MACHINE LEARNING
1. DE QUÉ SE TRATA?
2. POR QUÉ SE CREÓ?
3. PARA QUÉ SIRVE?
4. POR QUÉ ES IMPORTANTE QUE UN INGENIERO INDUSTRIAL SEPA DEL TEMA?
5. QUÉ TIENE QUE VER CON LA PARTE ESTADÍSTICA?
6. EJEMPLOS
ANTECEDENTES DE LA INTELIGENCIA ARTIFICIAL
MOMENTOS CLAVE QUE HAN DADO FORMA A LA IA
Históricamente, la ia ha pasado por muchos momentos importantes que le han ido dando
la forma que ahora tiene. Los siguientes ocho son los más importantes:
ALAN TURING:
1928 Se interesa por el estudio de la mente humana a través de la física y mecánica
cuántica.
1929 Logró distinguirse en lógica y matemática.
1936 Premio por sus investigaciones en la teoría de probabilidad.
1939 Enigma era la máquina alemana que encriptaba mensajes durante la Segunda
Guerra Mundial. Y, Bombe fue creada en 1939 por Turing para poder desencriptar
dichos mensajes del ejército alemán y poder localizarlos, adelantándose a su estrategia.
Era una versión mejorada de un dispositivo diseñado en 1938 por el criptologista
polaco Marian Rejewski.
Bletchley Park era una base militar en la cual se interceptaban mensajes del ejército
nazi y se realizaba un ejercicio de traducción intersemiótica e interlingüística. La
utilización de esta práctica mediante el dispositivo de análisis criptográfico creado por
Turing permitió a los aliados tener una ventaja durante la Segunda Guerra Mundial. Allí
trabajaron diez mil personas: matemáticos, ingenieros, lingüistas, docentes
universitarios, oficinistas. Dos tercios de los trabajadores de Bletchley eran mujeres. El
trabajo realizado allí fue mantenido en secreto hasta 1970.
1. 1956. El proyecto de investigación de Dartmouth en Inteligencia Artificial, que tuvo
lugar en el verano, y donde se acuñó el nombre de un nuevo campo relacionado con el
quehacer de software habilidoso, como los humanos.
2. 1965. Joseph Weisenbaum, en el MIT, crea Eliza, el primer chatbot útil como
psicoterapeuta.
3. 1975. En Stanford se desarrolla META-DENDRAL, software útil para interpretar análisis
químicos, el cual es publicado en una revista.
4. 1987. Por primera vez una Van Mercedes, equipada con dos cámaras y varias
computadoras, navega sola en terreno alemán, unos 20 km a más de 55 mph, proyecto
dirigido por el ingeniero Ernst Dickmanns.
5. 1997. La computadora Deep Blue desarrollada por IBM derrota al campeón mundial de
ajedrez, Garry Kasparov.
7. 2012. Los investigadores encuentran un nicho en lo que se conoce como aprendizaje
profundo, lo que abre un interés muy fuerte en ia y muestra que sus ideas pueden hacer
más preciso el reconocimiento del habla y de las imágenes.
18. 2014. AlphaGo, creado por Google y DeepMind, derrota al campeón del mundo del
entonces muy difícil juego del Go.
¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?
La inteligencia artificial (IA) es la práctica que intenta aprender de la inteligencia de los humanos.
Pero, la inteligencia artificial es distinta a la inteligencia humana. La IA, puede llegar a ser muy
eficiente con un gran volumen de datos, puede aprender a decidir mejor que las personas en un
campo concreto. Además, carece de la complejidad, creatividad, la conciencia y la compasión
humana.
Económicamente es una oportunidad magnífica para cualquier aplicación industrial, puede
aumentar drásticamente la eficiencia, disminuir costes, aportar valor y revolucionar muchos
sectores. Es un momento magnifico para integrar la inteligencia artificial en las industrias, las
empresas y en las aplicaciones, de cierto modo es como el internet. Sin embargo, toda tecnología
suscita preocupaciones respecto a la privacidad, la seguridad, la brecha económica, el desempleo.
