La Inteligencia Artificial (IA) ya forma parte de nuestras vidas aunque no nos demos cuenta de ello. Estamos completamente rodeados de sistemas con algoritmos y máquinas virtuales diseñadas para presentar capacidades similares al ser humano; máquinas que analizan, gestionan y distribuyen masivos volúmenes de datos a través de sistemas Big Data. Por tanto, la Inteligencia Artificial no es más que la aplicación del funcionamiento analítico del cerebro humano a la computación mediante métodos matemáticos, teniendo en cuenta que buena parte de nuestro cerebro sigue siendo un misterio. A modo de ilustración veamos varias líneas tecnológicas ya en marcha en las que la IA se aplica directa o indirectamente:

Ciberanalítica y análisis forense

Inspirado en cómo el cerebro controla el cuerpo y sus acciones a través de las sinapsis, las soluciones de seguridad identifican cuándo un malware ha tomado el control del ordenador. Para ello reconocen las relaciones de mando y control entre dos entidades diferentes, que son el aparato infectado y el hostbot que lo controla.

Redes neuronales

Las neuronas en el cerebro almacenan conocimiento en sus conexiones con otras neuronas al tiempo que lo fortalecen con esa sinapsis. Esto inspira a las soluciones analíticas a la hora de detectar fraudes en los pagos, creando conexiones entre los datos entrantes y resultados específicos, cambiando el “peso” de las conexiones para aprender la relación entre entradas y mejorar el rendimiento.

Redes profundas

Las neuronas del cerebro utilizan múltiples etapas de procesamiento en la corteza visual para aprender a reconocer las caras y clasificar objetos. Esto ha inspirado a las tecnologías de análisis de vídeo y transcripción automática del habla, a través del procesamiento de bits de datos en múltiples capas.

Programación neurodinámica

El cerebro tiene un sistema de recompensa que nos permite aprender secuencias de tareas complejas a través de las señales placenteras o dolorosas que ocurren más tarde como consecuencia del acierto o error, respectivamente. Aunque a priori cueste creerlo, en esto se basan los agentes automatizados utilizados en las soluciones de gestión de reservas de viajes: calculan el impacto del paso siguiente y todos los futuros pasos posibles para evaluar continuamente el mejor paso siguiente con el que alcanzar el resultado deseado.

Aprendizaje automático

Generalmente, el concepto de aprendizaje automático se confunde con el de “IA débil”. Es en este campo donde los avances más importantes de la Inteligencia Artificial se están llevando a cabo. En términos prácticos, “el aprendizaje automático es la ciencia que se encarga de hacer que las computadoras realicen acciones sin necesidad de programación explícita”. La idea principal aquí es que se les puede proporcionar datos a los algoritmos de aprendizaje automático y luego usarlos para saber cómo hacer predicciones o guiar decisiones. Algunos ejemplos de algoritmos de este tipo incluyen los siguientes: diagramas de decisiones, algoritmos de agrupamiento, algoritmos genéticos, redes Bayesianas y aprendizaje profundo.

Aprendizaje profundo

¿Recuerdas cuando Google anunció un algoritmo que encontraba vídeos de gatos en Youtube?. Pues bien, esto es aprendizaje profundo, una técnica de aprendizaje automático que utiliza redes neuronales (el concepto de que las neuronas se pueden simular mediante unidades computacionales) para realizar tareas de clasificación. Algunos ejemplos de aplicaciones prácticas del aprendizaje profundo son las siguientes: identificación de vehículos, peatones y placas de matrícula de vehículos autónomos, reconocimiento de imagen, traducción y procesamiento de lenguaje natural.

Descubrimiento de datos inteligentes

Es el próximo paso en soluciones de IE (Inteligencia Empresarial). La idea consiste en permitir la automatización total del ciclo de la IE:

  • La incorporación y preparación de datos.
  • El análisis predictivo.
  • Establecimiento de patrones.
  • La identificación de hipótesis.

