1

INTELIGENCIA ARTIFICIAL

Convergencia tecnológica

Jerson David Acosta Rodriguez

Corporación Unificada Nacional de Educación Superior

Bogotá D.C

2018
 2

Tabla de contenido
3.1 Ejemplos de tecnología AI ...................................................................................................... 7
3.2 Aplicaciones de AI................................................................................................................... 8
3.3.1 Los drones, una manifestación de esta tendencia. ............................................................... 14
1. Avanzar con cuidado. .................................................................................................................... 16
2. La raza humana no se extinguirá con la integración de la Inteligencia Artificial. ......................... 16
3. Con la Inteligencia Artificial la realidad será parecida a la ficción. ............................................... 16
4. La IA y los humanos trabajaremos mano a mano. ........................................................................ 16
5. Necesario un período de adaptación para profesionales. ............................................................ 16

1. RESUMEN DEL CONTEXTO GENERAL DE LA INTELIGENCIA ARTIFICIAL

1.1. EL FUTURO LLAMA A NUESTRA PUERTA.

Hay muchos aspectos que diferencian al cerebro humano de los sistemas desarrollados por la
inteligencia artificial, ya que las maquinas carecen de intuición y se basan únicamente en
métodos automáticos de prueba y error, por ello no tienen la capacidad de reaccionar ante
situaciones inesperadas ni la posibilidad de generalizar acontecimientos distintos.
Por otro lado, carecen de creatividad, aspecto hasta ahora totalmente. En las maquinas no
existen una interrelación creativa, y los cambios de contextos no implican una modificación
sustancial entre sus circuitos y programas, el medio circundante no modifica estructuralmente
sus funciones. La mente humana esta provista de valores producto de la interrelación social;
al carecer de aquellos, las maquinas no pueden evolucionar o auto perfeccionarse.
Como ya vimos la inteligencia artificial ha explorado las distintas formas en que las
computadoras podrían realizar las tareas que antes estaban reservadas a los seres humanos
como resolver problemas, planear a futuro, demostrar teoremas, jugar, ajedrez, conservar y
entender un lenguaje, componer música etc. El hecho de que aún no haya conseguido
 3

reproducir un ser humano completo o que eventualmente lo consigas es de menor

importancia que la evidencia de que ha mejorado nuestra habilidad para pensar y clasificar
fenómenos de interés para psicología y otras ramas de la ciencia. Ha colaborado en la
reformulación de viejos problemas psicológicos y en la reconsideración y revaluación de las
teorías existentes. Ha forzado a los especialistas a precisar sus conceptos y a utilizarlos con
mayor consistencia y rigor, al mismo tiempo, los ha enfrentado a un reto teórico al formular
un programa rival de investigación que busca explicar un objeto de estudio que anteriormente
estaba reservado a los psicólogos: la explicación de la inteligencia y sus procesos colaterales
(ITAM, 1987).

1.2 PALABRAS CLAVES

1.2.0 Aprendizaje Mecánico (Machine Learning)
El aprendizaje Mecánico (también conocido como Aprendizaje Automático) es un
subconjunto de la categoría de inteligencia artificial. El aprendizaje automático es la parte de
la inteligencia artificial que se centra en dar a las computadoras la capacidad de "mejorar"
con el tiempo como resultado de la experiencia. Un antiguo científico informático llamado
Arthur Samuel explicó que el aprendizaje automático permite a las computadoras "aprender
sin ser explícitamente programadas", y su definición de aprendizaje de máquinas se cita
frecuentemente
1.2.1Aprendizaje Profundo (Deep Learning)
Al igual que el aprendizaje mecánico, se trata de un subconjunto dentro de la inteligencia
artificial. El aprendizaje profundo es un subconjunto del aprendizaje de la máquina. El
aprendizaje profundo es la parte del aprendizaje automático que se centra en formar
"abstracciones y conceptos". Los sistemas de aprendizaje profundo ingieren grandes
cantidades de datos y generalizan categorías y características relacionadas con esos datos a
través de un aprendizaje supervisado o no supervisado
1.2.2 Cómputo Cognitivo (Cognitive Computing)
De todos los términos, tal vez el cómputo cognitivo es la más fácil de definir. Esencialmente,
significa lo mismo que la inteligencia artificial y no es tan aterrador como lo pinta
Hollywood.
La mayoría de nosotros hemos visto tantas películas apocalípticas de ciencia ficción que
presentan usos espantosos de inteligencia artificial que el término IA ha adquirido algunas
connotaciones negativas. Para evitar esa mala impresión, los equipos de mercadotecnia a
 4

