Qué es la Inteligencia Artificial : Todo lo que necesitas saber sobre IA

¿Qué es la IA? 

En la década de 1950, los padres del campo Minsky y McCarthy , describieron la inteligencia artificial como cualquier tarea realizada por un programa o una máquina que, si un humano realizaba la misma actividad, diríamos que el humano tenía que aplicar inteligencia para lograr el tarea.

Obviamente, esta es una definición bastante amplia, por lo que a veces verá argumentos sobre si algo es realmente AI o no.Inteligencia Artificial.

Los sistemas de inteligencia artificial generalmente demostrarán al menos algunas de las siguientes conductas asociadas con la inteligencia humana: planificación, aprendizaje, razonamiento, resolución de problemas, representación del conocimiento, percepción, movimiento y manipulación y, en menor medida, inteligencia social y creatividad.

¿Cuáles son los usos de la IA?

Hoy en día, la inteligencia artificial es omnipresente, solía recomendar lo que debería comprar a continuación en línea, para entender lo que dice a los asistentes virtuales como Alexa, de Amazon y Siri de Apple , para reconocer quién y qué hay en una foto , detectar spam o detectar fraudes en las tarjetas de crédito. .

¿Cuáles son los diferentes tipos de IA?

En un nivel muy alto, la inteligencia artificial se puede dividir en dos tipos amplios: IA estrecha y AI general.

La IA estrecha es lo que vemos a nuestro alrededor en las computadoras de hoy: los sistemas inteligentes que se han enseñado o aprendido a realizar tareas específicas sin que se haya programado explícitamente cómo hacerlo.

Este tipo de inteligencia de máquina es evidente en el reconocimiento de voz y lenguaje del asistente virtual Siri en el iPhone de Apple, en los sistemas de reconocimiento de visión en los autos que conducen, en los motores de recomendación que sugieren productos que le pueden gustar según lo que compró en el pasado.

A diferencia de los humanos, estos sistemas solo pueden aprender o aprender a realizar tareas específicas, razón por la cual se les llama IA estrecha.

¿Qué puede hacer la IA estrecha?

Hay un gran número de aplicaciones emergentes para la inteligencia artificial estrecha: interpretar feeds de vídeo de drones que realizan inspecciones visuales de infraestructura como oleoductos, organizar calendarios personales y comerciales.

Responder a consultas simples de servicio al cliente, coordinar con otros sistemas inteligentes para llevar a cabo tareas como reservar un hotel a una hora y ubicación adecuadas, ayudando a los radiólogos a detectar posibles tumores en los rayos X, marcando el contenido inapropiado en línea, detectando el desgaste en los ascensores a partir de los datos recopilados por los dispositivos IoT, la lista sigue y sigue.

¿QUÉ PUEDE HACER LA IA GENERAL?

La inteligencia general artificial es muy diferente, y es el tipo de intelecto adaptable que se encuentra en los seres humanos, una forma flexible de inteligencia capaz de aprender cómo realizar tareas muy diferentes, desde cortar el cabello hasta construir hojas de cálculo, o razonar sobre una gran variedad de temas.

Basado en su experiencia acumulada. Este es el tipo de IA que se ve con más frecuencia en las películas, como HAL en 2001 o Skynet en The Terminator , pero que no existe hoy en día y los expertos de AI están ferozmente divididos sobre cuán pronto se convertirá en realidad.

Una encuesta realizada entre cuatro grupos de expertos en 2012/13 por los investigadores de AI Vincent C Müller y el filósofo Nick Bostrom informaron de un 50 por ciento de posibilidades de que la Inteligencia General Artificial (AGI) se desarrollara entre 2040 y 2050, aumentando al 90 por ciento para 2075.

El grupo fue aún más lejos, prediciendo que la llamada ” superinteligencia “, que Bostrom define como “cualquier intelecto que exceda en gran medida el rendimiento cognitivo de los seres humanos en prácticamente todos los dominios de interés”, se esperaba unos 30 años después del logro de AGI.

Dicho esto, algunos expertos en inteligencia artificial creen que estas proyecciones son tremendamente optimistas dado nuestro limitado conocimiento del cerebro humano, y creen que AGI aún está a siglos de distancia.

