Asi ha sido…

BREVE RESEÑA HISTORICA DE LA IA

Aunque hay referencias de la antigua Grecia, que nos hablan de Autómatas^[1] y, en el siglo XIX, la creadora del primer algoritmo destinado a ser procesado por una máquina –en otras palabras, el primer programa informático– fue la matemática Ada Byron (Lovelace)^[2]. No fue hasta la década de 1950, después de la II Guerra Mundial, cuando un puñado de investigadores y científicos visionarios empezaron a imaginar la posibilidad de crear máquinas capaces de imitar la inteligencia humana, construyendo de esta forma los cimientos de la actual IA. (https://www.jorgeacapote.com/limites-de-la-ia/)

En la década de los años 50 del siglo XX, apareció el término “capacidad para aprender de forma autónoma y resolver problemas considerados complejos” que con el tiempo asociamos a la “inteligencia artificial” para describir esta nueva y prometedora capacidad de las máquinas. Fueron los trabajos de Alan Turing, matemático británico, los que abren una nueva disciplina de las ciencias de la información^[3].

El sello o marca de IA, se considera surgió de la Convención de Darmouth (New Hampshire, EE. UU.), en la que participaron figuras legendarias de la informática como John McCarthy, Marvin Minsky, Claude Shannon, Herbert Simon y Allen Newell, todos ellos ganadores del premio Turing, el más prestigioso en computación.

La inteligencia artificial ha evolucionado mucho más allá de simples programas que realizan tareas predecibles. Uno de los avances más intrigantes y cautivadores de la IA es su capacidad para crear, imaginar y generar contenidos originales. Esta fascinante faceta se conoce como «IA generativa«.^[4]

La IA generativa (https://es.wikipedia.org/wiki/Inteligencia_artificial_generativa) abre nuevas perspectivas en la innovación, el arte, el entretenimiento e incluso en la resolución de problemas complejos. Se basa en redes neuronales de aprendizaje profundo, como las redes generativas antagónicas GAN (Generative Adversarial Networks) y los Transformers. Estas redes se entrenan con enormes volúmenes de datos y, una vez entrenadas, pueden generar datos nuevos y originales que se parezcan a aquellos con los que se entrenaron.

Aunque hay varias formas de clasificarle, actualmente por su nivel de inteligencia se clasifica la IA en: Inteligencia Artificial Estrecha, Inteligencia Artificial General Fuerte y Superinteligencia Artificial (ASI).

La IA estrecha o débil, «Narrow AI» o «ANI«, se refiere a los sistemas que han sido diseñados de antemano para realizar una tarea específica de forma inteligente.

El reconocimiento facial, las búsquedas en internet y los autos conducidos son todos ejemplos de IA estrecha. Se categoriza como débil no porque carezca de alcance y poder, sino porque todavía está muy lejos de tener los componentes humanos que atribuimos a la verdadera inteligencia. Los asistentes virtuales como Siri o Alexa, chatbots y sistemas de recomendación en línea, también son ejemplos de la IA estrecha o débil depende en gran medida de datos de entrada específicos y reglas predefinidas.

La IA General Fuerte, el término inteligencia artificial fuerte, se refiere a un concepto que va más allá de los sistemas de IA tradicionales. Engloba la idea de crear máquinas o programas que posean la capacidad de entender, aprender y razonar de manera similar a los seres humanos, con objetivo de replicar las habilidades cognitivas humanas, como la resolución de problemas, la toma de decisiones e incluso las emociones. Esta forma avanzada de IA tiene el potencial de revolucionar diversas industrias, desde la salud hasta las finanzas, al permitir que las máquinas realicen tareas complejas que antes eran exclusivas de los humanos.

La ASI o Superinteligencia Artificial, supera la inteligencia humana en todos los dominios y tareas. Esta forma hipotética de IA plantea preocupaciones éticas y suscita debates sobre sus implicaciones. Aunque aún no se ha desarrollado a plenitud, ejemplos de los ASI más desarrollados incluyen:

• Diagnóstico y Tratamiento Médico: analiza grandes cantidades de datos médicos, identifica patrones y recomienda tratamiento personalizados con una gran precisión.
• Investigación Científica: acelera las investigaciones científicas al procesar rápidamente conjuntos de datos complejos, simular escenarios y generar hipótesis más allá de la capacidad humana. Las aplicaciones más comunes se han conseguido, entre otros campos, como el descubrimiento de medicamentos y la modelización del clima.