veces utilizan la frase "Computación Cognitiva" para describir productos con capacidades de
IA.
1.2.3 Redes Neuronales (Neuronal Networks)
Las redes neuronales son conocidas con muchos nombres diferentes: Red Neuronal Artificial,
Red Neural, Red Neural Profunda y otros términos similares. Todas esas frases describen lo
mismo: Un sistema informático inspirado en cerebros vivos.
1.2.4 Aprendizaje supervisado y no supervisado (Supervised and Unsupervised
Learning)
Dentro del aprendizaje mecánico y del aprendizaje profundo, existen varios enfoques posibles
para enseñar computadoras. Dos de los más comunes son el aprendizaje supervisado y sin
supervisión.
Con el aprendizaje supervisado, la computadora tiene un "maestro", un ser humano (o varios
seres humanos) que proporciona ejemplos. En el ejemplo de identificación de gato-perro que
hemos estado usando, el aprendizaje supervisado requeriría que una persona etiquetara un
montón de imágenes como gatos o perros. La computadora aprendería entonces de esas
muestras de entradas y salidas.

1.2.5 Algoritmo (Algorithm)

La definición del diccionario para un Algoritmo es: -"...un proceso o conjunto de reglas que
se deben seguir en los cálculos u otras operaciones de resolución de problemas,
especialmente por un ordenador."- En términos sencillos, cuando hablamos de algoritmos,
estamos hablando de procesos, generalmente procesos relacionados con las matemáticas.
1.2.6 Chatbot
También llamado "Bot" o un agente interactivo, un Chatbot es un sistema de inteligencia
artificial que utiliza capacidades de procesamiento de lenguaje natural para llevar a cabo una
conversación con seres humanos. Hoy en día, los ejemplos más reconocibles de Chatbots son
Siri de Apple, Cortana de Microsoft y Alexa de Amazon. Sin embargo, muchas
organizaciones diferentes están invirtiendo en la tecnología de Chatbot y muchos sitios web
ahora ofrecen Chatbots que pueden responder a preguntas de soporte técnico, ayudar a guiar a
los clientes a través de un proceso de ventas o interactuar con los clientes de otras maneras.
1.2.7 Minería de Datos (Data Mining)
La Minería de Datos consiste en buscar patrones en un conjunto de datos. Identifica
correlaciones y tendencias que de otro modo pasarán desapercibidas. Por ejemplo, si una
 5

aplicación de minería de datos recibiera datos de ventas de Walmart, podría descubrir que las
personas del sur prefieren ciertas marcas de fichas o que durante el mes de octubre la gente
comprará cualquier cosa con "especias de calabaza" en el nombre del producto.
1.2.8 Procesamiento Natural del Lenguaje (Natural Language Processing)
El procesamiento Natural del Lenguaje es un área de la Inteligencia Artificial relacionada con
la comprensión y la generación del habla, de la forma en que los humanos usualmente lo
hacemos. Los equipos de cómputo siempre han sido capaces de entender los lenguajes de
programación, pero la comprensión de inglés o chino es mucho más complicado.
1.2.9 Análisis Predictivo (Predictive Analytics)
Hoy en día, casi todas las empresas están ejecutando análisis en sus grandes datos. La
Analítica Predictiva es un tipo particular de análisis que busca informar a los usuarios de lo
que va a suceder a continuación. Por ejemplo, puede alimentar un sistema de análisis
predictivo 10 años de datos de ventas de su empresa y luego pedirle que pronostique sus
ventas para el próximo trimestre dado las tendencias actuales.
1.2.0.1 Prueba de Turing
La prueba de Turing se nombra para su inventor, Alan Turing, científico temprano de la
computadora que teorizó extensivamente sobre inteligencia artificial. Propuso una prueba
simple para determinar si una computadora había alcanzado o no inteligencia artificial
verdadera. Un interrogador humano escribiría preguntas, que luego se darían a un sistema
informático ya un ser humano. La computadora y el ser humano entonces escribirían las
respuestas. Si el interrogador no podía saber qué respuesta provenía de la computadora y de
la persona, el sistema, según la opinión de Turing, habría logrado inteligencia artificial.