Análisis predictivo

Imaginemos que estamos contratando un seguro para automóviles y el agente le hace una serie de preguntas que están relacionadas a las variables que influyen en su riesgo. Detrás de estas preguntas se encuentra un modelo predictivo que informa sobre la probabilidad de que ocurra un accidente con base en tu edad, hábitos, estado de salud, código postal, género, marca de coche, etc. Es el mismo principio que se emplea en los modelos predictivos de crédito para identificar a los buenos y malos pagadores. Por lo tanto, el concepto principal de análisis predictivo (o modelado) significa que se puede utilizar un número de variables combinadas con resultados (por ejemplo, buen o mal pagador) para generar un modelo que proporcione una calificación (un número entre 0 y 1) que representa la probabilidad de un evento (por ejemplo, pago, migración de clientes, accidente…). Los ejemplos de uso en los negocios son amplios: modelos de crédito, modelos de segmentación de clientes (agrupamiento), modelos de probabilidad de compra y modelos de migración de clientes, entre otros.

En el campo de la IA se nos presenta un apasionante y polémico reto: hasta ahora, la IA se ha materializado con el razonamiento automático en sistemas software y robots, pero en el futuro la Inteligencia Artificial abarcará conceptos más atrevidos como las emociones y sobre todo la conciencia.

Por su parte, la robótica es sin duda una de las nuevas capacidades para la competitividad de las empresas (especialmente las PYMES), que necesitan automatizar sus procesos con soluciones flexibles que se adapten rápidamente a los cambios en sus procesos industriales. El término fue acuñado por el científico Isaac Asimov, que estableció tres principios o leyes de la Robótica:

  • Un robot no puede provocar daños ni permitir que ningún ser humano sea dañado.
  • El robot debe obedecer a todas las órdenes de los humanos, excepto las que contraigan la primera ley.
  • El robot debe autoprotegerse, salvo que para hacerlo entre en conflicto con la primera o segunda ley.

En definitiva, la Robótica explora el desarrollo de entidades virtuales o mecánicas artificiales que, con ciertas connotaciones de Inteligencia Artificial, sustituyen funciones y tareas de los humanos de forma automática y en función de su programación. Quizás el modelo más conocido sea el de los robots industriales donde el robot es un manipulador reprogramable y multifuncional, diseñado para mover materiales, piezas, herramientas o dispositivos especiales, a través de movimientos variables programados para la ejecución de diversas actividades.

La investigación sobre los robots tiene algunos retos por alcanzar todavía, especialmente en lo referente a la mejora de las habilidades cognitivas de las máquinas. No obstante, los hitos logrados hasta el momento ya permiten visualizar un futuro en el que se hará real un desarrollo sistematizado de robots industriales y domésticos con unas capacidades desconocidas hasta la fecha.

En la actualidad, los avances tecnológicos y científicos no han permitido todavía construir un robot realmente inteligente, aunque existen esperanzas de que esto sea posible algún día. Hoy por hoy, una de las finalidades del diseño de robots su intervención en los procesos de fabricación. Estos robots (que no tienen forma humana en absoluto) son los encargados de realizar trabajos repetitivos en las cadenas de manufactura y fabricación, labores que anteriormente realizaban técnicos especialistas en cadenas de producción. Con ellos, el técnico puede librarse de la rutina y el riesgo que sus labores comportan, con lo que la empresa gana en rapidez, calidad y precisión. Y aquí aparece el siguiente dilema: ¿provocará la implantación a gran escala de estos automatismos un cambio y disminución significativa de ciertos puestos de trabajo?

A pesar de que no deben confundirse con conceptos como el de “androide”, los robots del futuro dispondrán de mayor movilidad, destrezas y capacidad de adaptación al entorno, además de una mayor capacidad de aprendizaje y de interacción con los seres humanos. Y en esta línea, los robots con capacidades sensoriales constituyen la última generación de este tipo de máquinas, aunque el uso de estos robots en los ambientes industriales es muy escaso debido a su elevado coste.
En definitiva, la Inteligencia Artificial y la Robótica y están entre nosotros en infinidad de actividades y procesos y su disrupción tecnológica ha provocado un cambio de paradigma en mucho de los sectores empresariales e industriales. En la adaptación a este cambio radica gran parte del logro empresarial a corto y medio plazo.