Elaborado por Materia para OpenMind Recomendado por Materia
6
Inicio Capacidades intelectuales de la inteligencia artificial
13 octubre 2022

Capacidades intelectuales de la inteligencia artificial

Tiempo estimado de lectura Tiempo 6 de lectura

Para entender las capacidades de la inteligencia artificial (IA) tenemos que reconocer sus diferentes componentes, explicando términos como ‘redes neuronales’,Machine Learning’ (ML, aprendizaje automático), y ‘ Deep Learning’ (aprendizaje profundo).

En general, la inteligencia artificial (IA) se refiere a la simulación de la inteligencia humana en máquinas que están programadas para pensar como los humanos, imitar la forma de actuar humana o mostrar rasgos asociados a una mente humana, como el aprendizaje y la resolución de problemas.

Existen tres tipos de inteligencia artificial:

  • Inteligencia artificial estrecha o débil (ANI, por sus siglas en inglés)
  • Inteligencia artificial general o fuerte (AGI)
  • Inteligencia artificial superior (ASI)

El siguiente cuadro los explica

BBVA Openmind -Banafa-3 tipos de IARedes neuronales

En informática, una red neuronal es un sistema de programas y estructuras de datos que se aproxima al funcionamiento del cerebro humano. Suele implicar un gran número de procesadores que operan en paralelo, cada uno con su limitada esfera de conocimiento y acceso a los datos de su memoria local.

Una red neuronal es “entrenada” o alimentada con grandes cantidades de datos y reglas sobre las relaciones entre estos (por ejemplo, “El abuelo de una persona es mayor que el padre de esa persona”). Un programa puede entonces indicar a la red cómo comportarse en respuesta a un estímulo externo (por ejemplo, la entrada de un usuario de ordenador que está interactuando con la red), o la propia red puede iniciar la actividad por sí misma (dentro de los límites de su acceso al mundo externo).

BBVA-OpenMind-Capacidades intelectuales de la inteligencia artificialAprendizaje profundo frente a aprendizaje automático

Para entender qué es el aprendizaje profundo o ‘Deep Learning’, es importante distinguirlo de otras disciplinas dentro del campo de la IA.

Un ramo importante de la IA es el aprendizaje automático o ‘Machine Learning’, en el que el ordenador extrae conocimientos a través de una experiencia supervisada en la que un operador humano ayuda a la máquina a aprender dándole cientos o miles de ejemplos de entrenamiento y corrigiendo manualmente sus errores.

Aunque el aprendizaje automático se ha convertido en un elemento dominante en el campo de la IA, tiene sus problemas. Por un lado, requiere dedicar mucho tiempo y, por otro, sigue sin ser una verdadera medida de la inteligencia de las máquinas, ya que depende del ingenio humano para idear las abstracciones que permiten a un ordenador aprender.

Por el contrario, a diferencia del aprendizaje automático, el aprendizaje profundo o ‘Deep Learning’ no es supervisado. En su lugar, se trata de crear redes neuronales a gran escala que permitan al ordenador aprender y ‘pensar’ por sí mismo sin necesidad de intervención humana directa.

El aprendizaje profundo no se parece a un programa informático. El código informático normal consiste en pasos lógicos muy estrictos, pero lo que verás en el aprendizaje profundo es algo diferente. No hay instrucciones que digan: ‘Si X es cierto, haz Y’.

BBVA-OpenMind-Keith Darlingon-Human level Artificial General Intelligence AGI
La inteligencia de nivel humano ha llegado a conocerse como IA fuerte o Inteligencia Artificial General (AGI)

En lugar de la lógica lineal, el aprendizaje profundo se basa en las teorías sobre el funcionamiento del cerebro humano, por lo que el programa, formado por capas intrincadas de nodos interconectados, aprende reordenando las conexiones entre los nodos tras cada nueva experiencia.

El aprendizaje profundo ha demostrado su potencial para un software que podría detectar las emociones o acontecimientos descritos en un texto incluso si no se hace referencia a ellos de forma explícita. También puede reconocer objetos en fotos y realizar predicciones sobre el comportamiento futuro de las personas. Algunos ejemplos de aprendizaje profundo en acción son los asistentes basados en el reconocimiento de voz, como Google Now y Siri de Apple.

El aprendizaje profundo es muy prometedor. La capacidad de analizar conjuntos de datos masivos y desarrollar sistemas informáticos que puedan adaptarse a la experiencia en lugar de depender de un programador humano dará lugar a grandes avances, tales como coches autoconducidos, mayordomos robóticos, descubrimiento de fármacos, creación de nuevos materiales o robots con una mayor conciencia del mundo que les rodea.

Aprendizaje profundo e informática afectiva 

La informática afectiva, que consiste en el estudio y desarrollo de sistemas y dispositivos que pueden reconocer, interpretar, procesar y simular las emociones humanas, es un campo interdisciplinario que abarca el ‘Deep Learning’, la psicología y la ciencia cognitiva. Aunque los orígenes de este campo se remontan a las primeras investigaciones filosóficas sobre la emoción, la rama más moderna surgió del artículo de Rosalind Picard de 1995. Una de las metas de la investigación es la capacidad de simular la empatía, mediante la cual la máquina interpretaría el estado emocional de los humanos y adaptaría su comportamiento a ellos, dando una respuesta adecuada a esas emociones.

Las tecnologías de informática afectiva que utilizan el aprendizaje profundo detectan el estado emocional de un usuario  a través de sensores, micrófono, cámaras y/o lógica de software, y responden realizando funciones específicas y predefinidas del producto/servicio, como cambiar un cuestionario o recomendar vídeos que se ajusten a ese estado de ánimo.

