El otro día me encontré con un artículo sobre MIT Technology Review en el que, tras analizar 16,625 artículos sobre el futuro de la Inteligencia Artificial, los autores predijeron el fin de la era del aprendizaje profundo. Pienso mucho en la IA a diario, parte de la descripción del trabajo, pero después de leer eso, realmente me detuve para reflexionar sobre el tema. Cuando la era del aprendizaje profundo llegue a su fin, lo que sin duda creo que sucederá, ¿qué seguirá?

En el transcurso de los últimos años, vimos enormes avances tecnológicos en IA, particularmente en las áreas de procesamiento del lenguaje natural, visión por computadora y robótica. Esto se debe principalmente al éxito del aprendizaje automático, la tecnología que permite a las máquinas aprender de los datos y mejorar su rendimiento en función de la experiencia.

Pero, ¿estos avances nos acercan más a la reproducción de la inteligencia humana? ¿Qué nos traerán los próximos años? ¿Y a qué retos nos enfrentaremos a continuación?

Desde Dartmouth hasta HAL 9000

El proyecto Computadora HAL 9000 de Arthur C. Clarke y Stanley Kubrick “2001: A Space Odyssey”, es el arquetipo de una inteligencia artificial. Está dotado de habilidades similares a las humanas, como comprender el lenguaje, diseñar estrategias para lograr un objetivo, recopilar datos de su entorno y tomar decisiones basadas en estos datos. HAL 9000 fue concebido en la década de 1960, en medio del optimismo a raíz del Proyecto de investigación de verano de Dartmouth sobre inteligencia artificial. La conferencia de 1956 reunió a Allen Newell, Herbert Simon, John McCarthy, Marvin Minsky y Ray Solomonoff, entre muchos otros, marcando el inicio de la IA como campo de investigación científica.

A pesar del optimismo inicial, la IA ha tenido un viaje turbulento. Se sostenía comúnmente que unos pocos años serían suficientes para desarrollar tecnologías capaces de reconocer a las personas, comprender el habla humana y traducir entre cualquier idioma. Pero estas expectativas terminaron conduciendo a un período conocido como invierno de IA, durante el cual la financiación de la investigación sufrió grandes recortes.

Décadas más tarde, el invierno de la IA terminó y floreció el optimismo.

Fiebre del oro de la IA

Hoy en día, usamos algoritmos de inteligencia artificial a diario. Por ejemplo, cada vez que usamos Internet para investigar, cuando recurrimos a un traductor en línea o cuando recibimos una recomendación de libros del sitio web en el que generalmente compramos libros. Las transacciones de acciones se realizan mediante algoritmos en cuestión de milisegundos. Los algoritmos de reconocimiento de patrones son cada vez más populares en el análisis de imágenes médicas. Grandes empresas como Google, Facebook, Microsoft, Amazon y Uber están desarrollando vehículos autónomos, asistentes personales digitales, sistemas de diálogo y traductores automáticos, almacenando enormes cantidades de datos y recurriendo a técnicas de aprendizaje automático. Estamos siendo testigos de una verdadera "fiebre del oro", especialmente en Estados Unidos, China, Canadá, Francia y Europa realizando grandes inversiones estratégicas en IA para acelerar el progreso.

Una de las características más deseables de la IA es la capacidad de tomar decisiones complejas. Este fue precisamente el objeto de estudio de las primeras obras de Herbert Simon (premio Nobel de Economía 1978), a quien debemos el principio de racionalidad limitada, por lo que un proceso de decisión debe tener en cuenta la limitación de la información disponible, la limitación cognitiva para procesar dicha información y el tiempo límite para decidir. Actualmente estamos observando éxitos en esta área en entornos controlados, como juegos con reglas estrictamente definidas. los Sistema AlphaGo, a través de técnicas de aprendizaje por refuerzo, vence a los mejores jugadores humanos en Go; una marca histórica que pensamos que aún faltaban décadas para suceder.

Un desafío mayor es dejar estos entornos simulados y construir máquinas capaces de tomar decisiones "en la naturaleza", basándose en las observaciones que hacen del mundo real. Cuando esto sea posible, más allá de la robótica industrial que ya conocemos, tendremos un amplio conjunto de profesiones que se pueden asignar a las máquinas: médicos, ingenieros, jueces y analistas financieros. Se puede esperar que esto suceda en las próximas décadas.

