Información inicio

13/03/2020

UNA MIRADA A LA INTELIGENCIA ARTIFICIAL

    En ocasiones, encontrar una definición no es fácil. Y dar respuesta a qué es la inteligencia artificial en un mundo que evoluciona y cambia continuamente tampoco lo parece (aunque sí, también hay leyes y elementos constantes, es cierto). A veces, los nuevos descubrimientos van más allá de las definiciones y las palabras no bastan para describir en un par de líneas realidades sumamente complejas. No obstante, el lenguaje puede servir para acercarnos a dichas realidades y, de alguna manera, eso es lo que se pretende en esta publicación: acercarnos un poco más a la inteligencia artificial
    Fue un verano de 1956 en una Conferencia celebrada en Darmouth College (Hanover, EEUU) donde se acuñó por primera vez el término Inteligencia Artificial (IA) y en la que comienzan a sentarse las bases.  Allí se reunieron diez investigadores, entre los que se encontraban los cuatro que organizaron este evento desarrollado durante los dos meses estivales del 56: el científico Marvin Minsky (EEEUU: 1927-2016), el informático  John McCarthy (EEUU: 1927-2011)el matemático e ingeniero Claude Shannon (EEUU: 1916-2001) y el ingeniero Nathaniel Rochester (EEUU: 1919-2001). Tal y como se puede leer en un documento sobre las propuestas del proyecto, "A proposal for the Dartmouth Summer Research Project on Artificial Intelligence", se contemplan aspectos relacionados con la IA como la resolución de problemas, el lenguaje, la aleatoriedad, la creatividad o las redes neuronales, entre otros. En definitiva, todos ellos se interesan por cómo las máquinas pueden programarse para que simulen aspectos o características propias de la inteligencia. De esto se deduce un apunte importante: para conocer la inteligencia artificial se precisa indagar en la inteligencia natural (además de poner esta a funcionar...) También resulta relevante resaltar que se habla en este documento mencionado de simulación. De hecho, se podría decir que una inteligencia es real, otra es una representación de lo real. Esto recuerda a  Magritte y a su cuadro Ceci n´est pa une pipe de finales de los años veinte del pasado s. XX. Jugando con el lenguaje y la forma a través de la pintura vanguardista, dejó claro en su cuadro que no era una pipa, aunque claramente era una pipa pintada que parecía muy real... Sea como sea,  en términos más científicos y menos artísticos (aunque sin quitarle un ápice de valor al arte), según RAE: "simular es representar algo, fingiendo o imitando lo que no es". 
    Así, a partir de estas primeras premisas sobre la IA y teniendo en cuenta que han pasado varias décadas desde que se acuñó por primera vez el término, se hace necesario investigar un poco más  para tratar de responder a una breve (pero no fácil) pregunta: ¿Qué es la IA? 
   El psicólogo y experto en Computación Cognitiva Antonio Orbe ha apuntado en una entrevista para Muy Interesante (2017) que actualmente estamos lejos de una inteligencia artificial general que sea capaz de plantearse y resolver cualquier problema. Lo que sí existe es una inteligencia artificial concreta, específica.
    En la misma línea, el informático y físico, así como director del Instituto de Investigación en Inteligencia Artificial (fundado en 1985 y perteneciente al CSIC: Consejo Superior de Investigaciones Científicas), Ramón López de Mántaras, en una entrevista para la Revista Internacional de Éticas Aplicadas (DILEMATA), ha expuesto que durante mucho tiempo la IA seguirá siendo débil. Esto es, servirá para resolver problemas muy concretos y específicos, ya que aún no se sabe cómo integrar bien todos los componentes de la inteligencia para lograr que sea general. Este tipo de inteligencia más versátil y global es lo que el filósofo John Searle en el artículo "Minds, Brains and Programes" en 1980 denominó IA fuerte (strong AI) frente a la IA débil (weak AI o cautious AI). En dicho artículo, Searle hace hincapié en que se puede simular al cerebro de forma artificial programando a las máquinas según unas reglas, a lo que el denomina IA débil. Pero esta IA no implicaría que la máquina entienda, tenga una percepción global e intencionalidad o experimente estados mentales propios del cerebro humano (lo que denomina IA fuerte). Bajo el lema "la mente es al cerebro lo que el programa al hardward" pone algunos ejemplos de las diferencias entre ambos tipos de IA. Entre ellos, expone que una máquina puede contestar en chino o en inglés y "hablarlo" perfectamente, pero no quiere decir eso que esté comprendiendo el idioma. Del mismo modo, con la IA se podrá responder de forma precisa el resultado de una operación matemática como dos más dos sin que para ello esté comprendiendo dicha operación (lo cual implicaría entender, entre otros aspectos, la cardinalidad, es decir, que el último número de la operación incluye a los números anteriores y a él mismo en el conjunto matemático). 


