Definición de Inteligencia artificial
La Inteligencia artificial es el campo científico de la informática que se centra en la creación de
programas y mecanismos que pueden mostrar comportamientos considerados inteligentes. En
otras palabras, la IA es el concepto según el cual “las máquinas piensan como seres humanos”.
Normalmente, un sistema de IA es capaz de analizar datos en grandes cantidades (big data),
identificar patrones y tendencias y, por lo tanto, formular predicciones de forma automática, con
rapidez y precisión. Para nosotros, lo importante es que la IA permite que nuestras experiencias
cotidianas sean más inteligentes. ¿Cómo? Al integrar análisis predictivos (hablaremos sobre esto
más adelante) y otras técnicas de IA en aplicaciones que utilizamos diariamente.
Siri funciona como un asistente personal, ya que utiliza procesamiento de lenguaje natural
Facebook y Google Fotos sugieren el etiquetado y agrupamiento de fotos con base en el
reconocimiento de imagen
Amazon ofrece recomendaciones de productos basadas en modelos de canasta de compra
Waze brinda información optimizada de tráfico y navegación en tiempo real
2. Breve historia de la Inteligencia artificial
La mayoría de nosotros tenemos un concepto de la Inteligencia artificial alimentado por las
películas de Hollywood. Exterminadores, robots con crisis existenciales y píldoras rojas y azules. De
hecho, la IA ha estado en nuestra imaginación y en nuestros laboratorios desde 1956, cuando un
grupo de científicos inició el proyecto de investigación “Inteligencia artificial” en Dartmouth
College en los Estados Unidos. El término se acuñó primero ahí y, desde entonces, hemos
presenciado una montaña rusa de avances (“¡Vaya! ¿Cómo sabe Amazon que quiero este libro?”),
así como frustraciones (“esta traducción es completamente errónea”).
Al inicio del proyecto, el objetivo era que la inteligencia humana pudiera ser descrita de forma tan
precisa que una máquina fuera capaz de simularla. Este concepto también fue conocido como “IA
genérica” y fue esta la idea que alimentó la (asombrosa) ficción que nos daría entretenimiento
ilimitado.
Sin embargo, la IA derivó en campos específicos. Con el paso del tiempo, la ciencia evolucionó
hacia áreas de conocimiento específicas, y fue entonces que la IA comenzó a generar resultados
significativos en nuestras vidas. Fue una combinación entre el reconocimiento de imagen, el
procesamiento de lenguaje, las redes neuronales y la mecánica automotriz lo que hizo posible un
vehículo autónomo. En ocasiones, el mercado se refiere a este tipo de avances como “IA débil”.
La siguiente tabla muestra algunos acontecimientos importantes en la historia de la Inteligencia
Artificial.
Año Acontecimiento
1842
Lovelace: máquina analítica programable
1950
Turing: la prueba de Turing
1956
McCarthy, Minsky, Rochester y Shannon celebran la primer conferencia sobre IA
1965
Weizenbaum: "ELIZA", el primer sistema especialista
1993
Horswill: "Polly" (robótica basada en el comportamiento)
2005
TiVo: tecnología de recomendaciones
2011
Apple, Google y Microsoft: aplicaciones móviles de recomendaciones
2013
Varios: avances tecnológicos en aprendizaje automático y profundo
2016
Google DeepMind: AlphaGo supera a Lee Sedol en el juego “Go”
3. Técnicas principales de la Inteligencia artificial
Ahora que ya conoce la definición de la IA y más de su historia, la mejor forma de profundizar en el
tema es conocer las principales técnicas de la IA, específicamente, los casos en los que la
Inteligencia artificial se utiliza para los negocios.
Aprendizaje automático
Generalmente, el concepto de Aprendizaje automático se confunde con el de “IA débil”. Es en este
campo en donde los avances más importantes de la IA se están llevando a cabo. En términos
prácticos, “el Aprendizaje automático es la ciencia que se encarga de hacer que las computadoras
realicen acciones sin necesidad de programación explícita”. La idea principal aquí es que se les
puede proporcionar datos a los algoritmos de Aprendizaje automático y luego usarlos para saber
cómo hacer predicciones o guiar decisiones.
Algunos ejemplos de algoritmos de Aprendizaje automático incluyen los siguientes: diagramas de
decisiones, algoritmos de agrupamiento, algoritmos genéticos, redes Bayesianas y Aprendizaje
profundo.
Aprendizaje profundo
¿Recuerda cuando Google anunció un algoritmo que encontraba videos de gatos en Youtube? (Si
desea refrescar su memoria haga clic aquí). Pues bien, esto es Aprendizaje profundo, una técnica
de Aprendizaje automático que utiliza redes neuronales (el concepto de que las neuronas se
pueden simular mediante unidades computacionales) para realizar tareas de clasificación (piense
en clasificar una imagen de un gato, de un perro o personas, por ejemplo).
Algunos ejemplos de aplicaciones prácticas del Aprendizaje profundo son las siguientes:
identificación de vehículos, peatones y placas de matrícula de vehículos autónomos,
reconocimiento de imagen, traducción y procesamiento de lenguaje natural.