2. INTELIGENCIA ARTIFICIAL

La inteligencia artificial (Artificial Intelligence, o AI) es la simulación de procesos de

inteligencia humana por parte de máquinas, especialmente sistemas informáticos. Estos
procesos incluyen el aprendizaje (la adquisición de información y reglas para el uso de la
información), el razonamiento (usando las reglas para llegar a conclusiones aproximadas o
definitivas) y la autocorrección. Las aplicaciones particulares de la AI incluyen sistemas
expertos, reconocimiento de voz y visión artificial.
El término AI fue acuñado por John McCarthy, un informático estadounidense, en 1956
durante la Conferencia de Dartmouth, donde nació la disciplina. Hoy en día, es un término
 6

general que abarca todo, desde la automatización de procesos robóticos hasta la robótica
actual. Ha ganado prominencia recientemente debido, en parte, a los grandes volúmenes de
datos, o al aumento de velocidad, tamaño y variedad de datos que las empresas están
recopilando. AI puede realizar tareas tales como identificar patrones en los datos de manera
más eficiente que los seres humanos, lo que permite a las empresas obtener más información
sobre sus datos.
3.0 Tipos de inteligencia artificial
AI puede ser categorizado en cualquier número de maneras, pero aquí hay dos ejemplos.
El primero clasifica los sistemas de AI como AI débil o AI fuerte. La AI débil, también
conocida como AI estrecha, es un sistema de AI que está diseñado y entrenado para una tarea
en particular. Los asistentes personales virtuales, como Siri de Apple, son una forma de débil
de AI.

La AI fuerte, también conocida como inteligencia general artificial, es un sistema de AI con

habilidades cognitivas humanas generalizadas, de modo que cuando se le presenta una tarea
desconocida, tiene suficiente inteligencia para encontrar una solución. La prueba de Turing,
desarrollada por el matemático Alan Turing en 1950, es un método utilizado para determinar
i una computadora puede realmente pensar como un humano, aunque el método es polémico.

El segundo ejemplo es de Arend Hintze, profesor asistente de biología integradora e

ingeniería y ciencias de computación en la Universidad Estatal de Michigan. Categoriza la AI
en cuatro tipos, desde el tipo de sistemas de AI que existen hoy en día hasta los sistemas
sensitivos, que aún no existen. Sus categorías son las siguientes:

3.0.0 Tipo 1: Máquinas reactivas. Un ejemplo es Deep Blue, el programa de ajedrez de

IBM que venció a Garry Kasparov en los años noventa. Deep Blue puede identificar piezas
en el tablero de ajedrez y hacer predicciones, pero no tiene memoria y no puede usar
experiencias pasadas para informar a las futuras. Analiza movimientos posibles –los propios
y los de su oponente– y elige el movimiento más estratégico. Deep Blue y AlphaGO de
Google fueron diseñados para propósitos estrechos y no pueden aplicarse fácilmente a otra
situación.

3.0.1 Tipo 2: Memoria limitada. Estos sistemas de AI pueden usar experiencias pasadas
para informar decisiones futuras. Algunas de las funciones de toma de decisiones en
 7

vehículos autónomos han sido diseñadas de esta manera. Las observaciones son utilizadas
para informar las acciones que ocurren en un futuro no tan lejano, como un coche que ha
cambiado de carril. Estas observaciones no se almacenan permanentemente.

3.0.2 Tipo 3: Teoría de la mente. Este es un término psicológico. Se refiere a la

comprensión de que los demás tienen sus propias creencias, deseos e intenciones que afectan
las decisiones que toman. Este tipo de AI aún no existe.

3.0.3 Tipo 4: Autoconocimiento. En esta categoría, los sistemas de AI tienen un sentido de

sí mismos, tienen conciencia. Las máquinas con conciencia de sí comprenden su estado
actual y pueden usar la información para inferir lo que otros están sintiendo. Este tipo de AI
aún no existe.

3.1 Ejemplos de tecnología AI

3.1.1 La automatización es el proceso de crear automáticamente un sistema o una función de

proceso. La automatización robótica de procesos (RPA), por ejemplo, puede programarse
para realizar tareas repetibles de alto volumen normalmente realizadas por seres humanos. La
RPA es diferente de la automatización de TI en que se puede adaptar a las circunstancias
cambiantes.

