Un término que está apareciendo muy frecuentemente en las noticias es Inteligencia Artificial (IA, o AI por sus siglas en Inglés), y creo que es un área de la tecnología que les hubiera fascinado a mis padres, y aunque ellos ya no están aquí para disfrutarlo, estoy tratando de pensar en cómo se los hubiera explicado.
Computación
En realidad, el término IA puede ser usado para varias cosas y hay debates religiosos sobre lo que es y no es; pero de eso no se trata este escrito, sino de transmitir en forma sencilla su concepto básico y su potencial.
La IA es una rama de la tecnología de la computación que busca sacar un mayor provecho del poder que tienen las computadoras, ya no sólo para almacenar y analizar cantidades enormes de información, sino también para explorar y decidir la mejor estrategia para solucionar el problema, siendo que la computadora trabaja desapasionadamente, sin ideas preconcebidas, sin intuición, sin aburrirse, ni cansarse.
Mejores que los humanos
Acabo de mencionar cinco aspectos en que la computadora nos ayuda a procesar la información mejor que lo harían los humanos:
- Dije desapasionadamente porque la computadora no tiene preferencia sobre qué tipo de datos está procesando; puede analizar tanto fotos de lindos gatitos, como de horribles asesinatos sin decir ¡ohhh!, ni ¡aj!
- Tampoco tiene ideas preconcebidas y no tratará de favorecer alguna respuesta específica, porque le es totalmente indiferente si los resultados coinciden con las expectativas de los humanos.
- Tampoco tiene intuición que le haría asumir incorrectamente cierta teoría o ignorar la otra, sino que examinará prolijamente cada pedazo de información para tomar su decisión.
- El cuarto atributo es que nunca se aburre; los humanos tendemos a empezar una tarea muy emocionados, poniendo mucha atención a los detalles, pero tarde o temprano, la novedad se gasta y comenzamos a saltarnos algunos pasos que parecen innecesarios.
- Y la última característica es que nunca se cansa, y por lo tanto, no comete, por cansancio, errores comunes de un ser humano, como dejar de prestar atención y procesar automáticamente (irónico, ¿no?), como manejando en modo automático.
Entonces, en base a este conocimiento, podemos saber que una computadora puede ejecutar un análisis con muchísima más precisión que un ser humano, pero ¿por qué ahora le llamamos IA?
Bueno, ahora que sabemos lo bien que pueden procesar la información las computadoras nos enfocaremos en entender este novedoso enfoque de la computación.
IA simple
Empecemos con un problema aparentemente muy simple. Yo quisiera mostrarle a mi computadora una foto, y que la computadora me diga si es la foto de un gato o de un perro. Cualquier niño de dos años podría resolver ese problema en un santiamén, pero si logramos que la computadora nos resuelva ese problema simple hoy, mañana podremos hacer preguntas muchísimo más complicadas.
El sistema tradicional
¿Cómo se resolvía el problema antes de la era del IA? Bueno, un ser humano tenía que identificar algunos rasgos conocidos sobre los gatos y los perros, como la forma de las orejas, la forma de la nariz, la forma de la cara, etc., y luego escribir un programa para analizar la imagen, buscar esos rasgos y decidir a qué animal corresponden.
En otras palabras, en el método tradicional los humanos deciden qué lógica utilizar para diferenciar a los animales e instruyen a la computadora sobre qué pasos seguir para lograr la identificación. Es decir, aunque teníamos computadoras muy poderosas, el sistema tradicional todavía dependía de que los seres humanos tomen todas las decisiones y se utiliza las computadoras solamente para acelerar el proceso. 
Cuando escribí mi primer programa para reconocer imágenes, usé algunas librerías para gráficos y me tomó un par de semanas para completar la primera versión del programa.
Fue mucho más difícil de lo que originalmente pensé, pero lo más difícil era darme cuenta cómo el programa erraba tantas veces como acertaba, es decir, que su precisión era sólo del 50%. Durante las próximas semanas y meses fui estudiando por qué no podía reconocer las imágenes, y fui mejorando la lógica del programa, y agregando más y más condiciones, hasta el punto que fui mejorando su precisión hasta un poco más que el 70%. Aún así, debido a la gran variabilidad entre los diferentes tipos de gatos y perros y las calidades de las fotos, el programa se volvió muy complejo, y a pesar de ello, se equivocaba tres de cada diez veces.