¿QUÉ ES EL APRENDIZAJE AUTOMÁTICO?

Existe un amplio cuerpo de investigación en IA, gran parte de la cual se alimenta y complementa entre sí.

Actualmente, el aprendizaje automático está disfrutando de una especie de resurgimiento, donde un sistema informático recibe grandes cantidades de datos, que luego utiliza para aprender a realizar una tarea específica, como entender el habla o subtitular una fotografía.

¿QUÉ SON LAS REDES NEURONALES?

Clave para el proceso de aprendizaje automático son las redes neuronales. Estas son redes inspiradas en el cerebro de capas interconectadas de algoritmos, llamadas neuronas, que se alimentan entre sí, y que pueden entrenarse para realizar tareas específicas modificando la importancia atribuida a los datos de entrada a medida que pasan entre las capas.

Durante el entrenamiento de estas redes neuronales, los pesos asociados a las diferentes entradas continuarán variándose hasta que la salida de la red neuronal esté muy cerca de lo que se desea, en cuyo punto la red habrá “aprendido” cómo realizar una tarea particular.

Un subconjunto de aprendizaje automático es el aprendizaje profundo, donde las redes neuronales se expanden a redes en expansión con un gran número de capas que se entrenan con grandes cantidades de datos. Son estas redes neuronales profundas las que han impulsado el salto actual en la capacidad de las computadoras para realizar tareas como el reconocimiento de voz y la visión de la computadora.

Diferentes fortalezas

Hay varios tipos de redes neuronales, con diferentes fortalezas y debilidades. Las redes neuronales recurrentes son un tipo de red neuronal especialmente adecuada para el procesamiento del lenguaje y el reconocimiento de voz, mientras que las redes neuronales convolucionales se usan más comúnmente en el reconocimiento de imágenes.

El diseño de las redes neuronales también está evolucionando, y los investigadores recientemente han perfeccionado una forma más efectiva de red neuronal profunda llamada memoria a largo plazo a largo plazo o LSTM, lo que le permite operar lo suficientemente rápido como para ser utilizada en sistemas bajo demanda como Google Translate.

Darwin

Otra área de la investigación de la IA es la computación evolutiva, que se inspira en la famosa teoría de la selección natural de Darwin y ve que los algoritmos genéticos experimentan mutaciones aleatorias y combinaciones entre generaciones en un intento por desarrollar la solución óptima para un problema dado.

Este enfoque incluso se ha utilizado para ayudar a diseñar modelos de AI, utilizando efectivamente AI para ayudar a construir AI.

Este uso de algoritmos evolutivos para optimizar las redes neuronales se denomina neuroevolución y podría tener un papel importante que desempeñar para ayudar a diseñar una IA eficiente a medida que el uso de sistemas inteligentes se hace más frecuente, en particular porque la demanda de datos a menudo supera la oferta.

La técnica fue presentada recientemente por Uber AI Labs, que publicó artículos sobre el uso de algoritmos genéticos para entrenar redes neuronales profundas para problemas de aprendizaje de refuerzo.

Finalmente, hay sistemas expertos, donde las computadoras están programadas con reglas que les permiten tomar una serie de decisiones basadas en un gran número de entradas, lo que permite a esa máquina imitar el comportamiento de un experto humano en un dominio específico. Un ejemplo de estos sistemas basados ​​en el conocimiento podría ser, por ejemplo, un sistema de piloto automático que vuela un avión.

¿QUÉ ESTÁ ALIMENTANDO EL RESURGIMIENTO EN LA IA?

Los mayores avances para la investigación de la IA en los últimos años han sido en el campo del aprendizaje automático, en particular en el campo del aprendizaje profundo.

Esto se debió en parte a la fácil disponibilidad de datos, pero más aún por una explosión en el poder de cómputo paralelo en los últimos años, durante el cual el uso de clusters de GPU para entrenar sistemas de aprendizaje automático se ha vuelto más frecuente.

Estos clusters no solo ofrecen sistemas mucho más potentes para entrenar modelos de aprendizaje automático, sino que ahora están ampliamente disponibles como servicios en la nube en Internet.