COMPONENTES DE ACCIÓN DE LA INTELIGENCIA ARTIFICIAL
Se habla de 2 términos: Machine Learning y Deep Learning.
Machine Learning: Subconjunto de Inteligencia Artificial donde las personas enseñan a las
máquinas para reconocer patrones basados en datos y hacer sus predicciones.
Observación: Sin aprendizaje automático, la IA se limitaría simplemente a ejecutar largas listas de
actividades, prácticamente como un diagrama de flujo. “Si X es verdadero, haz Y o de lo contrario
haz Z”. Y, el objetivo de este parte de la Inteligencia Artificia es poder implementar a los
ordenadores (computadora) la capacidad o lógica de resolver los problemas o situaciones de la
vida real sin que las tengan programadas explícitamente.
Deep Learning: Subconjunto del Machine Learning en el que la maquina es capaz de razonar y
sacar sus propias conclusiones aprendiendo por sí misma.
El Deep Learning piensa en ello como un aprendizaje automático con profundos conocimientos,
con profundas redes que procesan los datos de manera similar como lo haría el cerebro humano.
Esto permite que el ordenador que haya sido fabricado o clasificado como IA, pueda participar en
debates, resolución de problemas, toma de decisiones, etc.
La inteligencia artificial existe desde los años 50 y comprende distintos tipos de tecnología, desde
el estudio del cerebro humano y sus procesos cognitivos, hasta el uso de estadísticas y tecnología
avanzada para que pueda emular la capacidad humana de tomar decisiones, hacer predicciones,
clasificar de la forma más similar a la forma humana; prácticamente, es una disciplina enorme.
La única parte que ha funcionado ha sido el Machine Learning (aprendizaje automático) y dentro
de este el Deep Learning (aprendizaje profundo) es la tecnología más eficiente. Al aprendizaje
automático hay que enseñarle un gran volumen de datos y enseñarle la respuesta correcta para
que termine adivinándola mejor que nosotros.
Amazon, enseña a su inteligencia qué compra cada uno de los usuarios, para que aprenda qué
productos es más probable que compres y les muestre para aumentar sus ingresos.
Estas competencias se incorporan al aprendizaje automático, la entrada de datos y la salida de
decisiones, clasificaciones o predicciones.
El Deep Learning (aprendizaje profundo) es la tecnología más avanzada y emocionante dentro del
Machine Learning (aprendizaje automático), tan solo imaginen un sistema automático que
aprende de datos, podemos usar muchos algoritmos distintos. El aprendizaje profundo, utiliza una
red muy profunda basada en el cerebro humano, información muy profunda compuesta por miles
de capas, la información entra y las decisiones salen, y la profundidad de la red permite al
ordenador realizar abstracciones (detallar todo).
Para conceder un préstamo, un humano diría que toca basarse en la honradez, y la honradez
depende de nuestro historial de préstamos y gastos, pero también si parecemos de fiar o si
llevamos viviendo mucho tiempo en la misma casa. Pero, esos son rasgos particulares y el Deep
Learning no necesita aprender esas características, puesto que el programa decide qué
componentes hacen más fiable a un prestatario, también establece cuáles lo hacen menos, y luego
decide.
Podría decirse que el aprendizaje profundo parte de cero de la tabula “raza”, recibe la
información, pero no le enseñamos cómo pensar, no le ensañamos qué pensar, le decimos “Piensa
como haga falta para darme el resultado.
El resultado de Amazon, son las ventas.
El resultado de un banco, menos impagos.
El resultado del reconocimiento de voz, es una precisión excelente.
Así que, el aprendizaje automático, en general, se basa en grandes cantidades de datos para
clasificar, decidir, o predecir. Y, el aprendizaje profundo es un aprendizaje automático muy
especial que crea redes complejas y profundas. Por eso, contiene muchos datos y toma decisiones
más precisas que las personas. Gracias a esa cantidad ingente de datos, puede aprenderlo todo.
