IA Inteligencia Artificial

• ¿Qué es la IA?

• ¿Qué es un algoritmo y los tipos que hay?

• Disciplinas de la IA

• Ética Digital

• Directrices Universales para la IA

• Inteligencia Artificial en América Latina y México

• Experiencias digitales personalizadas

• El impacto de la App Randonautica

Al empezar desarrollar éste tema, me dió mucha emoción ver todo lo que hoy ya se puede realizar en un modo más amplio. En la empresa que teníamos mi esposo y yo, y en conjunto con otros socios, tenía varias áreas, desde diseño gráfico con todas sus disciplinas, programación web, animación 3D, VFX (efectos especiales) para películas y comerciales, edición de video, videojuegos hasta VR (realidad virtual) también se impartieron cursos, ya que al inicio de la empresa no existían esas carreras, inclusive varios de los integrantes y socios fueron invitados por universidades a desarrollar planes de estudio en dichas áreas.

Ya en 2014 nosotros hablábamos de Transmedia, como una estrategia que lleva un proceso, en el que se involucran varias plataformas, donde el objetivo es crear una experiencia única basada en el usuario, siendo la base el storytelling y gamification , en el cual ésta historia en su origen, puede ser real o ficticia y el éxito de la experiencia depende de las ingeniosas combinaciones de medios y plataformas. Ahora imagínense las combinaciones que se crean con la IA. Tema que tocaré en posteriores publicaciones ya que es bastante amplio y me apasiona por todo lo que conlleva. Hoy centrémonos en Inteligencia Artificial para comprenderla en su totalidad y las implicaciones que esto conlleva en esta revolución tecnológica y humana.

Breve historia de la Inteligencia Artificial

Hablar de Inteligencia artificial, no es algo nuevo para el hombre, ya Descartes teorizó sobre la posibilidad de autómatas inteligentes pero fue hasta el siglo pasado que empezó a tomar fuerza con Alan Touring en 1950 diciendo: “Un sistema es lo suficientemente inteligente si consigue hacerse pasar por humano ante las preguntas de un Juez”. Años después en 1956 John McCarthy acuño el termino “Inteligencia Artificial”; en ese periodo se realizaron cosas aisladas y fue hasta 1997 en el evento más donde Deep Blue una máquina creada por IBM venció al campeón ajedrecista Gary Kaspàrov siendo este evento es más conocido.

Entonces, definamos a la Inteligencia Artificial como la simulación de inteligencia humana por parte de las máquinas. Por consiguiente es la disciplina de tratar de crear sistemas capaces de aprender y razonar como un ser humano.

Para conseguir esta simulación hay que implementar un algoritmo. Un algoritmo es una serie de pasos (cálculos) que se llevan a cabo para resolver un problema en particular o para lograr un resultado definido. Un algoritmo ayuda a encontrar soluciones a problemas.

Entonces al enfocarnos en Inteligencia Artificial, nos estaremos refiriendo a algoritmos informáticos o “Algoritmos de Machine Learning”, puesto que la Inteligencia Artificial, es un gran conjunto de tecnologías que engloba al Machine Learning.

Hay que recordar siempre y manteniendo nuestro pensamiento crítico que, lo que se busca con estos algoritmos es que arrojen las mejores respuestas “problables”, las cuales (por no ser humanas) son:

• No probables

• Probables

• Muy probables

Los algoritmos inteligentes o mecanizados principales que utiliza la IA son:

• Aprendizaje por refuerzo (RL Reinforcement Learning) Consiste en la iteración constante y basada en “prueba y error” que una máquina es capaz de realizar en tiempo récord ante determinadas condiciones o entorno dados (por ejemplo, las reglas de un juego) y con un objetivo específico llamado “recompensa” De esta forma se pueden obtener resultados, patrones, correlaciones, caminos y conclusiones basadas en experiencia previa generada por la propia máquina.

• Aprendizaje supervisado (Supervised machine learning) Se basa en modelos predictivos que hacen uso de datos de entrenamiento. Dado un conjunto conocido de datos, se pretende que el sistema sea capaz de lograr una determinada salida, de forma que el modelo es ajustado (entrenado) hasta lograr resultados adecuados. Ejemplo: coches autónomos.

• Aprendizaje no supervisado (Unsupervised machine learning) Los algoritmos de aprendizaje no-supervisado son similares a los de aprendizaje supervisado, pero estos ajustan su modelo únicamente en función de los datos de entrada. Dicho de un modo sencillo, el algoritmo realiza un auto entrenamiento sin indicaciones externas.

Ahora, éstos algoritmos se aplican a varias disciplinas, donde la inteligencia artificial los involucra para crear diversos sistemas tecnológicos.

Disciplinas de la inteligencia Artificial

1) Reconocimiento automático del habla (Speech recognition)

Una disciplina que pertenece a la acústica, cuyo objetivo es el reconocimiento de voz.

2) Procesamiento del lenguaje natural NPL (PLN en español)

Es una disciplina que se centra en la conversión fiel de la voz al texto, ligada al campo de la lingüística y su objetivo es comprender que intención tiene el usuario al lanzar un comando o pregunta o afirmación,(ya sea escrita o en voz). Es el campo que ayuda a la comunicación, hombre –maquina y viceversa

3) Reconocimiento Visual (Visual Recognition)

Disciplina basada en el proceso de señal imagen y video con el objetivo de reconocer patrones, formas y diferentes elementos de una imagen

4) Reconocimiento de texto (Text recognition)

Esta disciplina podría considerarse un parte del reconocimiento visual, ya que su principal objetivo es identificar texto en forma de imagen.

