UNIVERSIDAD FRANCISCO DE PAULA SANTANDER

HUMANIDADES
Mg. E. Audrey Sánchez.

INTELIGENCIA ARTIFICIAL: DEFINICIÓN, HISTORIA, USOS,

PELIGROS

La inteligencia artificial va a cambiar el mundo, pero todavía sigue siendo un misterio para
mucha gente. Descubre todo lo que tienes que saber sobre la IA en este dosier : definición,
funcionamiento, historia, diferentes categorías, casos prácticos y aplicaciones.

La inteligencia artificial es una tecnología tan amplia y revolucionaria que es difícil dar una
definición precisa. Puede considerarse una rama del campo de la informática, cuyo objetivo es crear
máquinas capaces de realizar tareas que tradicionalmente requerían inteligencia humana.

Sin embargo, la IA es una ciencia interdisciplinaria con múltiples enfoques. Hoy en día, el Machine
Learning (aprendizaje automático) y el Deep Learning (aprendizaje profundo) son dos técnicas
utilizadas en empresas de todos los sectores.

¿Qué es la inteligencia artificial?

En 1950, el matemático Alan Turing se hizo una pregunta: «¿Pueden pensar las máquinas?». De
hecho, esta simple pregunta transformaría el mundo.

El artículo de Alan Turing «Computing Machinery and Intelligence» y el consiguiente «Test de

Turing» sentaron las bases de la inteligencia artificial, su visión y sus objetivos.
De hecho, la inteligencia artificial pretende responder afirmativamente a la pregunta de Alan
Turing. Su objetivo es replicar o simular la inteligencia humana en las máquinas.

Se trata de un objetivo ambicioso, que también plantea muchos interrogantes y suscita el debate.
Por ello, aún no existe una definición única de inteligencia artificial.

La descripción de «máquinas inteligentes» no explica qué es realmente la inteligencia artificial

ni qué hace que una máquina sea inteligente. En un intento de remediar este problema, Stuart
Russell y Peter Norvig publicaron el libro «Artificial Intelligence: A Modern Approach».

En ese libro, los dos expertos unifican sus trabajos sobre el tema de los agentes inteligentes en las
máquinas. Según ellos, «la IA es el estudio de los agentes que reciben percepciones del entorno y
realizan acciones».

En su opinión, cuatro enfoques distintos han definido históricamente el campo de la inteligencia

artificial: el pensamiento humano, el pensamiento racional, la acción humana y la acción racional.

Los dos primeros enfoques se refieren al razonamiento y al procesamiento del pensamiento,

mientras que los otros dos se refieren al comportamiento. En su libro, Norvig y Russell se centran
principalmente en los agentes racionales capaces de actuar para conseguir el mejor resultado.

Por su parte, Patrick Winston, profesor de inteligencia artificial del MIT, define la IA
como «algoritmos activados por restricciones, expuestos por representaciones que soportan
modelos que vinculan el pensamiento, la percepción y la acción».

Otra definición moderna describe la IA como «máquinas que responden a simulaciones como los
humanos, con capacidad de contemplación, juicio e intención». Estos sistemas son capaces de
«tomar decisiones que normalmente requieren un nivel humano de conocimiento». Tienen tres
cualidades que constituyen la esencia de la inteligencia artificial: intencionalidad, inteligencia y
adaptabilidad.

Estas diferentes definiciones pueden parecer abstractas y complejas. Sin embargo, ayudan a
establecer la inteligencia artificial como una ciencia informática.

En 2017, durante la Japan AI Experience, el CEO de DataRobot, Jeremy Achin, dio su propia
definición moderna y con un toque de humor de la IA : «La inteligencia artificial es un sistema
informático capaz de realizar tareas que normalmente requieren inteligencia humana… muchos de
estos sistemas de IA se basan en el Machine Learning, otros en el Deep Learning y otros en cosas
muy aburridas como las reglas«.

IA especializada vs. IA general

Hay dos categorías principales de inteligencia artificial. La inteligencia artificial de tipo
«narrow» (estrecha), también conocida como «weak» (débil), solo puede funcionar en un contexto
limitado. Suele centrarse en la realización de una única tarea, que es capaz de hacer perfectamente.

Sin embargo, aunque esa máquina pueda parecer inteligente, es mucho más limitada que la
inteligencia humana. No es más que una imitación de esta.
Algunos ejemplos son el motor de búsqueda web de Google, el software de reconocimiento de
imágenes, los asistentes virtuales como Siri de Apple o Alexa de Amazon, los vehículos autónomos
o el software como Watson de IBM.

En cambio, la segunda categoría es la inteligencia artificial «general». Esa IA es similar a las que
se ven en las películas y libros de ciencia ficción.

