos?
• Transparencia: ¿se puede explicar cómo llegó a una decisión?
• Responsabilidad: ¿quién responde cuando falla?
• Supervisión humana en decisiones de alto impacto.
• Propiedad intelectual y derechos de autor en datos de entrenamiento y contenido generado.

Varios marcos regulatorios y de buenas prácticas están en desarrollo en distintos países; conviene informarse sobre los que apliquen en tu sector.

Para finalizar

La IA es un conjunto de técnicas, no una mente. Su valor real aparece cuando la usamos con objetivos claros, buenos datos y supervisión, entendiendo tanto sus capacidades como sus límites. Sin exageraciones ni miedo, la mejor postura es la curiosidad crítica: aprender cómo funciona, probarla en tareas concretas y juzgar sus resultados. En los siguientes artículos de esta serie voy más al detalle: agentes, uso en programación y automatización de tareas.