¿Cuáles son esas tareas específicas y/o concretas que puede realizar la IA?

    La ingeniera, catedrática en la Universidad de la Coruña (Área: Ciencia de la Computación e Inteligencia Artificial) y presidenta desde 2012 la Asociación Española de Inteligencia Artificial (AEPIA), Amparo Alonso Betanzos, en una entrevista para el diario digital El Independiente (2017), afirmaba que ya tenemos la inteligencia artificial en la vida cotidiana, ya que empleamos el móvil (inteligente) todos los días con diferentes aplicaciones y usos en los que nos valemos de dicha IA: búsquedas, diccionario de whatsapp... De esta utilización actual de programas y aplicaciones "inteligentes" también ha hablado en otra entrevista la Doctora en Informática y actual Vicerrectora de Investigación, Innovación y Doctorado en la Universidad Politécnica de Madrid (UPM), Ásunción Gómez. La experta menciona ejemplos diversos de IA como las técnicas de imagen que se utilizan en la retransmisión de un partido de tenis que vemos en directo o el procesamiento y la traducción de textos que empleamos a través de dispositivos tecnológicos y digitales. Ambas mencionan también asociada al campo de la IA, la robótica. El diseño de máquinas que puedan ser capaces de realizar tareas automatizadas o simular el comportamiento humano o animal está también en continuo avance. Betanzos, quien también coordina el grupo LIDIA (Laboratorio de Investigación y Desarrollo: I+D, en Inteligencia Artificial) en la Universidad de La Coruña, ha apuntado sobre la robótica que, de modo que al igual que los ordenadores que en un principio no estaban al alcance de todos/as y ahora sí lo están, algo similar ocurrirá con los robots, pasando a formar parte del día a día de las personas de diferentes maneras. De hecho, ya son muchos/as los/as que cuentan con algún tipo de robot en el hogar: de cocina, para la limpieza...
    Concepción Alicia Monje, ingeniera electrónica y Doctora en Ingeniería Industrial por la Universidad de Extremadura, realiza también labores de investigación en el Laboratorio de Robótica de la Universidad Carlos III de Madrid (Robotics Lab). Este Laboratorio se caracteriza, entre otras cosas, por ser multidisciplinar, ya que trabajan expertos de distintas disciplinas (informática, ingeniería...) y multicultural, con investigadores/as de diversos países. La labor de investigación abarca la robótica desde una perspectiva amplia: robots humanoides, asistenciales, sociales, sistemas aerospaciales, ingeniería biomédica, etcMonje, una de las casi cien personas que forman parte de Robotics Lab ha participado en diversos proyectos relacionados con la robótica, entre ellos, los relacionados con los robots asistenciales. El robot humanoide TEO es un ejemplo. Esta máquina es capaz de manipular y transportar objetos, desarrollando habilidades de "robot camarero" para llevar bandejas guardando el equilibrio o de planchado. También es capaz de comunicarse mediante signos. Pero lejos de ser estas habilidades un objetivo en sí mismo, tal y como ha explicado la investigadora para la Universidad de Extremadura, son un medio para poder extrapolar funciones importantes a diversos ámbitos y así, por ejemplo, que se pueda desarrollar la función de locomoción en equilibrio para transportar objetos diversos, como material quirúrgico. Pero además, los robots asistenciales pueden mejorar la calidad de vida de las personas. Así, hay robots que pueden favorecer la movilidad de las extremidades o robots sociales que puedan interactuar