TIPOS DE INTELIGENCIA ARTIFICIAL
Inteligencia Artificial Débil: Tiene un campo aislado como el reconocimiento de voz, loa
prestamos, Amazon, es muy eficiente.
Inteligencia Artificial General: Consiste en alcanzar el potencial humano en cualquier aspecto.
Súper-inteligencia: Es demasiado potente que supera la inteligencia humana.
Casi todos pensamos que aplicaciones comerciales, dentro de un par de años, serán IA débil. En el
desarrollo de la inteligencia artificial, el aprendizaje profundo ha sido el mayor acontecimiento
significativo, ha sido un gran avance, nos ha llevado hasta la IA débil. Pero, para llegar a la general,
debemos alcanzar la capacidad de crear, el sentido común, la multidisciplinaria, la estrategia, la
planificación y, la comprensión de abstracciones, para tener fiabilidad, conciencia propia,
percepción y emociones.
LA INTELIGENCIA ARTIFICIAL EN LA INDUSTRIA
La razón de la Inteligencia Artificial es la fragmentación del trabajo de un área en específico,
algunas actividades se hacen más fáciles con inteligencia artificial. Pero, en la industria, la IA nos
ayuda a optimizar el consumo de energía mientras que la operación o proceso que se realice se
encuentra en ejecución. En dicho proceso, las maquinas pueden realizar controles de calidad,
pueden ejecutar ajustes necesarios, etc. Hoy en día, prácticamente la producción es más eficiente,
flexible y mayormente confiable.
Debemos reconocer que la empresa o industria digital ya se encuentra en nuestros alrededores, la
industria está cada vez más digitalizada. En un proceso si llegamos a implementar IA, los datos
serían generados, procesados y analizados continuamente. Por otro lado, los grandes volúmenes
de datos en la producción son la base de las representaciones digitales de plantas y sistemas
completas Esto prácticamente se realiza para la fortalecer, o prácticamente, estructurar la
planificación y el diseño de productos y las operaciones de producción. E inclusive, en la
maquinaria. Todo se realiza al mismo tiempo que fabrican productos personalizados de alta
calidad más rápido y podrían ser adquiridos a un menor coste.
Por ejemplo:
Las aplicaciones de inteligencia artificial ya se encuentran implementadas en actividades
industriales habituales como proporcionar asistentes virtuales en logística. El conglomerado de
empresas SIEMENS (dedicada a 4 sectores principales: el sector industrial, energético, salud y de
infraestructuras), tiene soluciones en su oferta en el área de servicio como el Mantenimiento
predictivo y otras aplicaciones para ingeniería y pruebas de calidad.
Mantenimiento Predictivo: Esto permite predecir el mejor momento posible para el
mantenimiento de los componentes de la máquina y de la planta. Hay muchas más posibilidades -
y pueden desempeñar un papel clave para ayudar a los operadores de máquinas y plantas a lograr
una productividad significativamente mayor. Prácticamente, la inteligencia artificial implementada
en una industria dedicada al sector de servicios, brinda soporte para la optimización continua del
proceso que mejora la eficiencia y disponibilidad de los equipos.
EL PAPEL DE LA INTELIGENCIA ARTIFICIAL EN LA INDUSTRIA 4.0
La Inteligencia Artificial es una tecnología que está siendo implementada fuertemente en los
puestos de trabajo de prácticamente todas las industrias. Así mismo, durante mucho tiempo se ha
presentado la automatización como algo malo que amenaza los puestos de trabajo, claramente
esto ha sido notorio durante la primer, segunda y tercera revolución industrial, por supuesto que
inclusive en la 4ta revolución, la cual es donde se ha presentado con mayor rigor.
La automatización de estas revoluciones, de nuestra vida cotidiana, impulsa a los trabajadores a
aprender nuevas habilidades para adaptarse a nuevas circunstancias. Hoy en día, la
automatización en la 4ta revolución, adjunta las tecnologías:
1. Internet de las Cosas (IoT) y sistemas ciberfisicos.
2. Minería y Analítica de Datos.
3. Simulaciones y fabricación aditiva (Impresiones 3D).
4. Realidad virtual y realidad aumentada.
5. Ciberseguridad.
La inteligencia Artificial otorga a la industria 4.0 máquinas reactivas con memoria, puesto que,
aprenden y toman decisiones con base a su experiencia.