La Inteligencia Artificial Generativa (IAGen) se refiere a la capacidad de crear contenido nuevo, como imágenes, música o texto, de manera autónoma.

Obras de arte digitalmente que son indistinguibles de las creadas por artistas humanos. Estas obras pueden variar desde pinturas e ilustraciones hasta diseños arquitectónicos y esculturas digitales. Además, la IAGen puede componer música completamente nueva, desde piezas clásicas hasta melodías contemporáneas, que pueden ser utilizadas en películas, videojuegos o proyectos musicales.

Los modelos de la IAGen están entrenados en un conjunto de datos masivos, este conjunto de datos les permite aprender las relaciones entre elementos que componen diferentes tipos de contenido.

Estamos asombrados de la velocidad con que se han introducido en el mercado los modelos de la IAGen, algunos ejemplos de ello. son:

• MidJourney, es un brillante ejemplo de IAGen de texto a imagen, que combina una arquitectura basada en transformes con redes generativas adversarias (GAN). Esta fusión permite al modelo tejer imágenes intrincadas a partir de indicaciones textuales, capturando detalles matizados con un realismo asombroso.
• DALL·E^[5], es un modelo que crea imágenes a partir de indicaciones textuales, desafiando los límites de la creatividad al generar imágenes de conceptos no convencionales.
• Google Cloud, con Vertex AI, puedes interactuar con modelos básicos, como Gemini e insertarlos en tus aplicaciones, sin necesidad de tener experiencia en aprendizaje automático.
• Stable Diffusion, es un modelo que toma una ruta distinta en el panorama de la IAGen de texto a imagen al centrarse en la estabilidad y el control detallado de la generación de imágenes. Este modelo utiliza una técnica basada en difusión para refinar de manera iterativa una señal de ruido y así producir imágenes. Esto significa que los usuarios pueden ajustar características visuales a partir de texto.

Por ejemplo, le dices a la IAGen que imagine un paisaje con atardecer, la IA toma esta descripción y basándose en datos y patrones que ha aprendido sobre lo que es un atardecer, crea una imagen que coincida con esa descripción.

Principales arquitecturas en IAGen

Existen varias arquitecturas en el campo de la inteligencia artificial generativa, cada una con sus ventajas y aplicaciones específicas.

• Los GANs (Generative Adversarial Networks) son como dos amigos, de los que uno crea y el otro, adivina. Se entrenan juntos y así se vuelven mejores.

Por ejemplo, supongamos que tienes dos compañeros, uno es el generador y el otro el discriminador. El generador se encarga de inventar cosas que se parezcan mucho a la realidad, mientras que el discriminador se dedica a distinguir entre las cosas reales y lo que inventa el creador. Este proceso de competencia impulsa a la red a mejorar constantemente sus habilidades generativas.

• Los RNNs (Redes neuronales recurrentes) son como tener una memoria para recordar eventos pasados en una historia y los LSTMs (Long Short-Term Memory) capturan detalles que duran mucho tiempo en la secuencia. Son arquitecturas claves en el campo de la IAGen, diseñadas para trabajar con secuencias de datos, como texto o audio.

Los RNNs tienen la habilidad especial para recordar cosas de etapas anteriores en la secuencia. Esto hace que puedan entender contextos de datos que siguen un orden.

Los LSTMs, por otro lado, son como los RNNs mejorados. Pueden capturar relaciones a largo plazo en las secuencias, como esos detalles importantes que se extienden en el tiempo.

