¿Qué es la IA?
A lo largo de este artículo, identificarás lo que es la Inteligencia Artificial. Para comprender en detalle la IA como funciona, te recomendamos leer antes los artículos de Big Data desde cero y aprender big data donde exponemos el origen de la gran masificación de datos, clave fundamental para construir nuestras IAs. En todo este artículo, aprenderás de ejemplos singulares, casos típicos y sobre todo comprenderás las ventajas e inconvenientes que tienen si decidimos implementar estas tecnologías en las empresas e instituciones.
La IA es la ciencia que agrupa todo lo relacionado a los algoritmos matematico-estadísticos para imitar la mente humana.
¿Qué es la IA o inteligencia artificial?Definición IA
Algoritmo: Secuencia de pasos ordenada para resolver un problema. En este contexto normalmente estos algoritmos son técnicas ya programadas para crear los modelos que después predecirán.
Modelo: Resultado de entrenar un algoritmo con datos comunmente (fase llamada como aprendizaje). Para eso, deberemos de tener cuidado con el origen de los datos.
Dataset: Conjunto de datos con el que vamos a crear nuestra IA.
Machine Learning: Grupo de algoritmos dentro de la IA que se basa en algoritmos probados para hacer modelos y predecir.
Deep Learning: Algoritmos basados en exclusivamente Redes Neuronales.
NLP: Ciencia para construir IAs que tienen que ver con generación y procesamiento de texto escrito.
¿Cómo funciona una IA?
Los modelos de Inteligencia Artificial toman los datos históricos, los procesan y aprenden de ellos para producir predicciones a partir de patrones que identifican de los datos.
Estos modelos son resultado de utilizar técnicas de aprendizaje automático (del inglés Machine Learning) como el aprendizaje supervisado donde gracias al entrenamiento pueden «entrenarse», con el objetivo último de proporcionar predicciones muy acertadas y precisas que aportan valor.
Big Data e Inteligencia Artificial: se llevan muy bien.Si vienes de leer a cerca de el Big Data o los macrodatos, verás que son proyectos de grandes y enormes volúmenes de datos. Por eso la IA y Big Data se llevan muy bien.
Gracias a la gran cantidad de información, tenemos la materia prima ordenada para construir estos modelos que comunmente la gente los llama IAs. En general, los que hacemos IA realmente hacemos modelos. Estos modelos son resultado de utilizar Algoritmos + Datos. En resumen:
IA o modelo = Datos + Algoritmo para resolver el problema. Todo se resume a esto.
En la práctica, las empresas confían en las cajas negras que los Científicos de Datos construimos para que funcionen de manera automática. Al final, se pueden utilizar para clasificar, agrupar, predecir un valor… Cada algoritmo tiene su uso específico y dependiendo del proyecto y su objetivo se utilizan unos u otros.
Inteligencia Artificial: Ejemplos interesantes
Estos modelos de IA se están aplicando actualmente en distintos ámbitos, como la robótica, las finanzas, el transporte, la sanidad y muchos otros, para automatizar procesos o mejorar las soluciones existentes. Sin embargo, te mostramos algunos ejemplos interesantes para despertar la curiosidad…:
Inteligencia Artificial: Ejemplos.Inteligencia Artificial genera a partir de dibujo
Para empezar, fíjate en el caso de GauGAN de NVIDIA (búscalo en Google). Utiliza redes neuronales para crear escenarios mundos nuevos. Nosotros hemos decidido explorar y crear estos mundos. Fíjate qué chulo lo que puede crear de la nada…:
GauGAN: Mundo irreal creado por una Inteligencia Artificial.Inteligencia Artificial y Robótica
Otro ejemplo es Boston Dynamics. Observa lo que se puede llegar a hacer con la IA y la robótica, ambas combinadas:
Una IA baila de una manera divertida y graciosa con la canción de Boston Dynamics.Inteligencia Artificial habla
Conocidas como DeepFakes existen sistemas basados en Redes Neuronales (en concreto, las GAN) que tratan de crear situaciones que jamás se dieron o que no existen de manera muy cercana a la realidad. Fíjate:
Inteligencia Artificial que dibuja lo que pides
Existe una inteligencia artificial donde escribes lo que quieres y genera un dibujo al respecto. Imagináte escribir niños bailando en saturno con gatos y que la IA lo genere. Pues existe, se llama DALLE. ¿No nos crees?
Inteligencia Artificial: aplicaciones en la industria
Lo cierto es que en la industria existen usos varios de la IA. Sin embargo, son usos específicos difícilmente programables donde la IA aplicada marca la diferencia, generalmente para una tarea concreta y repetida.
¿Qué es la IA? Usos en la industria.WhiteBox vs BlackBox: La explicabilidad en la IA
Explicabilidad y la IA: Algoritmos WhiteBox vs BlackboxExplicar el comportamiento de un sistema de IA es fundamental para la confianza y la adopción. De hecho, en sectores como la Banca el dar un crédito o no debe ser justificable y explicable, por lo tanto, por ley según qué procesos están prohibidas los BlackBox.