El aprendizaje automático es la ciencia de conseguir que una computadora actúe sin

programación. El aprendizaje profundo es un subconjunto del aprendizaje automático que, en
términos muy simples, puede considerarse como la automatización de la analítica predictiva.
Existen tres tipos de algoritmos de aprendizaje automático: el aprendizaje supervisado, en el
que los conjuntos de datos están etiquetados para que los patrones puedan ser detectados y
utilizados para etiquetar nuevos conjuntos de datos; el aprendizaje no supervisado, en el que
los conjuntos de datos no están etiquetados y se clasifican de acuerdo a similitudes o
diferencias; y el aprendizaje de refuerzo, en el que los conjuntos de datos no están
etiquetados, pero después de realizar una acción o varias acciones, el sistema de AI recibe
retroalimentación.

3.1.2 La visión de la máquina es la ciencia de hacer que las computadoras vean. La visión de
la máquina captura y analiza la información visual usando una cámara, la conversión de
 8

analógico a digital y el procesamiento de la señal digital. A menudo se compara con la vista

humana, pero la visión artificial no está vinculada a la biología y puede programarse para ver
a través de las paredes, por ejemplo. Se utiliza en una amplia gama de aplicaciones, desde la
identificación de la firma hasta el análisis de imágenes médicas. La visión por computador,
que se centra en el procesamiento de imágenes a máquina, suele combinarse con la visión
artificial.

3.1.3 El procesamiento del lenguaje natural (PNL, o NLP por sus siglas en inglés) es el
procesamiento del lenguaje humano y no informático por un programa informático. Uno de
los ejemplos más antiguos y conocidos de PNL es la detección de spam, que mira la línea de
asunto y el texto de un correo electrónico y decide si es basura. Los enfoques actuales de la
PNL se basan en el aprendizaje automático. Las tareas de PNL incluyen traducción de texto,
el análisis de sentimientos y el reconocimiento de voz.

3.1.4 El reconocimiento de patrones es una rama del aprendizaje automático que se centra en
la identificación de patrones en los datos. El término, hoy, es anticuado.
3.1.5 La robótica es un campo de la ingeniería centrado en el diseño y fabricación de robots.
Los robots se utilizan a menudo para realizar tareas que son difíciles de realizar para los seres
humanos o es complicado que se desempeñen de manera consistente. Se utilizan en líneas de
montaje para la producción de coches o por la NASA para mover objetos grandes en el
espacio. Más recientemente, los investigadores están utilizando el aprendizaje automático
para construir robots que puedan interactuar en entornos sociales.

3.2 Aplicaciones de AI

3.2.1 AI en la asistencia sanitaria. Las mayores apuestas están en mejorar los resultados de
los pacientes y reducir los costos. Las empresas están aplicando el aprendizaje de máquina
para hacer diagnósticos mejores y más rápidos que los seres humanos. Una de las tecnologías
sanitarias más conocidas es IBM Watson. Entiende el lenguaje natural y es capaz de
responder a las preguntas que se le formulan. El sistema extrae datos de los pacientes y otras
fuentes de datos disponibles para formar una hipótesis, que luego presenta con un esquema de
puntuación de confianza. Otras aplicaciones de AI incluyen chatbots, un programa de
computadora utilizado en línea para responder a preguntas y ayudar a los clientes, para
ayudar a programar citas de seguimiento o ayudar a los pacientes a través del proceso de
 9

facturación, así como en asistentes virtuales de salud que proporcionan retroalimentación

médica básica.

3.2.2 AI en los negocios. La automatización de procesos robóticos se está aplicando a tareas

altamente repetitivas que normalmente realizan los seres humanos. Los algoritmos de
aprendizaje automático se están integrando en las plataformas de análisis y CRM para
descubrir información sobre cómo servir mejor a los clientes. Los chatbots se han
incorporado en los sitios web para ofrecer un servicio inmediato a los clientes. La
automatización de puestos de trabajo también se ha convertido en un punto de
conversación entre académicos y consultores de TI, como Gartner y Forrester.

3.2.3 AI en la educación. La AI puede automatizar la calificación, dando a los educadores

más tiempo. AI puede evaluar a los estudiantes y adaptarse a sus necesidades, ayudándoles a
trabajar a su propio ritmo. Los tutores de AI pueden proporcionar apoyo adicional a los
estudiantes, asegurando que se mantengan en el buen camino. AI podría cambiar dónde y
cómo los estudiantes aprenden, tal vez incluso reemplazando a algunos maestros.