Con el tiempo, las principales empresas de tecnología, como Google y Microsoft, han optado por utilizar chips especializados que se adaptan a los modelos de aprendizaje automático, tanto en funcionamiento como más recientemente.

Un ejemplo de uno de estos chips personalizados es la Unidad de Procesamiento de Tensor (TPU) de Google, cuya última versión acelera la velocidad a la que los útiles modelos de aprendizaje automático creados con la biblioteca de software TensorFlow de Google pueden inferir la información de los datos, así como la velocidad de para que puedan ser entrenados.

DeepMind

Estos chips no solo se usan para entrenar modelos para DeepMind y Google Brain, sino también los modelos que respaldan a Google Translate y el reconocimiento de imágenes en Google Photo, así como servicios que permiten al público construir modelos de aprendizaje automático utilizando la nube de investigación TensorFlow de Google.

La segunda generación de estos chips se presentó en la conferencia de E / S de Google en mayo del año pasado , con un conjunto de estos nuevos TPU capaces de entrenar un modelo de aprendizaje automático de Google utilizado para la traducción en la mitad del tiempo que tomaría un conjunto de los mejores unidades de procesamiento de gráficos (GPUs) .

¿CUÁLES SON LOS ELEMENTOS DEL APRENDIZAJE AUTOMÁTICO?

Como se mencionó, el aprendizaje automático es un subconjunto de la IA y generalmente se divide en dos categorías principales: aprendizaje supervisado y no supervisado.

Aprendizaje supervisado

Una técnica común para enseñar sistemas de IA es entrenándolos usando un gran número de ejemplos etiquetados.

Estos sistemas de aprendizaje automático se alimentan de enormes cantidades de datos, que se han anotado para resaltar las características de interés.

Estas pueden ser fotos etiquetadas para indicar si contienen un perro u oraciones escritas que tienen notas al pie para indicar si la palabra ‘bajo’ se relaciona con la música o un pez. Una vez entrenado, el sistema puede aplicar estas etiquetas a nuevos datos, por ejemplo, a un perro en una foto que se acaba de cargar.

Este proceso de enseñar una máquina con el ejemplo se denomina aprendizaje supervisado y la función de etiquetar estos ejemplos es comúnmente realizada por trabajadores en línea, empleados a través de plataformas como Amazon Mechanical Turk .

El entrenamiento de estos sistemas generalmente requiere grandes cantidades de datos, y algunos sistemas necesitan rastrear millones de ejemplos para aprender cómo realizar una tarea de manera efectiva, aunque esto es cada vez más posible en una era de big data y minería de datos generalizada.

Google

Los conjuntos de datos de capacitación son enormes y están creciendo en tamaño. El Conjunto de datos de imágenes abiertas de Google tiene aproximadamente nueve millones de imágenes , mientras que su repositorio de videos etiquetado YouTube-8M enlaza a siete millones de videos etiquetados.

ImageNet 

Una de las primeras bases de datos de este tipo, tiene más de 14 millones de imágenes categorizadas.

Recopilado durante dos años, fue elaborado por casi 50,000 personas, la mayoría de las cuales fueron reclutadas a través de Amazon Mechanical Turk, que verificaron, clasificaron y etiquetaron casi mil millones de imágenes candidatas.

A largo plazo, tener acceso a enormes conjuntos de datos etiquetados también puede resultar menos importante que el acceso a grandes cantidades de poder de cómputo.

En los últimos años, las redes publicitarias generativas ( GAN ) han demostrado cómo los sistemas de aprendizaje automático que se alimentan con una pequeña cantidad de datos etiquetados pueden generar enormes cantidades de datos nuevos para aprender por sí mismos.

Este enfoque podría llevar al aumento del aprendizaje semi-supervisado, donde los sistemas pueden aprender a realizar tareas usando una cantidad mucho más pequeña de datos etiquetados de lo que es necesario para los sistemas de capacitación que utilizan el aprendizaje supervisado en la actualidad.

