INTELIGENCIA ARTIFICIAL, HISTORIA Y SU IMPORTANCIA EN LA ACTUALIDAD

Inteligencia artificial (IA)

Historia de la inteligencia artificial

El término inteligencia artificial se acuñó en 1956, pero la IA se ha vuelto demás popular en la actualidad gracias al aumento de los volúmenes de datos, los algoritmos avanzados y las mejoras en la capacidad de procesamiento y el almacenamiento.

Las primeras investigaciones sobre IA en la década de 1950 exploraron temas como la resolución de problemas y los métodos simbólicos. En la década de 1960, el Departamento de Defensa de EE. UU. Se interesó en este tipo de trabajo y comenzó a entrenar computadoras para imitar el razonamiento humano básico. Por ejemplo, la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) completó proyectos de mapas de calles en la década de 1970. Y DARPA produjo asistentes personales inteligentes en 2003, mucho antes de que Siri, Alexa o Cortana fueran nombres familiares.

Este trabajo inicial allanó el camino para la automatización y el razonamiento formal que vemos en las computadoras de hoy, incluidos los sistemas de apoyo a la toma de decisiones y los sistemas de búsqueda inteligente que pueden diseñarse para complementar y aumentar las capacidades humanas.

Si bien las películas de Hollywood y las novelas de ciencia ficción muestran a la IA como robots con apariencia humana que se apoderan del mundo, la evolución actual de las tecnologías de IA no es tan aterradora ni tan inteligente. En cambio, la IA ha evolucionado para proporcionar muchos beneficios específicos en todas las industrias. 

Siga nuestro blog para conocer ejemplos modernos de inteligencia artificial en el cuidado de la salud, el comercio minorista y más.

¿Por qué es importante la inteligencia artificial?

La IA automatiza el aprendizaje y el descubrimiento repetitivos a través de datos. Pero la IA es diferente de la automatización robótica impulsada por hardware. En lugar de automatizar las tareas manuales, la IA realiza tareas frecuentes, de gran volumen y computarizadas de manera confiable y sin fatiga. Para este tipo de automatización, la investigación humana sigue siendo esencial para configurar el sistema y hacer las preguntas correctas.

La IA agrega inteligencia a los productos existentes. En la mayoría de los casos, la IA no se venderá como una aplicación individual. Más bien, los productos que ya usa se mejorarán con capacidades de inteligencia artificial, al igual que Siri se agregó como una característica a una nueva generación de productos de Apple. La automatización, las plataformas conversacionales, los bots y las máquinas inteligentes se pueden combinar con grandes cantidades de datos para mejorar muchas tecnologías en el hogar y en el lugar de trabajo, desde la inteligencia de seguridad hasta el análisis de inversiones la IA se adapta a través de algoritmos de aprendizaje progresivo para permitir que los datos hagan la programación. La IA encuentra estructura y regularidades en los datos para que el algoritmo adquiera una habilidad: el algoritmo se convierte en un clasificador o un predictor. Entonces, así como el algoritmo puede enseñarse a sí mismo a jugar al ajedrez, puede enseñarse así mismo qué producto recomendar en línea a continuación. Y los modelos se adaptan cuando se les dan nuevos datos. La retropropagación es una técnica de 1ª que permite que el modelo se ajuste, mediante entrenamiento y datos agregados, cuando la primera respuesta no es del todo correcta.

La IA analiza más datos y más profundos utilizando redes neuronales que tienen muchas capas ocultas. Construir un sistema de detección de fraudes con cinco capas ocultas era casi imposible hace unos años. Todo eso ha cambiado con una increíble potencia informática y big data. Necesita muchos datos para entrenar modelos de aprendizaje profundo porque aprenden directamente de los datos. Cuantos más datos pueda alimentarlos, más precisos serán.

La IA logra una precisión increíble a través de redes neuronales profundas, lo que antes era imposible. Por ejemplo, sus interacciones con Alexa, Búsqueda de Google y Google Photos se basan en el aprendizaje profundo, y se vuelven más precisas cuanto más las usamos. En el campo de la medicina, las técnicas de inteligencia artificial del aprendizaje profundo, la clasificación de imágenes y el reconocimiento de objetos ahora se pueden utilizar para encontrar el cáncer en las resonancias magnéticas con la misma precisión que los radiólogos altamente capacitados.

La IA aprovecha al máximo los datos. Cuando los algoritmos son de autoaprendizaje, los datos en sí pueden convertirse en propiedad intelectual. Las respuestas están en los datos; solo tienes que aplicar IA para sacarlos. Dado que el papel de los datos es ahora más importante que nunca, puede crear una ventaja competitiva. Si tiene los mejores datos en una industria competitiva, incluso si todos aplican técnicas similares, los mejores datos ganarán.