3.2.4 AI en finanzas. La AI aplicada a las aplicaciones de finanzas personales, como Mint o

Turbo Tax, está transformando a las instituciones financieras. Aplicaciones como estas
podrían recopilar datos personales y proporcionar asesoramiento financiero. Otros
programas, IBM Watson siendo uno, se han aplicado al proceso de comprar una casa. Hoy en
día, el software realiza gran parte de las operaciones en Wall Street.

3.2.5 AI en la ley. El proceso de descubrimiento, a través de la revisión de documentos, en la

ley es a menudo abrumador para los seres humanos. Automatizar este proceso es un mejor
uso del tiempo y un proceso más eficiente. Las startups también están construyendo asistentes
informáticos con preguntas y respuestas que pueden tamizar preguntas programadas para
contestar examinando la taxonomía y la ontología asociadas a una base de datos.

3.2.6 AI en la fabricación. Esta es un área que ha estado a la vanguardia de la incorporación

de robots en el flujo de trabajo. Los robots industriales solían realizar tareas únicas y estaban
separados de los trabajadores humanos, pero a medida que la tecnología avanza eso ha
cambiado.
 10

3.3 Ventajas y Riesgos De La Inteligencia Artificial.

Expertos vaticinan que el desarrollo de la IA, el mayor reto tecnológico de la historia, dará a
luz una nueva generación de robots autónomos capaces de atender nuestras necesidades. Pero
¿constituirán una amenaza?

Si hacemos caso a Elon Musk, el visionario magnate que fundó PayPal, la compañía de
vehículos eléctricos y baterías Tesla o la corporación espacial privada SpaceX, la humanidad
se enfrenta a una nueva y formidable amenaza: la inteligencia artificial (IA). “Es como esas
historias en las que alguien convoca al demonio. Siempre hay un tipo con un pentáculo y
agua bendita convencido de que así podrá controlarle, y claro, no funciona”, señala.

Su preocupación tiene mucho que ver con el dinero. Los pesos pesados del sector tecnológico
están apostando fuerte en este sentido. Google, por ejemplo, adquirió el año pasado
DeepMind, una empresa especializada en el desarrollo de redes neurales en la que ya había
invertido Musk. El gigante de las búsquedas trabaja en un sistema informático capaz de
distinguir en un vídeo una cara humana de la de un perro, gente patinando o durmiendo, un
gato... Y todo por sí solo y sin que nadie haya puesto etiquetas en el archivo previamente.

La idea es que vaya aprendiendo, por así decirlo, tras alimentarse con millones de
grabaciones. IBM, por su parte, afina su superordenador Watson, que en 2011 derrotó a los
campeones humanos del concurso estadounidense de preguntas y respuestas Jeopardy! Su
intención es mejorar las funciones cognitivas del ingenio y comprobar sus capacidades para
realizar diagnósticos médicos, análisis de la personalidad y traducciones en tiempo real. Los
ingenieros de Facebook no se quedan atrás y han ideado un algoritmo que permite reconocer
un rostro con éxito el 97 % de las veces, aunque haya sido mal captado.

Musk asegura que las cosas van demasiado rápido, y que por eso la IA es una tecnología que
puede resultar tan peligrosa como los maletines nucleares. En el coro de los agoreros del
apocalipsis artificial destaca la voz del filósofo británico Nick Bostrom, de la Universidad de
Oxford, que compara nuestro destino con el de los caballos, cuando fueron sustituidos por los
automóviles y los tractores. En 1915, había en EE. UU. unos veintiséis millones de estos
equinos. En la década de los cincuenta, quedaban solo dos millones. Los caballos fueron
sacrificados para venderse como comida para perros. Para Bostrom, la IA supone un riesgo
existencial para la humanidad comparable con el impacto de un gran asteroide o el holocausto
 11

nuclear. Todo ello, por supuesto, siempre que podamos construir ordenadores pensantes. Pero
¿qué significa exactamente esto?

En realidad, el concepto de inteligencia artificial no es tan reciente como parece. Desde los
tiempos de Alan Turing –al que se considera el padre de la misma– y la construcción de su
dispositivo Bombe, que permitió descifrar los códigos de la máquina Enigma alemana, han
pasado más de setenta años. En un momento dado del film The Imitation Game (Morten
Tyldum, 2014), en el que Benedict Cumberbatch interpreta al célebre matemático, un
detective le pregunta: “¿Podrán las máquinas algún día pensar como los humanos?”. A lo que
él responde: “La mayoría de la gente piensa que no.

