Derribando 10 mitos sobre la inteligencia artificial
¿Por qué todo el mundo habla de inteligencia artificial (IA), pero todavía no tenemos robots amigables caminando entre nosotros como Data de Star Trek?
Incluso hoy en 2023, todavía hay mucha confusión sobre qué es la IA, el aprendizaje automático (ML) y el aprendizaje profundo (DL), qué pueden hacer las «máquinas inteligentes» y cuál es realmente el estado actual de la tecnología de IA.
Con la desinformación apareciendo constantemente, no es de extrañar que surjan tantos mitos. Es hora de disfrutar de algunas viejas desacreditaciones mientras derribamos 10 de los mitos más comunes sobre la IA (Lea también: ¿La revolución de la IA hará que el ingreso universal sea una necesidad??).
1. “La inteligencia artificial consiste en robots inteligentes o robots que se parecen a los humanos”.
Hay mucha confusión entre la robótica y la inteligencia artificial, son dos campos de la ciencia completamente diferentes que sirven para propósitos diferentes.
Los robots son dispositivos tangibles servidos por actuadores y sensores que realizan una amplia gama de tareas, como construir, manipular o desmantelar productos en las fábricas.
La IA es una forma de programar software lo suficientemente autónoma como para tomar decisiones y aprender de sus errores. Si bien algunos robots pueden eventualmente incorporarse a los algoritmos de IA, la parte «inteligente» es solo un aspecto de la IA.
2. “La IA, el aprendizaje automático y el aprendizaje profundo son lo mismo”.
Aunque todos son parte de un sistema de IA más grande, la IA, el aprendizaje automático y el aprendizaje profundo son tres cosas diferentes.
El aprendizaje automático es el método por el cual la inteligencia artificial aprende de fuentes externas, como el uso de algoritmos para diferenciar datos y determinar su comportamiento correcto.
El aprendizaje profundo es solo una técnica que puede usarse en aplicaciones prácticas de aprendizaje automático. Se basa en redes neuronales artificiales (ANN) y se utiliza para determinar la probabilidad de una decisión de IA exitosa.
3. “La IA aprende por sí sola”.
A pesar de algunas exageraciones exageradas sobre algunas IA que se dice que pueden aprender por sí mismas, todavía es imposible encontrar un sistema impulsado por IA que tenga una aplicación del mundo real que pueda evolucionar desde cero conocimiento sin ayuda humana.
Cualquier sistema que tenga que lidiar con información oculta o incertidumbre de cualquier tipo no puede ser «comprendido» por la IA; aún necesita información y datos de los humanos. Además, cada bit de información debe tener un propósito claro. La IA no puede adivinar, funciona a partir de fuentes externas y datos previos; no puede conceptualizar abstracciones como lo hacen los humanos.
4. “La IA siempre será mejor que los trabajadores humanos”.
La pandemia de COVID-19 requiere intervenciones para reducir el trabajo manual y el contacto cercano entre personas. La automatización impulsada por IA se ha convertido en un héroe, no solo ayudando a prevenir la propagación del virus, sino también brindando una resiliencia muy necesaria para muchas industrias plagadas de bloqueos y restricciones, como las cadenas de suministro.
Si bien el cambio a los sistemas de inteligencia artificial se ha vuelto permanente para muchos trabajos, muchos de estos sistemas solo manejan tareas simples y repetitivas que podrían automatizarse fácilmente. Si bien pueden ser más eficientes que los humanos en algunas situaciones, las tecnologías de IA no pueden reemplazar a los trabajadores humanos en ningún campo que requiera creatividad, empatía, ingenio o pensamiento crítico. Algunas cosas muy humanas, como la comunicación cara a cara, en realidad no pueden ser reemplazadas por ninguna máquina.
La IA simplemente no puede crear ideas originales o pensar por sí misma. Incluso las máquinas más inteligentes son solo programas y algoritmos virtuales.
5. «La electricidad requerida para realizar todas las futuras operaciones de aprendizaje profundo es insostenible».
No se puede negar que la IA requiere mucha potencia informática adicional para entrenar y realizar todas sus complejas operaciones de aprendizaje profundo. Parece que en el futuro, donde la mayoría de las empresas usarán IA hasta cierto punto, el problema podría crecer hasta proporciones épicas, haciendo que su uso sea potencialmente insostenible.
Sin embargo, la inteligencia artificial en realidad nos brinda la solución perfecta para ayudar a resolver problemas como el cambio climático. Puede ayudar a los agricultores a aumentar los rendimientos por hectárea, aumentar la producción de energía al reducir el desperdicio y las ineficiencias de la red, reducir la huella de carbono y las emisiones de gases de efecto invernadero (GEI), respaldar la planificación estratégica y los modelos de toma de decisiones sobre cómo combatir el cambio climático, y más.
Con nuevos avances en computación, como la computación cuántica, no pasará mucho tiempo antes de que tengamos la capacidad y los recursos para ejecutar sistemas de IA más exigentes.
6. “Las empresas pueden alquilar fácilmente la potencia informática necesaria para impulsar las operaciones de IA”.