Aprendizaje sin supervisión

En contraste, el aprendizaje no supervisado utiliza un enfoque diferente, donde los algoritmos intentan identificar patrones en los datos, buscando similitudes que puedan usarse para categorizar esos datos.

Un ejemplo podría ser agrupar frutas que pesan una cantidad similar o automóviles con un tamaño de motor similar.

El algoritmo no se configura de antemano para seleccionar tipos específicos de datos, simplemente busca datos que pueden agruparse por sus similitudes, por ejemplo, Google News agrupando historias sobre temas similares cada día.

Aprendizaje reforzado

Una analogía cruda para el aprendizaje por refuerzo es recompensar a una mascota con una golosina cuando realiza un truco.

En el aprendizaje por refuerzo, el sistema intenta maximizar una recompensa en función de sus datos de entrada, básicamente, pasando por un proceso de prueba y error hasta obtener el mejor resultado posible.

Un ejemplo de aprendizaje por refuerzo es la Deep Q-network de Google DeepMind, que se ha utilizado para mejorar el rendimiento humano en una variedad de videojuegos clásicos . El sistema recibe píxeles de cada juego y determina información diversa, como la distancia entre los objetos en la pantalla.

Al observar también el puntaje logrado en cada juego, el sistema construye un modelo cuya acción maximizará el puntaje en diferentes circunstancias, por ejemplo, en el caso del juego de video Breakout, al cual se debe mover la paleta para interceptar el juego. bola.

¿CUÁLES SON LAS EMPRESAS LÍDERES EN IA?

Dado que la IA desempeña un papel cada vez más importante en el software y los servicios modernos, cada una de las principales empresas de tecnología está luchando para desarrollar una tecnología robusta de aprendizaje automático para uso interno y para vender al público a través de servicios en la nube.

Cada uno de ellos aparece regularmente en los titulares para abrir nuevos caminos en la investigación de la IA, aunque es probable que Google, con su DeepMind AI AlphaGo, haya hecho el mayor impacto en la conciencia pública de la AI.

¿QUÉ SERVICIOS DE INTELIGENCIA ARTIFICIAL ESTÁN DISPONIBLES?

Todas las principales plataformas en la nube (Amazon Web Services, Microsoft Azure y Google Cloud Platform) brindan acceso a matrices de GPU para capacitación y ejecución de modelos de aprendizaje automático, y Google también se prepara para permitir que los usuarios usen sus unidades de procesamiento Tensor : chips personalizados Su diseño está optimizado para entrenar y ejecutar modelos de aprendizaje automático.

Toda la infraestructura y los servicios asociados necesarios están disponibles en los tres grandes almacenes de datos basados ​​en la nube, capaces de almacenar la gran cantidad de datos necesarios para entrenar modelos de aprendizaje automático, servicios para transformar datos para prepararlos para análisis, herramientas de visualización. para mostrar los resultados claramente, y un software que simplifica la construcción de modelos.

Estas plataformas en la nube incluso están simplificando la creación de modelos personalizados de aprendizaje automático, y Google recientemente reveló un servicio que automatiza la creación de modelos AI, llamados Cloud AutoML . Este servicio de arrastrar y soltar crea modelos personalizados de reconocimiento de imagen y requiere que el usuario no tenga experiencia en aprendizaje automático.

La nube

Los servicios de aprendizaje automático basados ​​en la nube están en constante evolución y, a principios de 2018, Amazon reveló una serie de nuevas ofertas de AWS diseñadas para agilizar el proceso de capacitación de modelos de aprendizaje automático .

Para aquellas empresas que no desean construir sus propios modelos de aprendizaje automático, sino que desean consumir servicios a pedido y basados ​​en AI, como el reconocimiento de voz, visión y lenguaje, Microsoft Azure se destaca por la variedad de servicios.

En oferta, seguido de cerca por Google Cloud Platform y luego por AWS. Mientras tanto, IBM, junto con sus ofertas a pedido más generales, también intenta vender servicios de inteligencia artificial específicos del sector dirigidos a todo, desde atención médica hasta minoristas, agrupando estas ofertas bajo su paraguas IBM Watson, y recientemente invirtió $ 2 mil millones en la compra de The Weather Canal para desbloquear un tesoro de datos para aumentar sus servicios de inteligencia artificial.