El problema es que está haciendo una pregunta estúpida. Desde luego que las máquinas no
pueden pensar como las personas. Son diferentes, y piensan diferente. La cuestión es: por el
hecho de que algo sea diferente, ¿significa que no puede pensar?”. El detective le interpela
entonces por el título de su artículo, The Imitation Game. “Es un juego, un test para
determinar si alguien es un ser humano o una máquina”, indica Turing. “Hay un tema
general. Un juez pregunta, y a partir de las respuestas, decide si habla con una persona o una
máquina”. La escena quizá sea inventada, pero su contenido es real. El test existe.

La IA causa furor gracias a la literatura y al cine. Pero ¿cuál es el grado real de progreso?
Hace más de quince años, estuve en el Instituto de Robótica de Pittsburgh, en EE. UU., uno
de los templos de esta disciplina. Por entonces, formaba parte de un equipo de TVE que
recogía los últimos avances tecnocientíficos en una serie de divulgación llamada 2.Mil.
Tengo que reconocerlo: me llevé un chasco morrocotudo por culpa de la imagen de
la robótica que nos ha inculcado la ciencia ficción.

Los aparatos que tenían allí eran poco más que cacharros en manos de ingenieros en
vaqueros, y parecían salidos de un garaje de frikis. Se averiaban a la menor ocasión. Me
hablaron de Florence, una enfermera robot que iba a revolucionar la geriatría. En realidad, se
trataba de una especie de tonel con cabeza a la que habían pegado ojos y labios de silicona
para dibujar sonrisas.

Florence tenía una cámara de televisión incorporada y un monitor. Las pilas se le agotaban
rápido. Y, desde luego, no entendía lo que le decíamos. Todo aquello que pronunciaba tenía
 12

que programarse con antelación, así que un ingeniero trabajó a destajo para que saliera al
pasillo y nos diera un mensaje de bienvenida.

Había leído muchas cosas sobre lo que hacían en Pittsburgh, especialmente de Xavier,
un robotque sabía por dónde iba, toda una revolución. Pero no era otra cosa que otro tonel
con ruedas que se desplazaba por los pasillos del instituto gracias a un mapa que tenía en su
memoria. Ante unas escaleras, se paraba para no matarse. Por lo visto, irrumpía en las
dependencias para contar chistes verdes. Aquella mañana vi a Xavier mientras era llevado a
rastras, una imagen que jamás olvidaré. ¡Estaba en las catacumbas de la robótica! Acudí a la
oficina de Hans Moravec, uno de los visionarios más famosos, pero todo lo que decía
resultaba difícil de creer.

Moravec estaba convencido de que en cincuenta años los androides desplazarían a los
humanos. Durante más de una hora estuvo hablando sin parar sobre la evolución de estos
dispositivos y su creciente inteligencia, gracias al avance de los microprocesadores y su
capacidad de manejar cada vez más información. Fue una charla cautivadora. La evolución
de las máquinas iba a ser imparable. “Ha llegado la hora de que nos marchemos”, concluía
este científico nacido en Austria.

Moravec dejó el instituto para fundar una compañía de robots industriales con visión 3D.
Antes, me había enseñado en su ordenador una imagen percibida por uno donde se veían
sillas y mesas que tenían un aspecto pixelado. ¿Y cómo podría saber la máquina qué era qué?
En aquel verano de 1999, Moravec contaba que estaba fascinado por un nuevo buscador de
internet, el más inteligente y mejor diseñado. Fue la primera vez que oí hablar de Google.

Ahora, Google ha comprado una empresa de IA a Musk y ha desarrollado el primer coche

autónomo, que ya ha recorrido 1,6 millones de kilómetros sin conductor, y el sistema que
diferencia gatos de personas en YouTube. El mundo está literalmente invadido por cantidades
inconcebibles de información, que circula por la Red, y la capacidad de computación
aumenta sin cesar. Pero ¿de verdad tenemos razones para temer que una máquina llegue
algún día a pensar como nosotros?

Ramón López de Mantarás, director del Instituto de Investigación en Inteligencia Artificial

del CSIC, es uno de los más reconocidos expertos españoles en robótica e IA. “No”, responde
a MUY. Y añade: “No sé qué pasará dentro de cientos de años, pero todo este tema del que se
 13

habla, la singularidad, la trascendencia, que habrá máquinas con consciencia y cualidades

mejoradas con respecto a la inteligencia humana en cuestión de treinta o cuarenta años no
tiene sentido... Nunca he visto un argumento científico que lo apoye”.

