Cómo comenzar con el aprendizaje automático y la IA

Matt Ford - 22 de junio de 2022 1:00 p. m. UTC

En la década de 1950, en los primeros días de lo que ahora llamamos inteligencia artificial, hubo un debate sobre cómo llamar al campo. Herbert Simon, co-desarrollador tanto de la máquina de teoría lógica como del Solucionador general de problemas, argumentó que el campo debería tener el nombre mucho más anodino de "procesamiento de información compleja". Esto ciertamente no inspira el asombro que genera la "inteligencia artificial", ni transmite la idea de que las máquinas pueden pensar como humanos.

Sin embargo, el "procesamiento de información compleja" es una descripción mucho mejor de lo que realmente es la inteligencia artificial: analizar conjuntos de datos complicados e intentar hacer inferencias a partir de la pila. Algunos ejemplos modernos de IA incluyen reconocimiento de voz (en forma de asistentes virtuales como Siri o Alexa) y sistemas que determinan qué hay en una fotografía o recomiendan qué comprar o ver a continuación. Ninguno de estos ejemplos es comparable a la inteligencia humana, pero muestran que podemos hacer cosas notables con suficiente procesamiento de información.

Ya sea que nos refiramos a este campo como "procesamiento de información compleja" o "inteligencia artificial" (o el "aprendizaje automático" que suena más siniestramente a Skynet) es irrelevante. Se han invertido enormes cantidades de trabajo e ingenio humano en la construcción de algunas aplicaciones absolutamente increíbles. Como ejemplo, mire GPT-3, un modelo de aprendizaje profundo para lenguajes naturales que puede generar texto que no se puede distinguir del texto escrito por una persona (pero que también puede salir hilarantemente mal). Está respaldado por un modelo de red neuronal que utiliza más de 170 000 millones de parámetros para modelar el lenguaje humano.

Construida sobre GPT-3 está la herramienta llamada Dall-E, que producirá una imagen de cualquier cosa fantástica que solicite un usuario. La versión actualizada de 2022 de la herramienta, Dall-E 2, te permite ir aún más lejos, ya que puede "entender" estilos y conceptos que son bastante abstractos. Por ejemplo, pedirle a Dall-E que visualice "un astronauta montando un caballo al estilo de Andy Warhol" producirá una serie de imágenes como esta:

Dall-E 2 no realiza una búsqueda en Google para encontrar una imagen similar; crea una imagen basada en su modelo interno. Esta es una nueva imagen construida a partir de nada más que matemáticas.

No todas las aplicaciones de la IA son tan innovadoras como estas. La IA y el aprendizaje automático están encontrando usos en casi todas las industrias. El aprendizaje automático se está convirtiendo rápidamente en una herramienta imprescindible en muchas industrias, impulsando todo, desde los motores de recomendación en el sector minorista hasta la seguridad de las tuberías en la industria del petróleo y el gas, y el diagnóstico y la privacidad del paciente en la industria del cuidado de la salud. No todas las empresas tienen los recursos para crear herramientas como Dall-E desde cero, por lo que existe una gran demanda de conjuntos de herramientas accesibles y asequibles. El desafío de satisfacer esa demanda tiene un paralelismo con los primeros días de la informática empresarial, cuando las computadoras y los programas informáticos se estaban convirtiendo rápidamente en la tecnología que necesitaban las empresas. Si bien no todos necesitan desarrollar el próximo lenguaje de programación o sistema operativo, muchas empresas quieren aprovechar el poder de estos nuevos campos de estudio y necesitan herramientas similares para ayudarlos.