Podría situarse el inicio histórico de la IA con la propuesta de Warren McCullough y Walter Pitts de un modelo matemático para la creación de una red neuronal, contenida en el artículo “A Logical Calculus of Ideas Immanent in Nervous Activity”, publicado en 1943. En esa línea Marvin Minsky y Dean Edmonds construyeron el primer ordenador de red neuronal en 1950. Ese mismo año se publicó el estudio de Alan Turing “Computering Machinering and Intelligence”, en el que establece las bases de la inteligencia artificial y postula un tipo de prueba, el “test de Turing”, para determinar si un interlocutor es una persona o una máquina. También a principios de los cincuenta John Von Neumann diseña los primeros programas almacenados en la memoria de una computadora. En 1952, Arthur Samuel creó un software capaz de aprender a jugar al ajedrez de forma autónoma. El término inteligencia artificial fue utilizado por primera vez en la conferencia “Dartmouth Summer Research Project on Artificial Intelligence” de John McCarthy en 1956. En 1959, Arthur Samuel acuñó el término machine learning mientras trabajaba en IBM.

El interés por la inteligencia artificial tuvo altibajos hasta que en 1997 la IA Deep Blue de IBM triunfó sobre el campeón mundial de ajedrez Gary Kasparov. A partir de ese momento se visualizó el potencial de estos sistemas. Los progresos continuaron y se produjeron grandes avances en una diversidad de aplicaciones de inteligencia artificial.

En la gráfica se ven los avances de los sistemas de IA para la comprensión de textos, reconocimiento del lenguaje, de imágenes, de lenguaje hablado y de texto escrito que han sucedido en corto tiempo. En apenas dos décadas todos estos sistemas han logrado un desempeño que, en ciertos contextos, incluso excede el desempeño humano.

A vía de ejemplo, el sistema de inteligencia artificial BioMind AI venció en 2018 en dos rondas a un equipo de 15 prestigiosos médicos en una competición sobre diagnóstico de tumores cerebrales y hematomas en pacientes enfermos, en un concurso organizado en el Tiantan Hospital de Beijing. El sistema hizo en 15 minutos un 87 % de diagnósticos correctos (de un total de 225 casos), frente al 66 % que consiguió el equipo de doctores. En cuanto a la predicción de hematoma cerebral, su precisión fue del 83 %, mientras que los médicos —procedentes de prestigiosos hospitales del país— acertaron en un 63 % de los casos.

Pero los avances no se han dado solo en los sistemas de inteligencia artificial con base en sus habilidades de percepción y clasificación. A vía de ejemplo, también se han logrado avances similares en sistemas que producen textos, imágenes o inclusive videos, a partir de ciertas pautas dadas.

¿Cómo se explica este avance increíble de los sistemas de inteligencia artificial? Una característica de los más avanzados [1] es que son entrenados y ello les permiten mejorar indefinidamente. A ello se agrega la mejora de los algoritmos de entrenamiento y la mayor disponibilidad de datos de entrada (big data) para ello. El aumento sostenido del poder de cómputo también juega su papel. Durante las primeras seis décadas, el cómputo de entrenamiento aumentó de acuerdo con la Ley de Moore, duplicándose aproximadamente cada 20 meses. Desde aproximadamente 2010, este crecimiento exponencial se ha acelerado aún más, hasta duplicarse en aproximadamente seis meses. Esa es una tasa de crecimiento asombrosamente rápida.

El primer sistema de inteligencia artificial fue el ratón Teseo, construido por Claude Shannon en 1950. Teseo era un ratón a control remoto que podía encontrar la salida de un laberinto y recordar su curso, algo muy similar a lo que hacen las aspiradoras autónomas hoy en día.

Dentro de los sistemas de IA más contemporáneos tenemos los sistemas de IA como DALL-E, capaz de generar imágenes fotorrealistas a partir de una pauta textual, y ChatGPT, el chatbot de OpenAI, un modelo de IA de procesamiento lingüístico de última generación que ha generado una verdadera revolución en el mundo de la informática y en aquellos sectores que serán afectados por su aplicación. Microsoft ha visto el potencial de esta tecnología para disputar el liderazgo que Google ha logrado en estas dos últimas décadas y Google ha tomado conciencia de la amenaza a la que se enfrenta. Es previsible que en el futuro próximo se produzca una fuerte competencia entre diversos sistemas de inteligencia artificial que asistan en línea a las personas en las más diversos tipos de tareas.

Los distintos tipos de inteligencia artificial también reflejan este progreso que se ha dado. Podemos decir que existen cuatro tipos. En primer lugar, los sistemas reactivos, cuyas decisiones tienen base en la situación existente a partir de un conjunto fijo de normas, criterios y algoritmos. Esto implica que no capitalizan sus experiencias pasadas para mejorar su proceso de toma de decisiones. En otras palabras, no aprenden. Ese fue el caso de Deep Blue, que fue programada para predecir los movimientos que debía hacer ante un “tablero” dado. En segundo lugar, los sistemas de memoria limitada, los cuales se distinguen por su capacidad de aprender a partir de nuevos casos y sus aciertos y errores. Este aprendizaje puede ser supervisado (humanos indicando la calidad resultante de cada decisión) o no supervisado (la propia computadora evalúa el resultado de sus decisiones). Es el caso, por ejemplo, de los sistemas de inteligencia artificial que se usan en los vehículos autónomos o en la tecnología de reconocimiento facial. En tercer lugar, la teoría de la mente. No existen sistemas de inteligencia artificial de este nivel, los cuales implican la capacidad de comprender pensamientos, emociones, deseos, necesidades y creencias. Serían sistemas que tendrían la capacidad de interactuar socialmente con las personas. Finalmente, también a un nivel teórico, sistemas autoconscientes. Se trataría de sistemas que serían capaces de formar representaciones no solamente sobre el mundo, sino sobre sí mismos, es decir, que tendrían conciencia y serían capaces de conocer sus estados internos y comprender los sentimientos de los demás. En la próxima entrega, escribiremos sobre el estatus actual de los cuatro tipos de IA y, en particular, sobre algunos mitos que pesan sobre los dos últimos.

[1]     Como explicaremos luego, los sistemas de inteligencia artificial reactivos no aprenden.