El punto de vista de López de Mantarás encaja con lo que sentí hace quince años, en mi
frustrante visita a Pittsburgh. El mundo ha cambiado mucho desde entonces, pero lo cierto es
que aún no se vislumbran las máquinas que acabarán siendo conscientes de sí mismas para
desencadenar la catástrofe, como ocurre en las películas de la saga Terminator.

Discrepa así de gurús como el futurólogo Raymond Kurzweil, que hoy trabaja en la división
de Ingeniería de Google. Al igual que Moravec, este está convencido de que durante este
siglo los robots serán capaces de pasar el citado test de Turing, incluso antes de 2029. Pues
bien, no sería la primera vez que se cumple una de sus predicciones.
A finales de los 80, Kurzweil aseguró que hacia 1998 un ordenador ganaría a un campeón
mundial de ajedrez: ocurrió en 1996, cuando Gari Kasparov perdió una partida contra el
programa informático de IBM Deep Blue. En esos años, también imaginó que internet, por
entonces una red relegada a instituciones académicas, se extendería por el mundo. Ahora
afirma que en 2045 las computadoras serán mucho más potentes que todos los cerebros
humanos de la Tierra juntos. Cuando habla, los medios caen rendidos ante ese mundo
artificial. “Es una persona muy mediática”, concede López de Mantarás. “Pero detrás no hay
nada científico”.

Marvin Minsky, cofundador del Laboratorio de Inteligencia Artificial del Instituto

Tecnológico de Massachusetts (MIT), galardonado el año pasado por la Fundación BBVA, sí
cree que se desarrollarán máquinas tan inteligentes como los humanos. “No obstante, el
tiempo que esto lleve dependerá de si se trabaja en los problemas adecuados y del dinero”,
manifiesta Minsky. “Es un enfant terrible”, asegura López de Mantarás, que estuvo en el
congreso que el MIT celebró recientemente en su honor.

“Minsky piensa que los grandes avances en este campo se realizaron entre los 60 y los 80, y
luego se abandonaron todas las ideas con respecto a la IA en su sentido general”. Así, lo que
habría quedado en el panorama actual es la especialización, máquinas que son extraordinarias
jugando al ajedrez, pero que no saben nada de las damas o el parchís. “Las IA especializadas
son un buen negocio, y estoy a favor de ellas. Faltaría más. Es lo que es realmente la
inteligencia artificial hoy en día”, indica López de Mantarás.
 14

La investigación generalista en IA está desapareciendo. En este mundo inundado de datos,

esta tecnología es completamente distinta. El coche autónomo de Google o el superordenador
Watson de IBM analizan terabytes de información para tomar decisiones correctas. Sin
embargo, no saben explicar cómo han llegado a ellas. En otras palabras, cuando el sistema
escupe su respuesta, es incapaz de responder a esta pregunta: ¿y eso por qué? “Hemos
renunciado al porqué y nos hemos quedado con el qué”, lamenta Pérez de Mantarás.

Por ejemplo, hace unos años, un sistema experto que deducía que el paciente
sufría neumonía podía justificar ese diagnóstico a partir del historial del enfermo y los
cultivos realizados, pero ahora un software tan complejo como Watson no puede hacerlo.
Simplemente elabora una conclusión a partir de la abrumadora cantidad de datos que maneja,
pero no ofrece una razón. “Esto crea problemas de aceptación por parte del usuario”, afirma
Pérez de Mantarás.
Fijémonos en la película Yo, robot (Alex Proyas, 2004): las calles están plagadas
de humanoides que llevan la compra, sirven copas, reparten perritos calientes... Si nos
olvidamos por un momento de la fantástica agilidad que demuestran y la inteligencia general
que atesoran, ¿qué nos quedaría? Está claro: un ejército de especialistas.

3.3.1 Los drones, una manifestación de esta tendencia.

La fuerza aérea estadounidense mantiene más de 8.000 de estos aparatos ahora mismo para
combatir el terrorismo, según la Institución Brookings. En sus operaciones, ya han matado a
más de 2.400 personas. Los modelos comerciales, por su parte, filman e investigan cualquier
cosa. Por ejemplo, equipados con sensores de infrarrojos, algunos pueden detectar
qué plantas están enfermas o sufren ataques de parásitos.