¿CUÁL DE LAS PRINCIPALES EMPRESAS DE TECNOLOGÍA ESTÁ GANANDO LA CARRERA DE IA?

Internamente, cada uno de los gigantes de la tecnología, y otros como Facebook, utilizan AI para ayudar a manejar innumerables servicios públicos: sirven los resultados de búsqueda, ofrecen recomendaciones, reconocen personas y cosas en fotos, traducen bajo demanda, detectan correo no deseado: la lista es extenso

Pero una de las manifestaciones más visibles de esta guerra de IA ha sido el aumento de asistentes virtuales, como Siri de Apple, Alexa de Amazon, Google Assistant y Microsoft Cortana.

Basándose en gran medida en el reconocimiento de voz y en el procesamiento del lenguaje natural, además de necesitar un inmenso corpus para responder a sus preguntas, una gran cantidad de tecnología se dedica al desarrollo de estos asistentes.

Pero mientras que Siri de Apple puede haber alcanzado el primer lugar, es Google y Amazon, cuyos asistentes han superado a Apple en el espacio de AI: Google Assistant con su capacidad para responder a una amplia gama de consultas y la Alexa de Amazon con la enorme cantidad de “Habilidades”. ‘que los desarrolladores de terceros han creado para agregar a sus capacidades.

A pesar de estar integrado en Windows 10, Cortana ha tenido un tiempo particularmente difícil en los últimos tiempos, con la sugerencia de que los principales fabricantes de PC incorporarán a Alexa en las computadoras portátiles, lo que aumentará la especulación sobre si los días de Cortana están contados , aunque Microsoft rechazó esto rápidamente .

¿QUÉ PAÍSES ESTÁN LIDERANDO EL CAMINO EN LA IA?

Sería un gran error pensar que los gigantes de la tecnología de los Estados Unidos tienen el campo de la inteligencia artificial cosido.

Las firmas chinas Alibaba, Baidu y Lenovo están invirtiendo fuertemente en inteligencia artificial en campos que van desde el comercio electrónico hasta la conducción autónoma. Como país, China está llevando a cabo un plan de tres pasos para convertir la IA en una industria central para el país, una que tendrá un valor de 150 mil millones de yuanes ($ 22 mil millones) para 2020 .

El Baidu

Igualmente, Baidu ha invertido en el desarrollo de autos de conducción automática, impulsados ​​por su algoritmo de aprendizaje profundo, Baidu AutoBrain, y, luego de varios años de pruebas, planea lanzar vehículos totalmente autónomos en 2018 y producirlos en masa para 2021.

Baidu también se ha asociado con Nvidia para utilizar AI para crear una plataforma de automóvil autónoma de nube a automóvil para fabricantes de automóviles en todo el mundo.

La combinación de leyes de privacidad débiles, inversiones enormes, recopilación de datos concertada y análisis de big data por parte de importantes firmas como Baidu, Alibaba y Tencent, significa que algunos analistas creen que China tendrá una ventaja sobre los Estados Unidos cuando se trate de futuras investigaciones de inteligencia artificial. , con un analista que describe las posibilidades de que China tome la ventaja sobre los EE. UU. como de 500 a uno a favor de China .

¿CÓMO PUEDO EMPEZAR CON LA IA?

Si bien puedes intentar construir tu propia matriz de GPU en casa y comenzar a entrenar un modelo de aprendizaje automático, probablemente la forma más fácil de experimentar con servicios relacionados con la IA sea a través de la nube.

Todas las principales empresas de tecnología ofrecen diversos servicios de inteligencia artificial, desde la infraestructura para construir y entrenar sus propios modelos de aprendizaje automático hasta servicios web que le permiten acceder a herramientas basadas en inteligencia artificial como el reconocimiento de la voz, el lenguaje, la visión y el sentimiento a pedido.

¿CUÁLES SON LOS HITOS RECIENTES EN EL DESARROLLO DE LA IA?