• Los Transformers son como magos del lenguaje. Usan una superhabilidad de atención para entender mucha información al instante. Lo interesante es cómo trabajan usando un mecanismo de atención que les permite procesar un montón de información en tiempo real. ChatGPT es un ejemplo famoso.
• Los VAEs (Variational Autoenconders) son como aprendices secretos. Usan un codificador para convertir datos en un misterio y un decodificador para revelar el original. El codificador toma la entrada y la convierte de forma especial en un secreto. Luego, el decodificador toma este secreto y lo transforma de vuelta en la entrada original.
• Los Autoregressive Models, son como artistas que se inspiran en su último trazo. Son generadores de datos uno a la vez, cada nueva parte se construye sobre la anterior, por ejemplo, son geniales para predecir cosas en secuencias.

Algunos modelos están siendo utilizados para crear diseños de moda únicos y creativos. Y en la Industria del Cine, la IAGen se utiliza para crear efectos visuales impresionantes y escenas realistas. En Ciencias de la Salud, la IAGen se está empleando en la creación de imágenes médicas detalladas y en la simulación de tejidos para propósitos educativos y de entrenamiento. En Publicidad y Marketing, la generación de contenido visual atractivo y personalizado es crucial en la publicidad. La IAGen puede crear imágenes y anuncios adaptados a audiencias específicas.

Inteligencia Artificial Reactiva (IAR)

La Inteligencia Artificial Reactiva (IAR) se caracteriza por su capacidad para responder a situaciones predefinidas sin la capacidad de aprendizaje continuo. A diferencia de otros tipos de IA que pueden adaptarse y aprender de nuevas experiencias, la IAR sigue un conjunto fijo de reglas y respuestas específicas para cada situación.

Ejemplos de IAR:

• Chatbots: Los chatbots son programas de computadora diseñados para simular conversaciones humanas a través de interfaces de mensajería. Funcionan mediante la identificación de patrones en las preguntas y comentarios de los usuarios para proporcionar respuestas predefinidas. Un ejemplo común es el servicio de atención al cliente en línea, donde los chatbots pueden responder a consultas comunes sobre productos o servicios.
• Sistemas de Juego de Ajedrez: Los programas de ajedrez basados en IAR están programados para evaluar posiciones de tablero y tomar decisiones en función de un conjunto específico de reglas y estrategias. Estos programas no aprenden ni mejoran su juego a lo largo del tiempo, sino que se basan en el conocimiento estático proporcionado por sus programadores. Un ejemplo destacado es Deep Blue de IBM, que derrotó al campeón mundial de ajedrez Garry Kaspárov en 1997, utilizando una estrategia basada en IAR. (https://es.wikipedia.org/wiki/Inteligencia_artificial)

JACA – septiembre de 2024

Referencias:

Según la Ilíada, Hefesto –el dios griego del fuego y la forja– creó dos mujeres artificiales de oro con “sentido en sus entrañas, fuerza y voz” que lo liberaban de parte de su trabajo, es decir, creó robots para que lo ayudaran, lo cual lo convierte en todo un adelantado a su tiempo. Heron de Alejandría en el siglo I escribió Autómata, donde describe máquinas capaces de realizar tareas automáticamente, como estatuas que sirven vino o puertas que se abren solas.
[2] Augusta Ada King, condesa de Lovelace (Londres, 10 de diciembre de 1815-íd., 27 de noviembre de 1852), registrada al nacer como Augusta Ada Byron y conocida habitualmente como Ada Lovelace, fue una matemática y escritora británica, célebre sobre todo por su trabajo acerca de la computadora mecánica de uso general de Charles Babbage, la denominada máquina analítica.
[3] Ver el artículo de Turing: “Computing Machinery and Intelligence” y el libro de Andreas Kaplan “Artificial Intelligence, Business and Civilization”.
[4] Sus orígenes están referenciados en programa informático Perceptrón instalado en un IBM 704, recibe un conjunto de valores de entrada que multiplica cada valor de entrada por un coeficiente determinado W1j, W2j, etc., que representa la fuerza de la sinapsis con cada neurona adyacente; y produce una salida: 1 si la suma de las entradas moduladas por sus pesos es superior a un cierto valor, y 0 si es inferior. Las salidas 1 y 0 representan la activación o no de la neurona.
[5] Lo uso con cierta frecuencia desde Creator Image Bing de COPILOT.