La inteligencia artificial consiste en un conjunto de algoritmos cuyo objetivo es que las máquinas lleven a cabo tareas propias de la inteligencia humana. Está claro que las máquinas tenían la capacidad de realizar cálculos complejos y de almacenar información en memoria, pero hay tareas de índole humana que no eran capaces de realizar. Por ejemplo, originariamente las máquinas no tenían capacidad de aprendizaje automático ni ningún tipo de creatividad. Simplemente se les entregaba un input y devolvían un output de manera pura, es decir, siempre que se ingresaba el mismo input, devolvían el mismo output, pero ello cambia con el paradigma de la inteligencia artificial.
El campo de mayor desarrollo, dentro del ámbito de la inteligencia artificial, es el del aprendizaje automático (machine learning), el cual consiste en una serie de técnicas mediante las cuales una máquina puede cambiar su comportamiento basándose en datos y resultados de acciones pasadas. Mientras que en un principio solo se basaban en datos, el aprendizaje automático permite que también tengan en cuenta el accionar previo, simulando la capacidad humana. En palabras más simples, si antes de la implementación de la inteligencia artificial queríamos que una máquina cocine un plato, debíamos incorporarle de manera previa los datos e instrucciones y, siempre que ambos fueran iguales, el resultado sería el mismo, sin ninguna posibilidad de aprendizaje o mejora. El aprendizaje automático incorpora otra variable al conjunto de datos e instrucciones: los resultados de acciones pasadas. Por ende, aumenta la posibilidad de mejora constante en cada uno de los procesos en los que se implemente.
Existen 3 tipos de machine learning.
1. Aprendizaje Supervisado. Se observan datos etiquetados y la máquina los clasifica a través de una práctica conocida como entrenamiento. Se utiliza, por ejemplo, en el reconocimiento facial y en la conducción automática de coches.
2. Aprendizaje No Supervisado. Se observan datos no etiquetados de los cuales no se conoce su estructura. Lo que se busca es obtener información determinante a través de dicha estructura. Se aplica, por ejemplo, para definir distancia entre datos. Se podría analizar la lista de productos que compró un usuario en un e-commerce y hacerle recomendaciones teniendo en cuenta las listas de otros usuarios que compartan productos en común.
3. Aprendizaje Reforzado. Se aplica basándose en los conceptos de prueba, error y recompensa. El claro ejemplo que podemos observar son las máquinas que compiten con ajedrecistas profesionales. Si obtienen la recompensa, es probable que repitan los movimientos que la llevaron a la misma en las siguientes partidas.
Si bien el concepto de inteligencia artificial se acuñó la década del 50, aún hay muchas industrias en las que no se ha implementado. El trayecto que queda es largo, pero no hay dudas de que el aprendizaje automático va a mejorar gran parte de los procesos que conocemos incrementando el bienestar de la sociedad, ya sea, por el ahorro de recursos o por la obtención de mejores resultados con la misma cantidad de recursos.