Inteligencia Artificial y Aprendizaje Automático
La versión actual de la IA usa un método llamado Aprendizaje Automático (AA, o ML por las siglas de Machine Learning en Inglés), y, aunque los dos términos son diferentes, en la mayor parte de los casos, pueden ser usados intercambiablemente, y así haremos en este artículo.
La IA usa un método mucho más antiguo pero efectivo; hasta cierto punto se podría decir que es el mismo método que usamos los humanos para aprender. ¿Cómo aprende el o la bebé la diferencia entre un perro y un gato? Normalmente uno de sus padres o hermanos señala a un animal, en vivo o en un libro, y dice “gaaa-to”, “gaaa-to” o “peee-rro”, “peee-rro”, y tarde o temprano, después de algunos errores, y del refuerzo adecuado, ese niño o niña no se volverá a equivocar.
Entrenamiento
Aunque un poco más complejo, eso es prácticamente lo que la IA hace; se le muestra una foto a la computadora y se le dice “gato”, y otra foto y se vuelve a decir “gato”, y así por el estilo por cientos de veces. Luego se hace lo mismo con fotos de perros. Durante ese período, que en IA se llama entrenamiento, no se le da ninguna otra instrucción a la computadora, excepto ver las fotos y recibir la respuesta correcta. Entretanto, la computadora está analizando todas las posibilidades de gatos e intentando encontrar similitudes que encierren el concepto gato, desarrollando diversas y contrastantes teorías. Por ejemplo, inicialmente puede haber llegado a la conclusión que todos los gatos son pardos hasta que le mostraste una foto de un gato blanco. Los bebes han hecho un análisis muy similar, pero probablemente no lo habíamos pensado así.
Validación
En seguida entramos al período de validación, comparable tal vez a los terribles dos años cuando el niño comienza a preguntar si hay gatos blancos, o por qué los ojos de los gatos tienen las pupilas verticales, etc. En IA, este período comprende otra serie de fotos de gatos y perros, marcadas como corresponde, pero ahora la computadora ya no tratará de aprender algo de las fotos, sino que probará las diferentes teorías que desarrolló durante el entrenamiento y verá cuál le rinde los mejores resultados.
Modelo
Una vez que la computadora identifica la mejor solución, crea un modelo, que puede ser descrito como la colección de reglas que puede aplicar a un problema para determinar si coincide con cierto patrón. Una vez que la computadora ha encontrado el mejor modelo para gatos, está lista para identificar gatos en cualquier foto. Pero, la computadora nunca te dirá que algo es un gato, en su lugar, dirá algo como la foto, o el objeto, coincide con un gato en un 99.232% y con un perro en 6.032%
Diferencias de Metodología
Como verán entonces, tanto en las soluciones computarizadas tradicionales como en la IA usamos computadoras para buscar soluciones, pero la mayor diferencia entre las dos metodologías es que en la primera se alimentaba a la computadora con los problemas y la lógica para resolverlos, en cambio en la llamada IA se alimenta a la computadora con suficientes problemas y respuestas correctas, hasta que la computadora encuentre el mejor camino para resolver.
Diferencias en precisión
La otra gran diferencia que me tocó a mi personalmente, es que, con la metodología tradicional yo pude conseguir un resultado positivo entre 50% a 80% de las veces, en cambio una vez que cambié el programa para usar IA la precisión inmediatamente saltó a estar por encima del 99%.
Futuro
Simple, ¿no?
Bueno, no tanto. La IA ya está haciendo cosas que escapan a nuestro entendimiento, por ejemplo, después de entrenar para encontrar tumores con fotos del nervio óptico de miles de pacientes, la computadora hizo algo inesperado, y predijo correctamente el género de los pacientes. Los investigadores han regresado a mirar las fotos y hasta ahora no han podido encontrar en qué se basó la computadora para hacer esa determinación.
Justo hoy leí sobre otro caso, en el que unos investigadores alimentaron a la computadora con los electrocardiogramas de miles de pacientes y la computadora predijo correctamente quiénes iban a morir en el siguiente año. Los investigadores todavía se están rascando la cabeza; ellos, que han analizado electrocardiogramas por décadas, no pueden identificar en qué patrón se basó la computadora para hacer su predicción, y hacerla correctamente.
En fin, es un tema apasionante, paso muchas horas usando y aprendiendo nuevas cosas sobre la IA, y observando sus fascinantes predicciones; ojalá mis padres lo hubieran podido ver.