Hay demasiados para armar una lista completa, pero algunos aspectos recientes incluyen: en 2009, Google mostró que era posible que su Toyota Prius autónomo completara más de 10 viajes de 100 millas cada uno: que la sociedad se encaminara hacia vehículos sin conductor .

En 2011, el sistema informático IBM Watson llegó a los titulares de todo el mundo cuando ganó el concurso de concursos de EE. UU. ¡Jeopardy! , superando a dos de los mejores jugadores que el programa había producido.

Para ganar el programa, Watson utilizó el análisis y el procesamiento del lenguaje natural en vastos repositorios de datos que procesó para responder preguntas planteadas por el hombre, a menudo en una fracción de segundo.

2012

En junio de 2012, se puso de manifiesto lo bien que los sistemas de aprendizaje automático estaban obteniendo en la visión por computadora, con Google entrenando un sistema para reconocer a un favorito de Internet, las imágenes de gatos .

Desde la victoria de Watson, quizás la demostración más famosa de la eficacia de los sistemas de aprendizaje automático fue el triunfo de 2016 de Google DeepMind AlphaGo AI sobre un gran maestro humano en Go , un antiguo juego chino cuya complejidad dejó perplejos a las computadoras durante décadas.

Go tiene aproximadamente 200 movimientos por turno, en comparación con unos 20 en Ajedrez. En el transcurso de un juego de Go, hay tantos movimientos posibles que buscar en cada uno de ellos por adelantado para identificar el mejor juego es demasiado costoso desde un punto de vista computacional.

AlphaGo

En cambio, AlphaGo recibió capacitación sobre cómo jugar el juego tomando movimientos de expertos humanos en 30 millones de juegos de Go y alimentándolos de redes neuronales de aprendizaje profundo.

La capacitación en estas redes de aprendizaje profundo puede llevar mucho tiempo, lo que requiere la ingestión y la iteración de grandes cantidades de datos a medida que el sistema refina gradualmente su modelo para lograr el mejor resultado.

Sin embargo, más recientemente, Google refinó el proceso de entrenamiento con AlphaGo Zero , un sistema que jugaba juegos “completamente aleatorios” contra sí mismo y luego aprendía de los resultados.

En la prestigiosa conferencia de Sistemas de procesamiento de información neural (NIPS) del año pasado, Demis Hassabis, CEO de Google DeepMind, reveló que AlphaGo también dominaba los juegos de ajedrez y shogi.

Y AI continúa superando nuevos hitos, el año pasado un sistema entrenado por OpenAI derrotó a los mejores jugadores del mundo en partidas uno a uno del juego multijugador en línea Dota 2.

OpenAI

Ese mismo año, OpenAI creó agentes de inteligencia artificial que inventaron su propio idioma para cooperar y lograr su objetivo de manera más efectiva, poco después los agentes de capacitación de Facebook para negociar e incluso mentir .

El deseo de que los robots puedan actuar de forma autónoma y comprender y navegar por el mundo que los rodea significa que existe una superposición natural entre la robótica y la inteligencia artificial.

Si bien la IA es solo una de las tecnologías utilizadas en robótica, el uso de la IA ayuda a los robots a moverse a nuevas áreas, como los autos que conducen con auto , a los robots de entrega , así como a los robots a aprender nuevas habilidades.

General Motors recientemente dijo que construiría un automóvil sin conductor sin volante o pedales para 2019, mientras que Ford se comprometió a hacerlo para 2021 , y Waymo, el grupo de auto manejo dentro del alfabeto de Google, pronto ofrecerá un servicio de taxi sin conductor en Phoenix .

Noticias falsas

Estamos a punto de tener redes neuronales que pueden crear imágenes fotorrealistas o replicar la voz de alguien de una manera perfecta.

Con eso viene el potencial para un cambio social enormemente perturbador, como no poder confiar en las imágenes de video o audio como genuinas. También comienzan a surgir inquietudes acerca de cómo esas tecnologías se utilizarán para apropiarse de la imagen de las personas, y ya se han creado herramientas para unir convincentemente a actrices famosas en películas para adultos .