Es una máquina dotada de una inteligencia artificial general, comparable a la de un ser humano y
capaz de resolver cualquier tipo de problema. Un algoritmo universal, capaz de aprender y actuar en
cualquier entorno.

Sin embargo, en realidad, este tipo de IA aún no existe. Ninguna tecnología está lo
suficientemente avanzada hasta la fecha como para competir con el cerebro humano.

Por ese motivo, la creación de la IA general sigue siendo, por el momento, el «Santo Grial» de
los investigadores de IA. Es una búsqueda ambiciosa, pero llena de obstáculos. A pesar de los
avances técnicos, sigue siendo muy difícil diseñar una máquina con plenas capacidades cognitivas.

Machine Learning y Deep Learning

El Machine (aprendizaje automático) y el Deep Learning (aprendizaje profundo) son las dos
técnicas principales de inteligencia artificial que se utilizan en la actualidad. La distinción entre IA,
ML y DL puede prestarse a confusión.

En realidad, la inteligencia artificial puede definirse como una serie de algoritmos y técnicas que
pretenden imitar la inteligencia humana. El Machine Learning es una categoría de IA, y el Deep
Learning es una técnica de Machine Learning.

El Machine Learning es el proceso de alimentar un ordenador con datos. La máquina utiliza

técnicas de análisis sobre estos datos para «aprender» a realizar una tarea.

Para conseguirlo, no necesita ninguna programación específica con millones de líneas de código.
Por eso se denomina aprendizaje «automático».

El Machine Learning puede ser «supervisado» o «no supervisado». El aprendizaje supervisado se

basa en series de datos etiquetados, mientras que el aprendizaje no supervisado se basa en series de
datos no etiquetados.

El Deep Learning es un tipo de Machine Learning directamente inspirado en la arquitectura de las

neuronas del cerebro humano. Una red neuronal artificial está compuesta por múltiples capas, a
través de las cuales se procesan los datos. Esto es lo que permite que la máquina «profundice» en su
aprendizaje, identificando conexiones y alterando los datos introducidos para conseguir los mejores
resultados.

Aplicaciones y casos prácticos de la inteligencia artificial

La inteligencia artificial tiene muchos propósitos, como el aprendizaje, el razonamiento y la
percepción. Se utiliza en todos los sectores, hasta el punto en que las aplicaciones son infinitas e
imposibles de enumerar con exhaustividad.
En el ámbito de la salud, se utiliza para desarrollar tratamientos personalizados, descubrir nuevos
fármacos o analizar imágenes médicas como radiografías y resonancias magnéticas. Los asistentes
virtuales también pueden ayudar a los pacientes y recordarles que se tomen sus pastillas o que
hagan ejercicio para mantenerse en forma.

El sector del comercio minorista está utilizando la IA para ofrecer recomendaciones y publicidad
personalizadas a los clientes. También puede utilizarse para optimizar la disposición de los
productos o gestionar mejor el inventario.

En las fábricas, la inteligencia artificial analiza los datos de los equipos IoT para predecir la carga y
la demanda mediante Deep Learning. También puede anticiparse a posibles fallos de
funcionamiento e intervenir en una fase temprana.

Los bancos, por su parte, están utilizando la IA para prevenir y detectar el fraude. La tecnología
también puede utilizarse para comprobar si un cliente podrá pagar el crédito que solicita y para
automatizar las tareas de gestión de datos.

Estos son solo algunos ejemplos de sectores que utilizan la inteligencia artificial. Como puede
verse, esta revolucionaria tecnología está llamada a revolucionar todos los sectores de
actividad en los próximos años.

La historia de la inteligencia artificial

La historia de la inteligencia artificial comenzó en 1943 con la publicación del artículo «A Logical
Calculus of Ideas Immanent in Nervous Activity» de Warren McCullough y Walter Pitts. En ese
trabajo, los científicos presentaron el primer modelo matemático para la creación de una red
neuronal.

El primer ordenador de red neuronal, Snarc, fue creado en 1950 por dos alumnos de Harvard:
Marvin Minsky y Dean Edmonds. Ese mismo año, Alan Turing publicó el Test de Turing, que
todavía se utiliza hoy para valorar las IA.

En 1952, Arthur Samuel creó un software capaz de aprender a jugar al ajedrez de forma
autónoma. El término inteligencia artificial fue utilizado por primera vez en la conferencia
«Dartmouth Summer Research Project on Artificial Intelligence» de John McCarthy en 1956.

En ese acto, los investigadores presentaron los objetivos y la visión de la IA. Muchos consideran
esta conferencia como el verdadero nacimiento de la inteligencia artificial, tal y como se conoce
hoy en día.

En 1959, Arthur Samuel acuñó el término Machine Learning mientras trabajaba en IBM. Por su
parte, John McCarthy y Marvin Minsky fundaron el MIT Artificial Intelligence Project. En 1963,
John McCarthy también creó el «AI Lab» en la Universidad de Stanford.