La industria 4.0, es la aplicación de tecnologías digitales conectadas en toda la fábrica, empresa o
cadena de suministros con el fin de optimizar esas operaciones en tres dimensiones principales, la
cuales luego mencionaremos porque son nuestro fin, como que son, nuestro propósito al
implementar la inteligencia artificial en la industria.
La Inteligencia Artificial es solo un componente de la industria 4.0, mediante esta podemos
implementar sensores inteligentes de bajo costo, redes de comunicación inalámbricas,
almacenamiento y computación de big data para realizar el debido análisis (predictivo,
prescriptivo y visual).
1. Minimizar costos: Costos operativos, eficiencia, productividad, desperdicio, etc.
2. Maximizar el valor: Agilidad, flexibilidad, capacidad de respuesta, calidad del producto y
satisfacción del cliente.
3. Disminuir el riesgo: Volatilidad de la oferta y la demanda, riesgos de producción (fallas de
los equipos), y claramente los riesgos de calidad del producto.
Esto nos representa el Control Estadístico de procesos (SPC).
LA INTELIGENCIA ARTIFICIAL EN LA ESTADISTICA
En la actualidad, el ámbito de la extracción y análisis de información se encuentra apegada
a los grandes volúmenes de datos en las cuales se utiliza Inteligencia Artificial en muchos
campos de su aplicación. En esto conlleva mucho la minería de datos (Data Mining), la cual
incluye el Machine Learning y Deep Learning, puesto que, ofrece soluciones a problemas
planteados mediante integración algorítmica y automatización de procesos tratando de
optimizar su coste computacional.
La razón principal de que estos temas sean efectivamente los mismos es que cubren casi
exactamente el mismo material y usan casi exactamente las mismas técnicas. Además, las
estadísticas enfatizan la inferencia estadística formal, se refiere más que todo a los
intervalos de confianza, pruebas de hipótesis, estimadores óptimos, y va a problemas de
baja dimensión a comparación de la Inteligencia Artificial; en cuanto a la IA, pues se centra
más en realizar predicciones precisas de alta dimensión, es decir, se basa en grandes
conjuntos de datos.
Debemos tener algo muy claro, las estadísticas son invaluables en la investigación del
aprendizaje, así como también el Machine Learning es una rama de las estadísticas, es por
esto que aplicar un algoritmo a ciertos datos sin tener conocimientos, suele ser desastroso
puesto que, puede ser un algoritmo adecuado o no para los datos, antes de esto se debe
realizar el análisis, calificación y comprensión. Y, por parte del algoritmo, claramente se
debe comprender los sesgos o limitaciones y las interpretaciones de las salidas, porque
debemos tomar decisiones.
En conclusión, cada paso en un proyecto que se realice con Machine Learning requiere el
uso de un método estadístico, puede ser para comprender los datos en el modelo de
aprendizaje automático, como en la interpretación de los resultados obtenidos.
LA INTELIGENCIA ARTIFICIAL EN EL CONTROL ESTADISTICO DE PROCESOS
Normalmente, asociamos el Control Estadístico de Procesos (SPC) con gráficos de control,
pues estas son solo representaciones visuales. Pero, detrás de ellos existe un conjunto de
técnicas y algoritmos que analizan, monitorean y predicen el desempeño de un proceso o
característica de un producto.
El SPC, nos ayuda a identificar eficazmente tendencias anormales en tiempo real y
proporciona alarmas y notificaciones antes de que ocurra un problema. Ahora,
imaginemos este control estadístico en combinación con la inteligencia artificial, sería
completamente fascinante el control inteligente de una producción, evitaríamos
inmediatamente la producción de productos defectuosos, podríamos implementar el
escáner de calidad a profundidad para identificar las imperfecciones y así llegar a las 3
dimensiones principales de la Inteligencia artificial en la Industria 4.0.