Reconocimiento del habla y lenguaje

Los sistemas de aprendizaje automático han ayudado a las computadoras a reconocer lo que las personas dicen con una precisión de casi el 95 por ciento. Recientemente, el grupo de Inteligencia Artificial e Investigación de Microsoft informó que había desarrollado un sistema capaz de transcribir el inglés hablado con la misma precisión que los transcriptores humanos .

Con los investigadores que persiguen una meta del 99 por ciento de precisión, espera que hablar con las computadoras se convierta en la norma junto con las formas más tradicionales de interacción hombre-máquina.

Reconocimiento facial y vigilancia.

En los últimos años, la precisión de los sistemas de reconocimiento facial ha aumentado, hasta el punto en que el gigante tecnológico chino Baidu dice que puede igualar las caras con una precisión del 99 por ciento , siempre que la cara sea lo suficientemente clara en el video.

Mientras que las fuerzas policiales en los países occidentales generalmente solo han probado el uso de sistemas de reconocimiento facial en grandes eventos, en China las autoridades están montando un programa nacional para conectar CCTV en todo el país al reconocimiento facial y usar sistemas de inteligencia artificial para rastrear sospechosos y comportamientos sospechosos , y También están probando el uso de gafas de reconocimiento facial por parte de la policía .

Aunque las regulaciones de privacidad varían en todo el mundo, es probable que este uso más intrusivo de la tecnología de IA (incluida la IA que puede reconocer las emociones) se generalice gradualmente en otros lugares.

Cuidado de la salud

Eventualmente, la IA podría tener un impacto dramático en la atención médica, ayudando a los radiólogos a detectar tumores en los rayos X, ayudando a los investigadores a detectar secuencias genéticas relacionadas con enfermedades e identificando moléculas que podrían conducir a medicamentos más efectivos.

Se han realizado ensayos de tecnología relacionada con la IA en hospitales de todo el mundo.

Estos incluyen la herramienta de apoyo a la decisión clínica Watson de IBM, que está formada por oncólogos en el Memorial Sloan Kettering Cancer Center, y el uso de los sistemas Google DeepMind por el Servicio Nacional de Salud del Reino Unido , donde ayudará a detectar anomalías oculares y agilizará el proceso de detección de pacientes. Cánceres de cabeza y cuello.

A medida que los sistemas impulsados ​​por AI se han vuelto más capaces, las advertencias de los inconvenientes se han vuelto más terribles.

Tesla

El director ejecutivo de Tesla y SpaceX, Elon Musk, afirmó que la IA es un “riesgo fundamental para la existencia de la civilización humana”.

Como parte de su esfuerzo por una supervisión reguladora más fuerte y una investigación más responsable para mitigar los inconvenientes de la IA, creó OpenAI, una empresa de investigación de inteligencia artificial sin fines de lucro que tiene como objetivo promover y desarrollar una IA amigable que beneficie a la sociedad en general.

Stephen Hawking

De manera similar, el estimado físico Stephen Hawking advirtió que una vez que se cree una IA suficientemente avanzada, avanzará rápidamente hasta el punto en que supera ampliamente las capacidades humanas , un fenómeno conocido como la singularidad, y podría representar una amenaza existencial para la raza humana.

Sin embargo, la noción de que la humanidad está al borde de una explosión de IA que empequeñecerá nuestro intelecto parece ridícula para algunos investigadores de AI.

Chris Bishop, director de investigación de Microsoft en Cambridge, Inglaterra, destaca lo diferente que es la inteligencia limitada de la inteligencia artificial de hoy en día de la inteligencia general de los humanos , y dice que cuando la gente se preocupa por “¿Terminator y el auge de las máquinas, etc.? ¡Tonterías! Sí. En el mejor de los casos, esas discusiones están a décadas de distancia “.

¿UNA IA TE ROBARÁ TU TRABAJO?

La posibilidad de sistemas artificialmente inteligentes que reemplacen gran parte del trabajo manual moderno es quizás una posibilidad más creíble para el futuro cercano.

Si bien AI no reemplazará todos los trabajos, lo que parece ser cierto es que AI cambiará la naturaleza del trabajo, y la única pregunta es qué tan rápido y cuán profundamente la automatización alterará el lugar de trabajo.

