Inteligencia Artificial, ¿Aliado o Enemigo?

Profesiones e Inteligencia Artificial

¿Es la Inteligencia Artificial una herramienta poderosa que nos ayude profesionalmente, o supone una amenaza?

Sobre este tema tan interesante mantuve hace unas semanas una entrevista con la empresa de noticias mexicana Notimex y, pocos días después con Pymempresario.

En mi opinión, la Inteligencia Artificial, tal y como la conocemos actualmente, es una valiosa herramienta que nos puede ayudar a mejorar muchos procesos de nuestro trabajo diario.

Inteligencia Artificial
Inteligencia Artificial

Algunos de los ámbitos en los que la IA es o será vital son:

  • Tareas repetitivas: Una máquina no se aburre, no se distrae, y es especialmente eficiente para hacer tareas muy claramente definidas.
  • Tareas que implican tareas sencillas realizadas de manera masiva: La IA es capaz de hacer operaciones sencillas de manera muy rápida y eficiente, mucho mejor que un cerebro humano.
  • Tareas en condiciones adversas para el ser humano: Por un problema de tamaño, por altas o bajas temperaturas, por presión elevada, o en atmósferas tóxicas o sin oxígeno.

En este primer ámbito de tareas, una máquina entrenada específicamente, mejorará al hombre.

Existen multitud de tareas en las que la información que una Inteligencia Artificial puede adquirir y procesar genera  información a partir de datos que es muy útil como ayuda en la toma de decisiones. Sería el segundo ámbito de tareas.

Por otro lado, existe un tercer ámbito con  multitud de tareas, profesiones, y otras actividades humanas que jamás serán sustituidas por las máquinas. Las relacionadas con la creatividad, o con el concepto de «humanidad» en un sentido más espiritual.

Inteligencia Artificial y Creatividad
Inteligencia Artificial y Creatividad

Las primeras sí podrían representar cierta amenaza para algunos puestos de trabajo, que en mi opinión, son más que compensadas con las numerosísimas oportunidades que nos ofrece el segundo ámbito.

Analístas de Datos, Desarrolladores de Aplicaciones, Brokers de Datos, Científicos, Ingenieros, Expertos en Machine Learning, son unos pocos ejemplos de nuevas profesiones creadas específicamente para gestionar la Inteligencia Artificial.

Por otro lado, y muchísimo más numeroso, es el grupo de profesionales que pueden mejorar en sus actividades haciendo un uso adecuado de las nuevas tecnologías relacionadas con la IA.

Médicos, Profesores, Economistas, Arquitectos, Bomberos, Fuerzas de Orden Público,  Administradores Públicos o Privados, son también una pequeña muestra de las profesiones que hoy en día se están ya aprovechando de estas tecnologías para mejorar sus tareas profesionales.

Por no hablar de todos los ciudadanos de a pie que, a través de Apps, servicios, gadgets, etc. mejorarán su productividad o, simplemente, su día a día a través de las tecnologías de la Inteligencia Artificial.

Aprender Inteligencia Artificial
Aprender Inteligencia Artificial

En conclusión, las tecnologías de la Inteligencia Artificial, no solo no son una amenaza para los profesionales del año 2019 y posteriores, sino que son una estupenda oportunidad de mejorar profesionalmente con algo de formación y reciclaje para sacarle el mayor partido posible a la Inteligencia Artificial.

Los artículos de las entrevistas los podéis encontrar en los siguientes enlaces:

http://www.notimex.gob.mx/ntxnotaLibre/640336/inteligencia-artificial-aliado-para-mejorar-el-trabajo-de-las-personas

El hombre está listo para adaptase a la IA o viceversa

https://www.economiahoy.mx/telecomunicacion-tecnologia-mx/noticias/9591565/12/18/Inteligencia-Artificial-aliado-para-mejorar-el-trabajo-de-las-personas.html

https://oncenoticias.tv/nota/inteligencia-artificial-aliado-para-mejorar-el-trabajo-de-las-personas

 

 

Diferencias ente AI, NLP, Machine Learning y Deep Learning

Machine Learning

En ocasiones, las diferencias entre Inteligencia Artificial, Machine Learning y Deep Learning son difíciles de establecer.

En la Ciencia de los Datos, es bastante típico trabajar al rededor de estos conceptos.

Tratemos de ver, rápidamente, cuales son estas diferencias.

AI (inteligencia artificial) es un subcampo de la ciencia de la computación que se creó en la década de 1960.  Su  preocupación es resolver tareas que son fáciles para los humanos pero difíciles para las computadoras.

AI
Inteligencia Artificial

En particular, una Strong IA (Inteligencia Artificial Fuerte) ​​sería un sistema que puede hacer cualquier cosa que un humano pueda (sin contar algunos aspectos físicos).

Esto es bastante genérico e incluye todo tipo de tareas, como planificar, moverse por el mundo, reconocer objetos y sonidos, hablar, traducir, realizar transacciones sociales o comerciales, trabajos creativos (hacer arte o poesía), etc.

NLP (procesamiento del lenguaje natural) es simplemente la parte de AI que tiene que ver con el lenguaje (generalmente escrito).

NLP
Procesado del Lenguaje Natural

El aprendizaje automático (machine learning en inglés) se refiere a un aspecto concreto de todo esto: dado un problema de IA que puede describirse en términos discretos (por ejemplo, de un conjunto particular de acciones, cuál es el correcto), y dada mucha información sobre el mundo, figura cuál es la acción «correcta», sin que el programador la programe.

Machine Learning
Aprendizaje Automático

Típicamente se necesita algún proceso externo para juzgar si la acción fue correcta o no.

En términos matemáticos, se trata de una función: introduces cierta información y quieres que produzca la salida correcta, por lo que todo el problema es simplemente construir un modelo de esta función matemática de forma automática.

Para establecer una distinción con AI: puedo escribir un programa muy inteligente que tenga un comportamiento similar al humano, puede ser AI, pero a menos que sus parámetros se aprendan automáticamente de los datos, no es machine learning.

El aprendizaje profundo (deep learning en inglés) es un tipo de aprendizaje automático (machine learning) que es muy popular últimamente. Implica un tipo particular de modelo matemático que puede considerarse como una composición de bloques simples (composición de funciones) de un cierto tipo, y donde algunos de estos bloques se pueden ajustar para predecir mejor el resultado final.

Deep Learning
Aprendizaje Profundo

La palabra profundo significa que la composición tiene muchos de estos bloques apilados uno sobre el otro, y la parte difícil es cómo ajustar los bloques que están lejos de la salida, ya que un pequeño cambio allí puede tener efectos muy indirectos en el salida.

Esto se hace a través de algo llamado Backpropagation dentro de un proceso más grande llamado descenso de gradiente que le permite cambiar los parámetros de una manera que mejora su modelo.

Este artículo está basado en una respuesta en la red Quora sobre estos temas y realizada por Dmitriy GenzelPhD. en Computer Science.