Así, es posible idear un plan de fumigación a la carta. Otros ayudan a controlar la caza furtiva
y aportan pistas a los biólogos que estudian los vuelos de las aves y sus trayectorias. Los hay
de todo tipo. El más grande de todos, el Eitan, de fabricación israelí, posee una envergadura
de 26 m, casi como un Boeing 737. Por el contrario, el diminuto Nano Hummingbird, de 16
cm, desarrollado con el apoyo de la Agencia de Proyectos de Investigación Avanzados de
Defensa de Estados Unidos (DARPA), podría pasar por un colibrí. Los robots literalmente
han despegado hacia su libertad, aunque, eso sí, bajo control humano.
 15

Entre la fauna robótica que permanece en tierra nos encontramos desde el Roomba, un
pequeño aspirador semiautónomo con forma de disco ideado por iRobot que se ha convertido
en todo un éxito comercial, hasta el PackBot –de la misma firma–, un róver militar provisto
de un brazo robótico capaz desde manipular bombas hasta inspeccionar lugares contaminados
por radiactividad. El TUG, por su parte, obra de Aethon, parece una especie de mesita con
ruedas y sensores. Gracias a estos últimos, se desplaza sin problemas por los pasillos de
algunos hospitales estadounidenses para llevar medicinas y otros suministros.
 16

4. CONCLUSIONES

1. Avanzar con cuidado.

2. La raza humana no se extinguirá con la integración de la Inteligencia Artificial.

3. Con la Inteligencia Artificial la realidad será parecida a la ficción.

4. La IA y los humanos trabajaremos mano a mano.

5. Necesario un período de adaptación para profesionales.

En la sociedad, dentro de las ciencias de la computación, la de la Inteligencia Artificial es una

de las áreas que causa más expectación. Que un sistema pueda mejorar su comportamiento
sobre la base de la experiencia y que, además, tenga una noción de lo que es un error y que
pueda evitarlo, resulta muy interesante.

No obstante, la realización del trabajo, me ha servido para darme cuenta de que la IA no es

algo nuevo, lleva décadas de estudio y está en constante evolución. La realidad es que la
mayoría de la gente, al hablar de inteligencia artificial tiende a relacionarlo con el mundo de
la robótica y, más concretamente a los robots con formas humanas, capaces de relacionarse.
Gracias a este trabajo he descubierto que no es así. La robótica existía mucho antes de la
inteligencia artificial.

Resulta también interesante que, al encontrarse en constante evolución, encontramos antiguas

referencias de robots en la ciencia ficción que ahora sabemos que son posibles a medio o
largo plazo.

Por otro lado, me ha parecido apasionante todo lo relacionado con las redes neuronales y los
sistemas biónicos. Parece increíble que una máquina pueda reproducir funciones típicamente
humanas.

Los métodos tradicionales en Inteligencia Artificial que permitieron el desarrollo de los

primeros sistemas expertos y otras aplicaciones, ha ido de la mano de los avances
tecnológicos y las fronteras se han ido expandiendo constantemente cada vez que un logro,
considerado imposible en su momento, se vuelve posible gracias a los avances en todo el
mundo, generando incluso una nueva mentalidad de trabajo que no reconoce fronteras físicas
 17

ni políticas. Por ello, yo soy optimista en relación al futuro siempre que se respeten los
límites culturales y éticos. Creando siempre máquinas capaces de ayudar al ser humano, de
sustituirlo en tareas desagradables, duraderas, pesadas o como complemento de ocio.
 18

5. BIBLOGRAFIA Y REFERENCIAS

5.1 Textos:

https://www.muyinteresante.es/tecnologia/articulo/ventajas-y-riesgos-de-la-inteligencia-
artificial-651449483429

https://searchdatacenter.techtarget.com/es/definicion/Inteligencia-artificial-o-AI

http://lab.elmundo.es/inteligencia-artificial/que-es.html

https://blog.adext.com/es/tecnologias-inteligencia-artificial-2018

https://www.iebschool.com/blog/conclusiones-debate-iebs-inteligencia-artificial-innovacion/

http://blog.techdata.com/ts/latam/doce-conceptos-clave-para-entender-la-inteligencia-
artificial

5.2 Videos:

https://www.youtube.com/watch?v=8lMIdrlIWOQ

https://www.youtube.com/watch?v=XQdt04iTfVI

https://www.youtube.com/watch?v=oEOVu6DleeE

https://www.youtube.com/watch?v=UjGpuCol4vs