Hay apenas un campo de esfuerzo humano que la IA no tenga el potencial de impactar. Como dice el experto en inteligencia artificial Andrew Ng : “muchas personas están haciendo trabajos rutinarios y repetitivos.

Desafortunadamente, la tecnología es especialmente buena para automatizar el trabajo rutinario y repetitivo”, y dice que ve un “riesgo significativo de desempleo tecnológico en las próximas décadas”.

Amazon Go

La evidencia de qué empleos serán suplantados está empezando a emerger. Amazon acaba de lanzar Amazon Go , un supermercado sin cajero en Seattle, donde los clientes simplemente toman artículos de los estantes y se van.

Lo que esto significa para los más de tres millones de personas en los Estados Unidos que trabajan como cajeros aún está por verse. Amazon nuevamente está liderando el uso de robots para mejorar la eficiencia dentro de sus almacenes.

Estos robots llevan estantes de productos a los recolectores humanos que seleccionan los artículos que se enviarán. Amazon tiene más de 100,000 bots en sus centros de cumplimiento, con planes de agregar muchos más.

Pero Amazon también enfatiza que a medida que la cantidad de bots ha aumentado, también lo ha hecho la cantidad de trabajadores humanos en estos almacenes. Sin embargo, Amazon yLas pequeñas empresas de robótica están trabajando para automatizar los trabajos manuales restantes en el almacén , por lo que no es un hecho que el trabajo manual y robótico continuará creciendo de la mano.

Los vehículos autónomos totalmente autónomos aún no son una realidad, pero según algunas predicciones, la industria del transporte por carretera solo puede asumir más de 1.7 millones de empleos en la próxima década, incluso sin considerar el impacto en los correos y los taxistas.

Empleos

Sin embargo, algunos de los trabajos más fáciles de automatizar ni siquiera requieren robótica. En la actualidad, hay millones de personas trabajando en administración, ingresando y copiando datos entre sistemas, buscando y reservando citas para empresas. A medida que el software mejora la actualización automática de los sistemas y marca la información que es importante, se reducirá la necesidad de los administradores.

Al igual que con cada cambio tecnológico, se crearán nuevos empleos para reemplazar a los perdidos. Sin embargo, lo que no está claro es si estos nuevos roles se crearán lo suficientemente rápido para ofrecer empleo a los desplazados, y si los nuevos desempleados tendrán las habilidades o el temperamento necesarios para cumplir con estos roles emergentes.

IA

No todos son pesimistas. Para algunos, la IA es una tecnología que aumentará, en lugar de reemplazar, a los trabajadores . No solo eso, sino que argumentan que habrá un imperativo comercial para no reemplazar a las personas directamente, como trabajador asistido por AI (piense en un conserje humano con un audífono AR que les diga exactamente lo que quiere un cliente antes de pedirlo) ser más productivo o efectivo que una IA que trabaje por sí misma.

Entre los expertos en inteligencia artificial hay una amplia gama de opiniones sobre la rapidez con la que los sistemas artificialmente inteligentes superarán las capacidades humanas.

Universidad de Oxford

El Instituto de Futuro de la Humanidad de la Universidad de Oxford le pidió a varios cientos de expertos en aprendizaje automático que predijeran las capacidades de la IA en las próximas décadas.

Las fechas notables incluyeron ensayos de escritura de AI que podrían pasar por haber sido escritos por un humano en 2026, los conductores de camiones fueron despedidos en 2027, la IA superó las capacidades humanas en ventas al por menor en 2031, escribir un best-seller en 2049 y hacer el trabajo de un cirujano en 2053 .

Estimaron que había una probabilidad relativamente alta de que la IA supere a los humanos en todas las tareas dentro de los 45 años y automatice todos los trabajos humanos dentro de los 120 años.

Te Puede Interesar:

Cómo saber mi celular Android tiene virus ?

Cómo utilizar LogMeIn Hamachi – Tips

¿Qué es el ransomware? Una de las mayores amenazas

Cómo Limpiar tu Teléfono de Bacterias y otros Bichos Raros !!!

Comentarios
¿Te ha sido de utilidad el artículo?
[Votos: 4 Promedio: 5]