En los siguientes años, se cernieron dudas sobre el campo de la IA. En 1966, el informe
estadounidense ALPAC puso de manifiesto la falta de avances en la investigación de la traducción
automática destinada a traducir simultáneamente la lengua rusa en el contexto de la Guerra Fría.
Muchos proyectos financiados por el gobierno estadounidense fueron cancelados.

Del mismo modo, en 1973, el gobierno británico publicó su informe «Lighthill» en el que destacaba
las decepciones de la investigación en IA. Una vez más, los proyectos de investigación fueron
reducidos por los recortes presupuestarios. Este periodo de duda duró hasta 1980, y ahora se
denomina el «primer invierno de la IA«.

Ese invierno terminó con la creación de R1 (XCON) por parte de Digital Equipment Corporations.
Este sistema comercial experto está diseñado para configurar los pedidos de nuevos sistemas
informáticos, y provocó un auténtico auge de las inversiones que se prolongó durante más de una
década.

Japón y Estados Unidos hicieron grandes inversiones en la investigación de la IA. Las empresas se
gastaron más de mil millones de dólares al año en sistemas expertos y el sector no paraba de
crecer.

Desgraciadamente, el mercado de las máquinas “Lisp” se desplomó en 1987 al surgir alternativas

más baratas. Este fue el «segundo invierno de la IA». Las empresas perdieron el interés por los
sistemas expertos. Los gobiernos de Estados Unidos y Japón abandonaron sus proyectos de
investigación y se gastaron miles de millones de dólares para nada.

Diez años después, en 1997, la historia de la IA estuvo marcada por un acontecimiento importante.
La IA Deep Blue de IBM triunfó sobre el campeón mundial de ajedrez Gary Kasparov. Por primera
vez, el hombre fue derrotado por la máquina.

Diez años después, los avances tecnológicos permitieron el resurgimiento de la inteligencia

artificial. En 2008, Google hizo grandes avances en el reconocimiento de voz y lanzó esa función
en sus aplicaciones para smartphones.

En 2012, Andrew Ng alimentó una red neuronal con 10 millones de vídeos de YouTube como
serie de datos de entrenamiento. Gracias al Deep Learning, esta red neuronal aprendió a reconocer
un gato sin que se le enseñara lo que es un gato. Este fue el inicio de una nueva era para Deep
Learning.

En 2016 se produjo otra victoria de la IA sobre el ser humano, con el triunfo del sistema
AlphaGo de Google DeepMind sobre Lee Sedol, el campeón de Go. La inteligencia artificial
también conquistó el campo de los videojuegos, especialmente con DeepMind AlphaStar en
Starcraft u OpenAI Five en Dota 2.

Actualmente, empresas de todos los sectores utilizan el Deep Learning y el Machine Learning para
infinidad de aplicaciones. La IA no deja de avanzar y sorprender con su rendimiento. El sueño de la
inteligencia artificial general se acerca cada vez más a la realidad.

Los peligros de la inteligencia artificial

La inteligencia artificial ofrece muchas promesas para la humanidad, pero también podría
representar una amenaza más peligrosa que la bomba nuclear.

Con su capacidad de aprender y evolucionar de forma autónoma, la IA podría superar algún día la
inteligencia humana. Entonces podría decidir volverse contra sus creadores.

Este oscuro presagio puede parecer sacado directamente de una película de ciencia ficción, pero es
una posibilidad muy real. Destacados expertos como Stephen Hawking, Elon Musk o Bill Gates ya
han dado la voz de alarma sobre la inteligencia artificial.
Según ellos, la IA representa un riesgo inminente e inevitable en los próximos años. Por eso piden a
los gobiernos que regulen este campo para que se desarrolle de forma ética y segura. Más de un
centenar expertos ha pedido también a Naciones Unidas que prohíba los «robots asesinos» y otras
armas militares autónomas.

Sin embargo, otros expertos creen que el futuro de la inteligencia artificial depende únicamente de
cómo decidan utilizarla los humanos. Incluso una IA aparentemente inofensiva podría manipularse
y utilizarse de forma malintencionada. Ya podemos verlo con el incremento de los «DeepFakes»:
vídeos falsos creados mediante Deep Learning para mostrar a una persona en una situación
comprometida.

La inteligencia artificial seguirá desarrollándose a gran velocidad en los próximos años. La

humanidad es quien debe decidir qué dirección tomará su desarrollo.

Ya sabes todo lo que hay que saber sobre inteligencia artificial. Descubre ahora nuestro completo
dosier sobre Data Science, y echa un vistazo más de cerca al Machine Learning.

BIBLIOGRAFIA

https://datascientest.com/es/inteligencia-artificial-definicion