Asistentes personales omniscientes

Una de las ideas utópicas más antiguas relacionadas con la IA es la traducción automática: la capacidad de una máquina para traducir entre cualquier par de idiomas, aplastando todas las barreras del idioma y mediando la comunicación entre humanos. Esta área ha experimentado una evolución notable en los últimos años, gracias a técnicas de aprendizaje profundo como las redes neuronales. Si bien todavía no es posible traducir automáticamente un libro con el mismo nivel de competencia que un traductor humano, gran parte del contenido traducido por máquinas, como noticias o correos electrónicos, muestra una calidad muy superior a la de hace cinco años.

En un futuro próximo, podemos esperar que los avances en el procesamiento del lenguaje natural (incluido el reconocimiento y la síntesis de voz, la extracción de información semántica y los sistemas de diálogo) se integren en los asistentes personales: dispositivos capaces de comunicarse con nosotros, administrar nuestros horarios diarios y buscar información en línea. . Estos gadgets sabrán todo lo que hay que saber sobre nuestros gustos y preferencias y pronto se volverán indispensables.

Formas de inteligencia

Para hacer predicciones sobre un futuro más lejano, debemos pensar en una visión más amplia y menos antropomórfica de la "inteligencia". ¿Es la inspiración biológica la condición necesaria para crear una IA? En general, tendemos a enfrentar el futuro de la IA a la luz de lo que sabemos sobre la inteligencia humana, pero ¿es esa la única forma posible de "inteligencia"?

Echemos un vistazo a la aerodinámica: aunque el vuelo de las aves fue la inspiración para crear dispositivos voladores, los aviones no baten sus alas como lo hacen las aves. Siguiendo el mismo camino, podría ser posible construir máquinas "inteligentes" sin intentar replicar los mecanismos cerebrales. En sistemas con múltiples agentes pueden surgir tipos de “comportamiento inteligente”: ante la necesidad de cooperar para resolver un problema, estos agentes desarrollan automáticamente protocolos de comunicación para intercambiar entre ellos. ¿Qué idioma hablan estas máquinas? ¿Qué tienen en común este lenguaje artificial y el humano? ¿Cuál emergerá como la más favorable para obtener un comportamiento inteligente, un lenguaje simbólico como el nuestro o “representaciones continuas”, ininteligible para el oído humano? ¿Es posible mediar entre estas representaciones internas y el lenguaje humano con el objetivo de lograr la interpretabilidad?

Desafortunadamente, todavía no tenemos un manual que pueda guiarnos a través de las posibilidades y limitaciones de la IA, mientras que al mismo tiempo nos brinde herramientas para avances disruptivos.

En otras palabras, la IA acaba de salir de su fase prehistórica y ahora se encuentra en su "Edad Antigua": un período marcado por empresas colectivas extraordinarias, como las Grandes Pirámides de Giza (alrededor del 2500 a. C.), pero también por técnicas relativamente rudimentarias. . Los historiadores estiman que las Grandes Pirámides fueron construidas (frenéticamente) por alrededor de 10,000 trabajadores en turnos de 3 meses durante un lapso de 30 años. El número de científicos e ingenieros que trabajan hoy en día en IA ciertamente supera ese número. El esfuerzo computacional, medido en teraflops y energía disipada en gigantescos centros de procesamiento de datos, seguramente rivaliza con la energía humana dispensada en apilar los bloques de piedra de las pirámides. Sin embargo, las técnicas que usamos hoy en día en IA parecen igual de rudimentarias.

Hombre versus máquina

La IA está impactando cada vez más en nuestra vida diaria y sus beneficios son innegables. Sin embargo, todavía hay habilidades clave que necesitamos m
aster para desbloquear ciertas limitaciones de los sistemas de IA actuales. El aprendizaje no supervisado es uno de ellos, ya que es la única forma en que un sistema puede aprender sin la dirección humana. No solo esto, sino que es muy difícil hacer predicciones en un campo donde la tecnología de antaño todavía está en camino de alcanzar su máximo potencial. Hay una gran posibilidad de que suceda algo disruptivo que nos señale en una dirección completamente nueva.

Esa es la razón por la que no creo que las máquinas se vuelvan “más inteligentes que nosotros” en el corto plazo o que estemos ni remotamente cerca de una comunicación tan fluida como la mostrada por HAL 9000. A pesar de las alarmas expresadas por Stephen Hawking y Elon Musk, que ve en la IA "la amenaza más seria para la supervivencia de la especie humana", no parece plausible que los peligros más inminentes de la IA provengan de una superinteligencia. Por el contrario, se derivarán de nuestra falta de preparación y del mal uso que haremos de esas tecnologías si sobrestimamos sus capacidades y no entendemos sus defectos y sesgos.

Fuente: https://unbabel.com/blog/past-present-future-artificial-intelligence/