Palabras claves: Informática, Inteligencia artificial, Algoritmos, Redes Neuronales, Machine learning, Deep learning.
La informática y la inteligencia artificial han ganado terreno en los últimos tiempos por sus aportes, por sus riesgos, por los aspectos positivos y negativos que conlleva su puesta en práctica.
En los últimos tiempos la revolución de las Tecnologías de la Información y la Comunicación (TICS), han venido marcando la pauta, con sus grandes avances en todos los ámbitos de la sociedad. Actualmente la mayoría de las comunicaciones se establecen a través de las redes sociales. Todas o por no decir casi todas las empresas de la actualidad, tienen un computador con Internet para realizar los procesos administrativos del día, a día. Los teléfonos inteligentes, el Skype, los medios de comunicación por redes, son usados por casi toda la población mundial. Las interacciones y las conexiones de redes son insuperables.
Dentro del campo de las TICS se encuentra la informática marcando a paso seguro y arrollador nuevos avances y descubrimientos. La informática provistas de recursos físicos como máquinas, equipos computadoras, teléfonos inteligentes, aparatos electrónicos de cualquier tipo, ha creado una rama llamada Inteligencia Artificial (IA). La inteligencia artificial hace uso de estas herramientas tecnológicas a menor y mayor escala para sus investigaciones y estudios.
La inteligencia artificial busca simular la inteligencia humana y las actividades diarias del ser humano a través de máquinas. Diariamente el ser humano recibe estímulos del medio ambiente y basándose en dichos estímulos reacciona emitiendo mensajes o realizando acciones que permiten elaborar tareas, actividades o simplemente tener recuerdos o pensar. La inteligencia artificial intenta imitar estas actividades cognitivas y naturales del hombre aplicando cómputos matemáticos y lógicos, con el fin último de copiar el cerebro humano. Como condición al usar la lógica echa mano de los algoritmos, los cuales son el basamento a través de los cuales se programan las maquinas utilizadas por la IA. Esto resume la frase:
“Las maquinas piensan igual que la mente humana”.
Sin embargo ni la tecnología, ni la gama de conocimientos adquiridos en los últimos tiempos pueden dejar a un lado la investigación humana; la cual sigue y seguirá siendo fundamental para configurar el sistema, manipularlo y detectar las fallas que puedan generarse en su aplicación.
La lógica como ciencia es donde se fundamenta la inteligencia artificial para optar a una serie de planteamientos lógicos matemáticos que le permitan hacer uso de la programación a través de una serie de códigos. Los códigos nacen de los algoritmos establecidos, cuando se clasifican los datos y se convierten en mensajes, imágenes y textos. Estos datos son recogidos en cualquier ámbito de la sociedad, como: el ámbito financiero, el laboral, militar, salud, agricultura, podríamos nombrarlos todos sin temor a equivocarnos al decir que en cualquier campo siempre van a existir datos para analizar y aplicar esta tecnología.
La inteligencia artificial es importante porque regulariza los datos para que estos lleven a cabo la programación. La programación se realiza a través de algoritmos. Los algoritmos se definen como un conjunto de reglas específicas y no-ambiguas, ordenadas jerárquicamente y limitadas que permiten, de manera lógica, solucionar un problema, realizar un cómputo, procesar datos y llevar a cabo otras tareas o actividades de la vida diaria.
Los algoritmos adquieran habilidades de clasificador o indicador. La otra cara de la moneda sería cuando el algoritmo puede traducir aprendizajes codificados como por ejemplo jugar ajedrez, jugar cartas, o simplemente simular un aeroplano, a través de una máquina. También pueden darse recomendaciones de cómo mejorar la técnica del juego y propiciar prototipos de juegos en líneas para el auto aprendizaje. Estos auto aprendizajes se originan de una rama de la inteligencia artificial llamada machine learning que buscan crear técnicas para que las maquinas aprendan y el deep learning busca modelar los altos niveles de abstracción de los datos, haciendo uso de herramientas computacionales que permitan transforman esas abstracciones lineales en tridimensionales e interactivas. Algunas de las utilizaciones de esta técnica de aprendizaje artificial para que se entienda mejor son:
- Identificar logotipos de empresas publicadas en las redes.
- Predicción de las preferencias de los clientes.
- Identificación de clientes potenciales.
¿Cómo se manejan bases de datos enormes?
Esto se logra haciendo uso de las llamadas redes neuronales.
Las redes neuronales artificiales (RNA) están inspiradas en la biología como ciencia. Las redes neuronales están formadas por elementos que se comportan de manera semejante a las neuronas de nuestro cerebro (en todas sus funciones más elementales ), y están organizadas de la misma manera, teniendo presente que las neuronas humanas son las encargadas de hacer interconexiones y comunicarse con precisión, rapidez y a larga distancia con otras células, ya sean nerviosas, musculares o glandulares con el fin último de transmitir un mensaje adecuado a la situación biológica imperante. A través de las neuronas se transmiten señales eléctricas denominadas impulsos nerviosos. Ahora bien a través de las redes neuronales artificiales se transmiten mensajes codificados que se convierten en todo esa gama de inteligencia artificial que usamos diariamente en nuestros equipos electrónicos con toda su variedad de indicadores y versiones. Esto es lo que hace la inteligencia artificial, codificar los datos y transmitir mensajes, el mismo papel que juegan las neuronas en el cerebro humano.
Otro recurso manejado por la inteligencia artificial es el perceptrón simple el cual es un tipo de red neuronal artificial desarrollado por Frank Rosenblatt en 1959. El perceptrón se considera como una neurona artificial, como una unidad de cálculo que intenta modelar el comportamiento de una neurona natural, igual a las que constituyen el cerebro humano.
Las redes neuronales pueden ser mono capas (sencillas) o multicapas (profundas). Las simples se utilizan para modelos donde se manipulan datos sencillos, las de capas profundas para analizar enorme cantidades de datos, con muchas variables.
Utilizando las redes neuronales que tienen muchas capas ocultas, se puede lograr adaptar modelos para propiciar el marketing, detectar fraudes, hacer análisis de mercado, hacer análisis crediticio, y pueden aplicarse en cualquier ámbito, y en cualquier área donde se manejen una gran cantidad de datos. Este análisis de datos que propician la aplicación de modelos con redes neuronales ayuda a realizar estudios probabilísticos para mejorar las condiciones existentes o detectar indicadores de interés.
El uso de las redes neuronales ha permitido realizar detenciones que hace años atrás no se podían realizar, por ejemplo hacer análisis financiero para detectar fraudes, hacer análisis crediticio, mejorar los indicadores de la comunicación en redes. Estos procesos lo llevan a cabo las grandes corporaciones contratando especialistas en cómputos, programación artificial y análisis de datos o big data (datos semiestructurados y no estructurados que tienen el potencial de ser extraídos para obtener información).
En otro campo, por ejemplo: en el terreno de la medicina, se pueden emplear técnicas de inteligencia artificial de aprendizaje a fondo (redes neuronales profundas) que permiten clasificar imágenes, identificar objetos dentro del cuerpo humano logrando detectar el cáncer de una manera eficiente y eficaz como lo pueden hacer los radiólogos especializados.
En la práctica entre más datos se manipulen más precisos se vuelven los modelos aplicados.
Este tema bastante interesante nos lleva a pensar “las maquinas dominaran el mundo”, bueno eso es algo hipotético, sin embargo personalmente considero que debemos tomar de la tecnología la mejor opción, esa que brinda apoyo incondicional a la humanidad. La parte negativa controlarla.