Descubrimiento de datos inteligentes
Es el próximo paso en soluciones de IE (Inteligencia empresarial). La idea consiste en permitir la
automatización total del ciclo de la IE: la incorporación y preparación de datos, el análisis
predictivo y los patrones y la identificación de hipótesis. Este es un ejemplo interesante de la
recuperación de datos inteligentes en acción. La información que ninguna herramienta de IE había
descubierto.
Análisis predictivo
Piense en ese momento en el que está contratando un seguro para auto y el agente le hace una
serie de preguntas Estas preguntas están relacionadas a las variables que influyen en su riesgo.
Detrás de estas preguntas se encuentra un modelo predictivo que informa sobre la probabilidad
de que ocurra un accidente con base en su edad, código postal, género, marca de auto, etc. Es el
mismo principio que se emplea en los modelos predictivos de crédito para identificar a los buenos
y malos pagadores. Por lo tanto, el concepto principal de análisis predictivo (o modelado) significa
que se puede utilizar un número de variables (ingresos, código postal, edad, etc.) combinadas con
resultados (por ejemplo, buen o mal pagador) para generar un modelo que proporcione una
puntuación (un número entre 0 y 1) que representa la probabilidad de un evento (por ejemplo,
pago, migración de clientes, accidente, etc.).
Los casos de uso en los negocios son amplios: modelos de crédito, modelos de segmentación de
clientes (agrupamiento), modelos de probabilidad de compra y modelos de migración de clientes,
entre otros.
4. Ejemplos del uso de la Inteligencia artificial en los negocios
Inteligencia artificial para ventas
Audiencias predictivas
Optimización del tiempo de envío
MÁQUINAS REACTIVAS
Sin duda, el estadio más básico de la inteligencia artificial. Ni se almacenan recuerdos ni se utilizan
para la toma de decisiones. El gran exponente fue Deep Blue, la máquina que batió a Kasparov,
por entonces campeón del mundo de ajedrez. Su misión es simplemente actuar a partir de lo que
ven. Otro ejemplo es AlphaGo, perfecto para comprobar que el funcionamiento no tiene en
cuenta el historial de cada jugador, sino que las predicciones siempre funcionan de la misma
forma.
MÁQUINAS CON MEMORIA LIMITADA
La memoria limitada es un ejemplo de la inteligencia artificial de los coches autónomos, según el
autor. Los coches sí tienen un mundo sobre el que recordar aspectos como autovías o semáforos,
y a él añaden los detalles del momento presente, con datos sobre peatones o coches de alrededor.
De momento, tampoco se almacenan como recuerdos, aunque de cara al futuro podría ser útil en
una misma ciudad antes de alcanzar un nivel de inteligencia superior.
MÁQUINAS CON UNA TEORÍA DE LA MENTE
Este nivel comprende aquellas máquinas que son capaces de entender y expresar las emociones e
ideas que del mundo a la vez que son capaces de tenerlas propias, adaptadas al mundo y
respetando lo existente, pudiendo así trabajar en equipo y formar parte del día a día a día de los
seres humanos.
MÁQUINAS CON CONCIENCIA PROPIA
El nivel máximo, en el que las máquinas son capaces de verse a sí mismas con perspectiva en su
entorno, de manera interna y siento capaces de predecir comportamientos y sentimientos ajenos.
El sector está muy lejos de esto, la pregunta es cuándo llegará.
MÁS DE FUTURO
Qué hay detrás de Sophia, el supuesto robot humanoide más avanzado del mundo
Ahora la IA de Adobe Premiere puede adaptar vídeos a cualquier tamaño de pantalla
9 documentales de tecnología que puedes ver en Netflix
ZAO es la última aplicación de 'deepfakes' en llegar con una polémica de privacidad
Facebook ha creado una inteligencia artificial que puede entrenarse jugando 'Minecraft'
probar : Actuación procesal por la que las partes intentan acreditar los
hechos aducidos en demanda o contestación a demanda convenciendo al juzgador sobre la
veracidad de éstos. ... (Derecho Civil) En sentido lato, demostración de la realidad de un hecho o
de la existencia de un acto jurídico.
Entonces en resumidas cuentas los medios probatorios son:
El testimonio: que lo hacen personas que pudieron haber percibidos los hechos que se
discuten en un litigio.
El juramento
La declaración de parte: una de las partes es interrogada con una serie de preguntas
respecto al hecho que se discute.
El dictamen pericial: es un estudio que hace un experto en temas que el Juez no tiene
conocimiento, para aclarar los hechos al Juez.
La inspección judicial: es cuando el Juez se dirige personalmente al lugar de los hechos o
cuando se dirige al lugar que puede aportarle más pruebas para resolver un caso.
Los documentos
Los indicios: son definidos como señal de que posibilita saber si algo ocurrió.
Además de los medios probatorios antes mencionados, el artículo 175 del código de
procedimiento civil deja la puerta abierta para que cualquier otro medio probatorio que con el
avance de la ciencia surja sea permitido siempre y cuando cumpla la finalidad de darle claridad al
Juez sobre los hechos que se discuten.
Debido a la posibilidad antes mencionada, la prueba de ADN, es un medio probatorio
relativamente nuevo a través de la cual se puede comprobar la paternidad de una persona.