Tanto el enfoque WhiteBox como el de caja negra (BlackBox) para la explicabilidad de la IA tienen ventajas:
Algoritmos explicables o WhiteBox
Existen sectores donde la interpretabilidad de los algoritmos es necesaria para ser útiles.
En el sector industrial queremos conocer a cerca de cómo la IA ha aprendido para determinar si algunas máqunas fallan o no. En el mundo de los seguros sucede exactamente lo mismo, por ley, no se pueden utilizar algoritmos BlackBox a veces.
La explicabilidad de caja blanca nos da la posibilidad de examinar cada paso que da el modelo para producir un resultado, dándonos total transparencia sobre cualquier decisión tomada
Algoritmos no explicables o BlackBox
Estos algoritmos son conocidos como cajas negras porque es prácticamente imposible tratar de comprender por qué la IA predice y generaliza de una determinada manera. Las Redes Neuronales son un ejemplo de Algoritmos BlackBox.
Tabla comparativa de algoritmos explicables y no explicables
* Puedes hacer scroll horizontal con el dedo para ver todos los datos de la tabla
Algoritmos WhiteBox vs BlackBox | whitebox | blackbox | |
|---|---|---|---|
| Definición 📚 | Los algoritmos WhiteBox pertenecen a los algoritmos comprensibles y por tanto explicables para extraer el conocimiento desde los datos. | Son algoritmos que sabemos que funcionan pero desconocemos exactamente por qué. De ahí que, al ser no explicables, pueden ser un problema. |
| Ventajas ✅ | Se puede comprender el modelo. Por tanto, aplicar mejoras en procesos industriales e implementarlos con mucha seguridad. | Son muy potentes y muy eficientes una ez entrenados. Llegan a resultados muy elevados. |
| Inconvenientes ❌ | Si el problema es muy complejo y avanzado, normalmente | Pérdida total de transparencia o explicabilidad de por qué el algoritmo ha aprendido de esa manera. |
| Cuando usarlos | Industria o Banca por ley. Una decisión automática de conceder o no un crédito debe ser explicable. | Por ejemplo, tareas de detección o clasificación de imágenes donde las vidas de las personas no están en juego. |
Inteligencia Artificial: Ventajas
- Valen para automatizar tareas y por tanto ser más eficientes en procesos corporativos
- Predecir patrones y conductas en base al histórico de datos
- Clasificar grupos de manera precisa y masiva para priorizar
- Descubrir configuraciones optimas para por ejemplo recomendar la mejor ruta
Desventajas de la IA
- Falta de datos para hacer una IA fiable
- Necesidad de vigilancia y control de uso
- Una fé ciega en estas tecnologías: debe haber una práctica y ética fuerte
- Hace falta un conocimiento técnico muy fuerte donde a día de hoy
- Vigilancia y mejora del funcionamiento de estas IAs
Documental de Inteligencia Artificial para aprender
Para terminar de hablar de la IA, dejamos un documental para pensar en las implicaciones y poder conocer hacia donde va el mundo. Esperemos que te dé que pensar… ¡Hasta la próxima!
Inteligencia Artificial desde cero: ¿Qué es la IA? Ejemplos, usos potenciales y explicaciónComo programar inteligencia artificial
Si has llegado hasta aquí y sientes curiosidad, significa que puede que el rol de data scientist o científico de datos sea lo que más te encaje para ti en este mundo de los datos. Es el nombre de las personas que desarrollan IAs. Quieres saber lo que hace un Científico de Datos y como crea la IA?
Qué es un Data Scientist
Practicar Python: Ejercicios de programación
Si no tienes ni idea de programación, te recomendamos que revises nuestra guía ¿Qué es la programación? Fácil y para cualquiera. Para eso, introdúcete con nuestro artículo de Porque aprender Python. Si sabes lo que es, comienza con nuestros ejercicios de Programación:
Ejercicios Python
Practicar SQL: Ejercicios completos para manejar Bases de Datos
Como ahora ya lo sabes también, necesitamos datos para esos algoritmos. Normalmente, están en las Bases de Datos, ¿Quieres saber qué son las Bases de Datos?. En detalle, se utiliza el lenguaje de programación de SQL. A continuación, tienes el enlace para empezar a aprender SQL:
Ejercicios SQL
Y con esas dos tecnologías base, Python y SQL, comprenderás mejor todo.
5 artículos que te pueden interesar
Preguntas frecuentes
¿Qué es una IA o Inteligencia Artificial?
La IA o Inteligencia Artificial es una especie de caja negra donde se utiliza para predecir o crear, agrupar… nuevos datos. Sin datos es imposible crear una IA fiable, buena y válida.
¿Qué se estudia para crear una IA?
Matemática, Estadística, Programación… En definitiva, todo lo relacionado con las STEAM.
¿Qué peligros tiene la IA?
El posible error que puede dar cuando está en marcha y la falsa creencia de que vale para todo.
¿Qué es una IA ejemplo?
Un sistema detector de coches, persona o lector de matrículas.
¿Qué se le enseña a una IA?
A predecir, clasificar, crear mundos, la solución subóptima…. Dentro de los algoritmos existen diferentes clasificaciones dependiendo del problema que quieras resolver.
¡Haz clic para puntuar esta entrada!