Cuantos más ordenadores tengamos en nuestras vidas, más queremos que se comporten con educación, que sean socialmente inteligentes y que no nos molesten con información intrascendente. Pero ese tipo de razonamiento de sentido común requiere comprender el estado emocional de la persona.

BBVA-OpenMind-Banafa-Device feelings-elisa-ventur-a computer can observe innumerable variables that may indicate emotional reaction and variation
Un ordenador puede observar innumerables variables que pueden indicar reacciones y variaciones emocionales

Una forma de ver la informática afectiva es la interacción persona-ordenador, en la que un dispositivo tiene la capacidad de detectar y responder adecuadamente a las emociones de su usuario y otros estímulos mediante la recopilación de pistas sobre la emoción del usuario de distintas fuentes. Las expresiones faciales, la postura, los gestos, el habla, la fuerza o ritmo de las pulsaciones en el teclado y los cambios de temperatura de la mano sobre el ratón pueden señalar cambios en el estado emocional del usuario, y todos ellos pueden ser detectados e interpretados por un ordenador. Una cámara integrada capta imágenes del usuario y se utilizan algoritmos para procesar los datos y obtener información significativa, mientras que el reconocimiento del habla y el reconocimiento de los gestos son otras de las tecnologías que se están explorando para las aplicaciones de informática afectiva.

El reconocimiento de la información emocional requiere la detección de pautas significativas en los datos recogidos mediante técnicas de aprendizaje profundo que procesan diferentes modalidades, como el reconocimiento del habla, el procesamiento del lenguaje natural o la detección de expresiones faciales.

La emotividad en las máquinas

Un área importante de la informática afectiva es el diseño de dispositivos que podrían exhibir capacidades emocionales innatas o al menos simular de manera convincente las emociones. Un enfoque más práctico con base en las capacidades tecnológicas actuales es la simulación de emociones en ‘chat bots’ para enriquecer y facilitar la interactividad entre el ser humano y la máquina. Mientras que las emociones humanas suelen asociarse a subidas de hormonas y otros neuropéptidos, las emociones en las máquinas podrían asociarse a estados abstractos relacionados con el progreso, o la falta de él, en sus sistemas de aprendizaje autónomos. Desde este punto de vista, los estados emocionales afectivos se corresponden con derivadas temporales en la curva de aprendizaje de un sistema de aprendizaje arbitrario.

Dos grandes categorías describen las emociones en las máquinas: el discurso emocional y la detección de emoción en expresiones faciales.

El discurso emocional incluye:

  • ‘Deep Learning’ (aprendizaje profundo)
  • Bases de datos
  • Descriptores del habla

La detección de emociones mediante expresiones faciales incluye:

  • Gestos corporales
  • Seguimiento fisiológico

La visión a futuro

La computación afectiva que utiliza el aprendizaje profundo trata de abordar uno de los principales inconvenientes del aprendizaje ‘online’ frente al presencial: la capacidad del profesor para adaptar inmediatamente la situación pedagógica al estado emocional del alumno en el aula. En las aplicaciones de aprendizaje electrónico o ‘e-learning’, la informática afectiva basada en el aprendizaje profundo puede utilizarse para ajustar el estilo de presentación de un tutor informático cuando un alumno está aburrido, interesado, frustrado o satisfecho. Los servicios de salud psicológica también se benefician de las aplicaciones de informática afectiva a la hora de determinar el estado emocional del cliente.

Affective computing is the study and development of systems and devices that can recognize, interpret, process, and simulate human affects
La informática afectiva consiste en el estudio y desarrollo de sistemas y dispositivos que pueden reconocer, interpretar, procesar y simular las emociones humanas

Los sistemas robóticos capaces de procesar información afectiva muestran mayor flexibilidad cuando se trabaja en entornos inciertos o complejos. Los dispositivos de compañía, como las mascotas digitales, utilizan la informática afectiva con capacidades de aprendizaje profundo para mejorar su realismo y proporcionar un mayor grado de autonomía.

Otras aplicaciones potenciales se centran en la monitorización social: por ejemplo, un coche puede hacer un seguimiento de las emociones de todos los ocupantes y adoptar medidas de seguridad adicionales, como alertar a otros vehículos si detecta que el conductor está enfadado. La informática afectiva con base en el aprendizaje profundo tiene aplicaciones potenciales en la interacción persona-ordenador, como los espejos afectivos, que permiten al usuario ver cómo actúa, los agentes de monitorización de emociones, que envían una advertencia antes de que envíes un correo electrónico cuando estás en un momento de ira, o incluso los reproductores de música, que seleccionan temas en función del estado de ánimo. Las empresas podrían utilizar la informática afectiva para descubrir si sus productos serán o no bien recibidos por el mercado pretendido. El papel de la informática afectiva basada en el aprendizaje profundo puede extenderse a todos los aspectos de la vida.

Ahmed Banafa, autor de los libros:

Secure and Smart Internet of Things (IoT) Using Blockchain and AI

Blockchain Technology and Applications

Quantum Computing

Referencias 

What is Artificial Intelligence

What Is ‘Deep Learning’ And Why Should Businesses Care?

Why Google Is Investing In Deep Learning

What is a neural network? Explanation and examples

Affective computing

Affective Computing

Cognitive computing

 

Comentarios sobre esta publicación

El nombre no debe estar vacío
Escribe un comentario aquí…* (Máximo de 500 palabras)
El comentario no puede estar vacío
*Tu comentario será revisado antes de ser publicado
La comprobación captcha debe estar aprobada