Ahora, implementar la IA en múltiples procesos, instalaciones, cadenas de suministro
completas, haría que el Control Estadístico de Procesos proporcione a los fabricantes una
vista estandarizada en tiempo real, claramente que este se encontraría basado en
evidencias del desempeño de las operaciones en los que la IA intervenga.
El SPC debe funcionar con sensores de Internet de las cosas y controladores lógicos para la
toma de decisiones efectivas, estas pueden ser a corto, mediano o largo plazo.
El Control Estadístico de Procesos y la Inteligencia Artificial, son componentes críticos,
necesarios, obligatorios en una fábrica inteligente, o, lo que es hoy en día Industria 4.0.
¿POR QUÉ ES IMPORTANTE QUE UN INGENIERO INDUSTRIAL CONOZCA SOBRE LA
INTELIGENCIA ARTIFICIAL?
Fácil y sencillo, algunas aplicaciones de la Inteligencia Artificial en la Ingeniería Industrial están
altamente apegadas a la Investigación de Operaciones, mayormente por los temas de
programación lineal y procesos de optimización en calidad. Claramente, existen métodos para
realizar esto, puede implementarse a través de algoritmos, modelos de predicción, etc. E inclusive,
se puede aplicar al cómputo visual en la manufactura, pruebas de productos o también en
procesos de diseño y distribución de planta.
Por ejemplo:
Realizar una inspección a un microchip o algún producto fabricado en una planta, mediante la
Inteligencia Artificial podemos elaborar un sensor de profundidad, el cual analizará el microchip e
identificará los desperfectos de aquel producto. Si realizamos esta labor con presencia humana,
¿qué sucedería?, nuestro operador no tendrá un desempeño del 100% todo el día, mucho menos
en una labor un poco tediosa en la cual puedes adquirir un desgaste visual, forzar nuestra vista.
O, por ejemplo, los sensores de presencia en un área, podría ser en una planta de producción,
justamente para verificar si alguien ha quedado en aquel lugar.
Hoy en día encontramos muchos dispositivos que ya tienen implementada la Inteligencia Artificial
y que usamos en nuestra vida diaria, por ejemplo, nuestros celulares, eso es IA de clasificación
débil, pero a medida del tiempo quedará obsoleta porque ocurrirán nuevas innovaciones.
Pero, una pregunta fuerte en la industria es ¿cómo puede la IA ayudarnos?, debemos de tener
claro que los implementos con IA son de gran apoyo en los procesos industriales debido que
generan mayor rendimiento en el área en el que son usadas.
La Inteligencia Artificial es implementada en la industria a razón principal de gestionar de manera
independiente y en coordinación con otros tipos de herramientas pues podrían llamarse así,
diferentes procesos. El sistema debe ser capaz de tomar decisiones y adelantarse a posibles
eventos antes de que estos pasen, como en el caso del conglomerado de empresas Alemanas
SIEMENS, la cual implementa un mantenimiento predictivo.
¿Cómo puede ayudar la Inteligencia Artificial en mi labor diaria de profesor, por ejemplo, a mis
alumnos, o a mí?
Creo que puede ayudarte a corto plazo y a largo plazo.
Corto plazo: Descomponemos el trabajo del profesor, algunas tareas se hacen más fácilmente con
IA y otras solo puede hacerlas el profesor. La educación general implica componentes como clases,
deberes en clase, exámenes y tutorías estas son las cuatro áreas principales de la educación.
Lecciones en clase: Si se hacen bien, no deberían desaparecer, pues se pueden apoyar en cursos
de extensión o en conferencias de personas de prestigio.