con los seres humanos. Más concretamente, desde el artículo "Hola, me llamo robot y soy su médico" en la Revista Pediatría de Atención Primaria se explica cómo la robótica se aplica fundamentalmente en dos campos de la medicina: en Cirugía y en Rehabilitación. Así, se menciona como ejemplo al robot Da Vinci que puede emplear el cirujano/a (no es autónomo, si no que es el médico quien lo maneja) y ofrece ventajas en ciertas operaciones como evitar los temblores del cirujano/a, ampliar el campo de visión o llegar a lugares más estrechos de forma más precisa. Sin embargo, son aplicaciones relativamente recientes y que se encuentran en investigación y desarrollo. Además, también existen ciertas limitaciones como el coste actual de estas máquinas que, según un artículo publicado en la revista Redacción Médica (2018), rondaría los dos millones de euros.
    En cuanto al uso de robots en la rehabilitación, Elena García Armada, investigadora del Centro de Automática y Robótica (CAR) del Consejo Superior de Investigaciones Científicas (CSIC) ha desarrollado el primer exoesqueleto biónico del mundo para niños/as con atrofia muscular espinal. Un claro ejemplo de cómo los robots pueden utilizarse para mejorar la calidad de vida de las personas y también su esperanza de vida. Así lo ha explicado en una Conferencia para TED 
(Technology, Entertainment, Design): "Exoesqueletos, robots para la vida" (2017). La ingeniera industrial, a partir de conocimientos en robótica y en biomecánica expone cómo imitar la forma de caminar del ser humano es realmente compleja, pues el cuerpo humano "es una máquina perfecta". Gracias al diseño de exoesqueletos que se pueden de manera externa adaptar a la musculatura de niños/as con enfermedades neurológicas y neuromusculares, se consiguen logros tan importantes como la movilidad de sus articulaciones, el fortalecimiento de su musculatura y la realización de actividades de la vida cotidiana. Aunque según afirma existen unos diecisiete millones de niños/as en el mundo que tienen problemas para andar debido a un amplio espectro de enfermedades degenerativas por causas neurológicas y neuromusculares, el exoesqueleto logra adaptarse a las necesidades del niño/a y ayudarle a mejorar su vida y consecuentemente, la de sus familias.
    En el campo de la Medicina, la IA ofrece muchas más posibilidades, como por ejemplo, las que tienen que ver con el diagnóstico de enfermedades. La revista británica The Lancet Digital Health ofrece múltiples artículos académicos de actualidad médica, entre ellos, estudios concretos sobre el diagnóstico de enfermedades empleando la IA, también en continua investigación.
    Por otro lado, los ámbitos en los que se aplica la IA son tan variados que algunos no dejan de ser curiosos y sorprendentes. Como el reparto de mensajería empleando drones. Así, la empresa de transporte estadounidense UPS (Unitel Parcel Service) ya ha iniciado este tipo de mensajería con el fin de optimizar el tiempo en el reparto (mayor velocidad y rapidez) y la eficacia de la mensajería "al vuelo". Existen una serie de licencias y normativas que regulan estos procesos. La revista Muy Interesante (núm.463) recogía, por ejemplo, cómo UPS se hizo con el permiso federal en EEUU en octubre de 2019, pero con restricciones: los drones no podrían volar sobre zonas urbanas y en las zonas permitidas, deberían hacerlo de noche. Otras empresas conocidas como Amazon Mercedes-Benz también se han unido a este tipo de iniciativas de reparto utilizando drones.