Tal vez esto sería cierto si AWS, Google, Microsoft y Alibaba Cloud no concentraran actualmente la gran mayoría de la potencia informática disponible en el mundo. Por lo tanto, los desarrolladores de IA actualmente solo tienen dos opciones: alquilar o comprar su propio hardware súper caro a precios exorbitantes (Lea también: Los cuatro grandes proveedores de servicios en la nube: pros y contras).
Una nueva empresa llamada Tatau ha desarrollado una plataforma de supercomputación basada en blockchain que podría resolver este problema. Su solución permite agregar y revender los recursos combinados de una red distribuida globalmente de máquinas basadas en GPU.
Imagine mineros de criptomonedas, jugadores u otras computadoras de alto rendimiento que utilizan su poder de cómputo para el desarrollo de inteligencia artificial. Las empresas de IA pueden aprovechar esta fuente infrautilizada de potencia de GPU para entrenar sus modelos de aprendizaje automático de forma más económica. Tenga en cuenta que esta nueva plataforma también puede proporcionar una respuesta a la pregunta destacada en el Mito n.º 5, ya que facilita el uso eficiente de los recursos actualmente sin explotar.
7. “Necesitas cantidades masivas de datos para entrenar la IA”.
No necesariamente así. Por supuesto, se necesitan muchos datos y potencia informática para entrenar una IA desde cero. Y, aunque en menor grado, necesita terabytes de datos para entrenar una IA para realizar tareas complejas como conducir un automóvil. Sin embargo, las redes neuronales preentrenadas son lo suficientemente flexibles como para volver a entrenarse en dominios específicos, según el dominio de aplicación de la IA.
El marco de datos subyacente puede provenir de un conjunto de datos más grande y general, y solo se debe reemplazar la última parte de la red para llenar los vacíos. Ha pasado tiempo desde la adopción de IA anteriores, y ahora las IA nuevas pueden generar conjuntos de datos sintéticos que se pueden usar para entrenar a otras IA. De hecho, el MIT incluso ha demostrado que estos conjuntos de datos pueden ser más eficientes que los conjuntos de datos tradicionales, allanando el camino para nuevos mundos de posibilidades.
8. “La IA reemplazará las herramientas de BI existentes, haciendo que cualquier tecnología anterior quede obsoleta”.
Este mito es un poco exagerado, por decir lo menos. La mayoría de las soluciones modernas de inteligencia empresarial (BI) son altamente escalables y personalizables, por lo que cualquier modelo futuro basado en IA se puede integrar fácilmente directamente en sus plataformas.
Las empresas siempre tienden a implementar solo aquellas soluciones que no tienen ningún riesgo de interrupción del flujo de trabajo, y la tecnología de IA se ha adaptado a esta necesidad. Como resultado, la mayoría de las plataformas de IA están habilitadas para la red y, por lo tanto, no necesitan ser reemplazadas o, en el peor de los casos, pueden incorporarse gradualmente de forma segura para reducir la interrupción del flujo de trabajo.
9. «Una red neuronal artificial es como una red biológica, pero mecánicamente».
Es imposible que cualquier red neuronal artificial alcance una fracción de la complejidad del cerebro humano. Es como comparar la sofisticación de un avión militar con una cometa, simplemente porque ambos vuelan.
A pesar de años de investigación clínica y científica, todavía no comprendemos completamente las redes neuronales biológicas porque las neuronas realizan muchas tareas diferentes en el cuerpo humano (piense en la diferencia entre las neuronas sensoriales y motoras), e incluso las células transmiten información de muchas maneras diferentes (usando electricidad, potencial químico y neurotransmisores).
La mayor parte de la IA utilizada por las empresas es una IA estrecha, con la capacidad simple de reaccionar a los desencadenantes de datos. Tienen poca o ninguna memoria o capacidades de almacenamiento de datos y solo usan datos históricos para informar la toma de decisiones.
La IA fuerte y la IA profunda, que pueden aplicar su inteligencia y conocimiento para resolver problemas, siguen siendo en gran parte teóricas con poca aplicación práctica en la actualidad. En otras palabras, Fujitsu construyó K, una de las inteligencias artificiales fuertes más avanzadas, ¡se necesitan 40 minutos para simular el equivalente a un segundo de actividad cerebral!
10. «La IA eventualmente se volverá lo suficientemente inteligente como para comprender que los humanos son un peligro para ella y deben ser eliminados».
Bueno, en realidad no podemos desacreditar este mito porque no es un mito. Esta es la realidad. ¡Prepárate, porque la resistencia es inútil!
Bromas aparte, la IA no se acerca a la inteligencia necesaria para comprender el mundo que lo rodea y tomar decisiones autónomas y racionales (Lea también: Por qué la IA superinteligente no destruirá a la humanidad en el corto plazo).
Cada algoritmo se desarrolla para realizar una tarea y no puede lograr nada más, y mucho menos lograr la capacidad de pensar por sí mismo. Las computadoras usan la «fuerza bruta» de su poder de cómputo superior para encontrar soluciones a problemas relativamente simples, pero carecen de la comprensión, la profundidad perceptiva y la complejidad estratégica para lograr propósitos distintos a aquellos para los que fueron programadas.
Si bien probablemente no debería considerarse completamente imposible, las computadoras no tienen una posibilidad real de desarrollar sensibilidad, al menos no en los próximos siglos. La IA será solo otra herramienta, aunque más sofisticada, para nuestro uso a largo plazo.