Deberes: La inteligencia artificial puede personalizar las tareas de cada alumno al estudiar sus
capacidades individuales. Por ejemplo: Un alumno no sabe multiplicar y pasamos a la división,
claramente este alumno debería seguir practicando ejercicios de multiplicación, puesto que no
puedes aprender a dividir si no sabes multiplicar. Pero, quizá otro alumno vaya tan adelantado que
quieras avanzarle los deberes; todo esto puede basarse en la observación de los deberes, los
exámenes, las notas, las aptitudes, y aspiraciones, y también de otros aspectos que pueda
observar el profesor. Por eso, los deberes deberían ser personalizados. Por ejemplo:
Cuando entramos en Amazon, cada usuario logra ver una página; cuando estamos en Facebook,
cada usuario ve una página; la educación debería integrar esta optimización para obtener los
mejores resultados en cada niño. Por otro lado, podemos integrar la IA en sus deberes,
optimizando su comprensión en la asignatura ya sea en matemáticas o en inglés, puedes adiestrar
esta tecnología para que asigne a cada alumno el material educativo más adecuado. De esta
forma, el niño sacará la nota más alta en cada categoría. Está personalizado, esto es preciso tal y
como hacen Amazon y Facebook. En cuanto a los exámenes, también pueden estar
personalizados, condicionados, seleccionados, al igual que los deberes. Y, la puntuación de los
exámenes, en cuanto a los profesores creo que pierden demasiado tiempo calificando exámenes.
De hecho, en china, la IA en educación está muy avanzada, así que, los profesores ya no puntúan
exámenes. Claramente aún se hacen por escrito, pero luego se escanean y se convierten en textos
o formulas, inclusive en matemáticas y química. La IA entiende los problemas matemáticos
entiende los problemas matemáticos y las formulas químicas y puntúa automáticamente. ¿Por qué
perder el tiempo poniendo notas si puede hacerlo la inteligencia artificial? Lo único que deberían
revisar los profesores son las preguntas abiertas, redacciones más complejas, la IA pude hacer esto
y ahorrar tiempo a los profesores.
Tutorías: Se ha creado una compañía llamada VIPKid, está enseñando a 8.000 niños chinos a
hablar inglés con fluidez, esto funciona principalmente mediante video conferencias (educación a
distancia), es como UBER, conecta a los profesores estadounidenses con los alumnos chinos. Pero,
estamos viendo que, en clases particulares, por muy eficientes que sean con humanos, también
salen bastante bien con profesores generador virtualmente. Podemos crear un profesor de nivel
básico perfecto para el primer año, tras el primer año para practicar la conversación hará falta el
humano, pero podría disminuir los costes y hacerlo mejor que el humano. Como vemos, surgen
muchas oportunidades si descomponemos el trabajo del profesor en diferentes tareas, puesto que
algunas puede hacerlo mejor la IA, en otras, puede ayudar al profesor. Pero, además, si se integra
la inteligencia artificial en las aulas de hoy en día, el profesor podría ahorrar hasta un 40 o 50% de
su tiempo, y creería que ese tiempo debería implementarse en las relaciones interpersonales. Así,
podrá enfatizar en el aspecto moral, en los valores, en el trabajo en equipo, en la empatía, en la
creatividad de cada alumno, creo que es ese el futuro de la educación. Si nos paramos a pensar en
cómo ha evolucionado el sistema educativo, veremos que está muy atrasado en todo el mundo,
por ejemplo:
Comparemos nuestros medios de transporte con los de hace 100 años, hagamos una imagen
mental, imaginemos cómo nos trasladamos ahora: Coches, autopistas, trenes, Uber. Pero, hace
100 años, recién empezaron a aparecer los primeros coches. Pensemos cómo ha cambiado el
entretenimiento, pues tenemos YouTube, Netflix, videos, interactividad, influencers, películas
financiadas por Netflix; pero, hace 100 años, teníamos cine mudo en blanco y negro, ha cambiado
radicalmente. Es más, pensemos cómo ha cambiado el trabajo respecto hace 100 años,
imaginemos todo lo que hacemos a diario: El entretenimiento, la comunicación, la vida social, el
transporte y el trabajo, todo ha cambiado radicalmente, pero pensemos en cómo son las aulas,
exactamente iguales, continuamos teniendo un profesor que enseña de la misma manera a 20 o
50 niños sentados en sus pupitres, hasta el profesor es igual, el profesor continúa enseñando igual.