Dron de reparto de la empresa UPS (EEUU).
Fuente de la imagen:
 
https://es-us.ups.com/us/es/services/shipping-services/flight-forward-drones.page


¿Cómo funciona esta IA?

    Existen técnicas muy variadas en las que confluyen el conocimiento de varias disciplinas. De hecho, si algo caracteriza a la IA es la interdisciplinareidad.  Tal y como afirman algunos autores como Pazos y col. (p.19, 2007) en "Inteligencia Artificial y Computación Avanzada", en la IA intervienen disciplinas tan variadas como la Neurociencia, la Psicología, las Matemáticas, la Física, la Ciencia Cognitiva o las Tecnologías de la Información, entre otras. Estos mismos autores apuntan que los intentos por crear artefactos con automatismos y que simulen la forma y habilidades del ser humano, ya vienen de la Antigüedad. Concretamente, la primera referencia escrita a un sistema artificial inteligente aparece ya en la mitología griega. Luego mucho antes de que las disciplinas se formaran como tal, existieron aproximaciones a lo largo de la Historia que servirían para más adelante, sentar las bases de este campo.
    Algunas de las técnicas cuyas bases ya comenzaron durante mediados del pasado siglo y que actualmente se emplean son los llamados Sistemas expertos. Se trata de sistemas informáticos que simulan el razonamiento de un/a experto/a en determinadas áreas de conocimiento. De esta forma, pueden ser capaces de dar soluciones a problemas complejos con rapidez y eficacia manejando cantidades ingentes de información. Sin embargo, presentan limitaciones como por ejemplo, las derivadas de la falta de sentido común, la necesidad de actualizar los programas para que no queden obsoletos o la incapacidad para resolver problemas que excedan del área de conocimiento para el cual ha sido diseñado. Romero y col. (2007) diferencian entre técnicas clásicas (como los sistemas expertos antes mencionados) y las técnicas adaptativas que pretenden resolver las limitaciones de las clásicas  relacionadas con la falta de adaptación al entorno cambiante y la incapacidad para resolver problemas que se presenten si previamente la respuesta no ha sido programada. Entre las técnicas adaptativas estarían los algoritmos genéticos (AG) y las redes neuronales artificiales (RNA), estos últimos también conocidos como sistemas conexionistas, inspirados en el funcionamiento del sistema nervioso biológico. Así, el Doctor Fernando Sancho Caparrini de la Universidad de Sevilla (Dto. Ciencias de la Computación), explica en "Redes Neuronales: una visión superficial" (2019) que se trata de un modelo matemático que simula el comportamiento y la estructura de las neuronas que componen el sistema nervioso de los individuos. De Andrés Suárez (2000) por su parte, explica que se trata de unidades de proceso (denominadas neuronas artificiales) que reciben y envían señales, tratando de imitar de este modo el comportamiento de las neuronas y las sinapsis o conexiones entre ellas. Desde el punto de vista biológico, una neurona recibe un impulso nervioso a través de la dendrita (ramificaciones terminales) y conduce el impulso nervioso a otra neurona contigua (sinapsis entre neuronas) a través de la parte denominada axón (prolongación larga de la neurona). 
    Por su parte, el Doctor en Sociología, también en Informática y Doctor Ingeniero de Telecomunicaciones, José Miguel Castillo Chamorro explica a través de algunas de sus clases magistrales en su canal de Youtube las redes neuronales artificiales como un paradigma (teoría o conjunto de teorías) de computación y aprendizaje. Existen diferentes tipos de redes con distintas aplicaciones. Una de las características fundamentales es su capacidad de generalización, ya que pueden extrapolar el conocimiento a otros elementos para los cuales no han sido "entrenadas" previamente. En este sentido, se dice que puede "aprender" de la "experiencia" (aprendizaje automatizado o machine learning). Pueden utilizarse por ejemplo, para predecir situaciones relacionadas con la bolsa. También se están empleando a través de Internet cuando se registra actividad del usuario y se realizan recomendaciones en base a los intereses del mismo/a.



Redes neuronales artificiales.
Fuente de la imagen:
http://www.cs.us.es/~fsancho/?e=72

   En cuanto a los Sistemas Expertos, según Castillo (2016) se aplican por ejemplo, en el diagnóstico de enfermedades. En estos sistemas, en los que se vuelca  el conocimiento que tiene un experto/a, se realizan inferencias (deducciones) a partir de los datos dados y los disponibles en la base de datos. Se trata de un razonamiento lógico basado en reglas. Este sistema, aunque tiene dos algoritmos (según RAE algoritmo: conjunto ordenado y finito de operaciones que permite hallar la solución a un problema), el profesor explica que no es un sistema de tipo algorítmico. Entre las ventajas están la fácil modificación del conocimiento introducido en el sistema y también que se emplea el lenguaje natural, de modo que la expresión de las reglas son fácilmente entendibles por cualquier usuario que emplee el sistema. Estas técnicas expuestas y otras como las Técnicas de Lógica borrosa (fuzzy logic) ayudan en procesos de toma de decisiones. Estas últimas surgen ligadas a la necesidad de cuantificar las características expresadas en el lenguaje natural. Por ejemplo, si se dice que alguien es alto o bajo puede resultar confuso (por el empleo de un adjetivo cualitativo), sería más preciso hablar en términos cuantitativos (mide 1,50 m por ejemplo). La lógica difusa ayuda a cuantificar la incertidumbre, las expresiones cualitativas a veces difíciles de clasificar. Tal y como afirma Castillo, se emplean mucho dentro del campo de la ingeniería y el control.


La regulación de la IA a nivel nacional y europeo

   Por último, pero no menos importante, debido a la influencia de la IA en todos los ámbitos de la sociedad, se hace necesario regular y abordar el tema desde la Política y desde la normativa. El Ministerio de Ciencia, Innovación y Universidades (MCIU), en consonancia con los estudios y directrices por parte de la Comisión Europea en materia de IA ha creado un grupo de trabajo en IA en 2018. Este grupo está dedicado a desarrollar la Estrategia Española de I+D+I (Investigación, Desarrollo, Innovación). Desde esta Estrategia se establecen seis prioridades y siete recomendaciones con carácter interdisciplinar y transversal. Las prioridades son: considerar una estructura organizativa que permita desarrollar la IA y valorar su impacto; actuar en diferentes áreas estratégicas (IA para la Sociedad, para la Economía, la Educación, la Salud, la Seguridad, Ciudades y territorios Inteligentes...); la transferencia del conocimiento entre los sectores científicos, tecnológicos y empresariales. Otras recomendaciones son la formación en IA; la creación de un ecosistema digital de datos y las cuestiones éticas ligadas a la IA. Las recomendaciones que pueden leerse en esta Estrategia están relacionadas con las prioridades. La última de ellas alude a la necesidad de velar por un uso ético de la IA en todos los campos de aplicación. Se expone que las aplicaciones se dirigirán por los principios éticos, legales y sociales de España y Europa  incluidos en un Código Ético de Inteligencia Artificial co-desarrollado a nivel interministerial. A nivel europeo, en 2019 se publican las Orientaciones éticas para un uso fiable de la IA (en inglés), "Ethics Guidelines for trustworthy AI". En esta guía se establecen cuatro principios éticos: respeto a la autonomía de los seres humanos, prevención del daño, justicia (no discriminación, igualdad de oportunidades...) y explicability (este principio para el que no se ha encontrado sinónimo preciso se relaciona con la protección de datos, la información veraz, transparente, clara...)


¿Cuál es la definición de inteligencia artificial?

    En la Estrategia Española I+D+I se recoge la definición de IA dada por McCarthy en 1956: "la ciencia e ingeniería de hacer máquinas que se comporten de una forma que llamaríamos inteligente si el humano tuviese ese comportamiento". Otros documentos relacionados con el campo recogen la definición similar pero atribuida Minsky“la IA es la ciencia de construir máquinas para que hagan cosas que, si las hicieran los humanos, requerirían inteligencia”. Han pasado más de sesenta años desde que estos dos científicos se reunieran con otros en la Conferencia en Darmouth College. A lo largo de las últimas décadas, no solo se ha evolucionado enormemente en el campo de la IA, sino que también se ha evolucionado en el estudio de la inteligencia de los seres humanos o en el estudio de cómo aprendemos. Así, las primeras teorías del aprendizaje obviaban el aspecto comprensivo, basándose en postulados conductistas tipo estímulo-respuesta. Actualmente, se sabe que el aprendizaje es un proceso holístico en el que además intervienen procesos fundamentales como la capacidad de observación, reflexión, análisis, comprensión, experimentación y relación... Por otro lado, lo que entonces era considerado inteligente en aquella época dista de lo que hoy podemos reconocer como inteligencia. Se habla también de descubrimientos en el campo de la neurociencia: plasticidad cerebral, integración entre los dos hemisferios, "cerebros" en el aparato digestivo, en el corazón... La complejidad del funcionamiento de la inteligencia humana es enorme.  Así, a medida que se avanza tecnológica y científicamente, se puede conocer más y mejor la inteligencia, así como otros aspectos de la realidad. Howard Gardner, premio Príncipe de Asturias de Ciencias Sociales 2011 (actuales Premios Princesa de Asturias desde 2014) con su teoría de las Inteligencias Múltiples expuso la enorme variedad y complejidad de la inteligencia humana. Una persona no solo es inteligente por tener un alto coeficiente intelectual (CI), sino que puede ser inteligente (y no solo llamado talentoso) en el ámbito lingüístico, en el natural, en el musical, en el espacial, en el interpersonal o intrapersonal (estas dos últimas relacionadas con la inteligencia emocional que Daniel Goleman expuso en su libro en 1995). Además de las ocho inteligencias reconocidas actualmente por Gardner, este ha hablado de que cada persona tiene una combinación única de inteligencia. Es sin duda desde esa única combinación donde cada uno/a podrá definir, comprender y utilizar de la mejor manera posible la inteligencia artificial.