La tecnología lo ha revolucionado todo, cómo vivimos, jugamos, aprendemos, trabajamos, nos
comunicamos, pero no ha tenido gran impacto en la educación, y tenemos que empezar a
plantear a futuro. Necesitamos destrezas, la IA eliminará los empleos monótonos, pero casi todos
los países siguen educando a los niños y examinando con notas como si fuesen robots. Y, los niños
o los estudiantes, nunca superaran a la inteligencia artificial, nunca superaran a la inteligencia
artificial en memoria, estudio, conceptualización, test de respuestas múltiples, ecuaciones
matemáticas formulas químicas, o recordando historia, nunca ganaran en eso frente a la
inteligencia artificial. Estamos enseñando mal a los niños, la educación necesita ser reiniciada, la
educación para le futuro de los niños debería centrar en lo que necesitan los humanos, no
podemos enseñar a los niños a ser como la inteligencia artificial, debemos enseñar a los niños lo
que la inteligencia artificial no puede hacer.
Deberíamos centrarnos en las 3 C: Curiosidad, pensamiento crítico y creatividad. La educación
debería centrarse en el trabajo en equipo, la comunicación, la colaboración, y no es hacer deberes
y exámenes individualmente y en competir unos contra otros, ese es el camino equivocado. Ahora
lo importante en una empresa es el trabajo en equipo, la colaboración, la comunicación, eso es lo
que necesitamos enseñar, deben aprender amor, empatía, y cómo ganarse la confianza, esos son
valores añadidos, claramente necesitaran aprender conocimientos básicos: Matemáticas, lengua,
etc. Eso es solo la base, no es el pilar central a menos que cambiemos radicalmente la educación y
dejemos de entrenar a robots repetitivos para formar humanos empáticos y creativos, si no
cambiamos eso, el futuro será desolador. A la educación le cada un arduo camino por recorrer y es
uno de los sectores que más tarde en integrar la tecnología.
INTELIGENCIA ARTIFICIAL FUNCIONA ACTUALMENTE
La inteligencia artificial que funciona actualmente son el aprendizaje automático y el profundo, en
campos unidisciplinarios con gran cantidad de datos toman excelentes decisiones mejores incluso
que nosotros, pero carecen de rasgos humanos como la creatividad y los sentimientos. Creo que
explica los próximos 15 años, las aplicaciones de la inteligencia artificial desde el aprendizaje
automático hasta los negocios, la percepción o los vehículos autónomos.
Primer malentendido: Muchas personas malinterpretan la inteligencia artificial de distintas
formas; tenemos que entender que la inteligencia artificial es creativa, imaginativa, pero no
realista. Aún tardaremos mucho en alcanzar la sensibilidad, la creatividad y, la compasión de la
inteligencia general y la súper-inteligencia que vemos en la ciencia ficción, eso no lo crean.
Segundo malentendido: La inteligencia artificial aún tardará mucho en llegar y aún no se
encuentra en nuestro alrededor, deben saber que cada vez que entremos a una aplicación del
celular o una página web, entramos utilizando inteligencia artificial: Google, Amazon, Facebook y,
cualquier aplicación de alto contenido, puesto que aquellas y otras ya tienen inteligencia artificial.
La inteligencia artificial ya está aquí, se encuentra en muchas aplicaciones de negocios y en
internet.
Tercer malentendido: La ideología que la inteligencia artificial es mala debido que elimina trabajos
creando contenido falso, pues esta idea va aumentando. A aquellas personas se debería explicar la
inteligencia artificial se llevará los trabajos monótonos en 15 años, pero los humanos nunca han
deseado esos trabajos, el propósito es intentar ser mejores humanos. A la preocupación de los
problemas de privacidad, imparcialidad o seguridad, confió en que las personas conocen que la
inteligencia artificial siempre presenta problemas, pero con un poco de tiempo se podrán resolver
dichos problemas.