5) Big Data

Lo podemos considerar, sin entrar a tecnicismos, un gran volumen de datos. Big Data por sí solo no es una tecnología, pero tener a disposición una cantidad ingente de datos (preferiblemente estructurados) es una base vital en la consecución de objetivos tanto en la analítica de Business Intelligence como en la aplicación de determinados algoritmos de Machine Learning.

6) Sistemas expertos

Son aquellos en los que se ha volcado todo el conocimiento humano posible acerca de una determinada rama. Un ejemplo clásico es el de los sistemas que juegan al ajedrez, que a partir de toda una colección de movimientos y estrategias que se les ha introducido en memoria, son capaces de determinar la mejor jugada (generalmente basándose en árboles de decisión) ante unas condiciones dadas.

7) Robótica

La robótica (ya sea mecánica o robótica software, como el RPA) abarca un alto rango de dispositivos. Siempre que un sistema o robot muestre síntomas de inteligencia, por ejemplo, al ser capaz de tomar decisiones por muy básicas que sean éstas, estaremos hablando de Inteligencia Artificial y debe diferenciarse de la capacidad de aprender de las máquinas; es decir, el Machine Learning.

8) Aprendizaje Automático (Machine Learning)

Esta disciplina trata de conseguir que un sistema aprenda y relacione información como lo haría un humano, usa los algoritmos para detectar patrones de acuerdo a los datos previos, pudiendo crear predicciones futuras, aquí se desprenden:

• Deep learning

Esta Subdisciplina es un sistema de aprendizaje que se inspira en el funcionamiento de las redes neuronales del cerebro humano para procesar la información, con una base matemática muy compleja. Aunque si se apoya en la experiencia, no parte de indicaciones estrictas.

Cuando hablamos de redes neuronales, es la forma del algoritmo, que imita la de una neurona humana. Por otro lado ya hay neuronas humanas integradas en un chip que pueden conseguir que la Inteligencia Artificial alcance la capacidad de pensar y comprensión conceptual.

Nota: Una empresa australiana está introduciendo neuronas biológicas reales, extraídas de ratones y humanos, en un microchip informático. La finalidad es desarrollar técnicas para estimular y cultivar el crecimiento neuronal para el cálculo y potenciar la Inteligencia Artificial. La compañía, llamada Cortical Labs, se propone aprovechar todo el potencial del cerebro humano para crear una Inteligencia Artificial (IA) de nueva generación, capaz de resolver los mayores desafíos de la sociedad actual, señalan sus creadores. Lo que nos permite comprender la siguiente subcategoría del Machine Learning.

• Cognitive Intelligence & Cognitive Services

La Inteligencia Cognitiva es una combinación de las tecnologías mencionadas previamente con el objetivo de crear servicios de Inteligencia Artificial capaces de tener comprensión humana. Es la unión de reconocimiento visual, sonoro, comprensión lectora, NLP y Machine Learning para crear sistemas capaces de comprender la información relacionada a la interacción humana y responder en consecuencia. Empresas como Microsoft ponen a disposición de sus clientes Servicios Cognitivos para poder extender las capacidades de sus aplicaciones.

Algunos autores le llaman también la súper Inteligencia Artificial definiéndola como: “un intelecto que es mucho más inteligente que los mejores cerebros humanos en prácticamente cualquier campo, incluyendo creatividad científica, sabiduría en general, y habilidades sociales”, según Nick Bostrom, filósofo y experto en IA.

No se puede negar que la Inteligencia Artificial tendrá consecuencias significativas y de largo alcance en nuestras vidas futuras. Para tratar de determinar qué tan extenso es eso, he reproducido esta infografía a español de https://www.oneragtime.com que ya en 2018 nos ilustraba concretamente cómo la Inteligencia Artificial ha llegado de una forma disruptiva en una amplia gama de sectores.

También les dejo el enlace del World Economic Forum un mapa interactivo, bastante interesante, muy recomendable.

La ética Digital, la esfera privada o dictadura de datos.

Corporaciones como Google, Facebook, Apple y Amazon tienen hasta hoy el mayor poder y también una influencia política por la gran cantidad de datos que manejan, ellos pueden adquirir, evaluar, medir y controlar toda esa información que recaban, por ejemplo: La patente del “Estudio de ánimo” de Google por el cuál preguntó el periodista científico Ranga Yogeshwar en un documental en Deutsche Welle (DW), muestra como éste estudio monitoriza y reporta todas la actividades de un hogar y al decir todasme refiero a desde detectar si alguien esta cepillándose los dientes y por cuanto tiempo o detectar si esta enfermo.

Por lo que debemos estar atentos a checar las regulaciones que habrá para cada país entorno al uso y manejo de esta Inteligencia Artificial., debemos actuar ya a estas políticas.

En cuanto a comunicación y Fake News, estos algoritmos con base a las redes sociales como Facebook Youtube y Twitter hoy cuentan con un algoritmo basado en el machine learning, que decide lo que vemos. La huella digital que vamos dejando, la utilizan para influenciarnos y nosotros a la vez vamos interactuando haciendo burbujas de pensamientos, una división, si lo vemos políticamente es un arma bastante útiil. Para estas grandes empresas es un negocio, razón por la cual la industria de las TIC´S son las corporaciones más cotizadas en el mundo.

Ya se habla de la industria 4.0, que va desde sitemas, vehículos y fabricas enteras conectadas, que se equipan con IA y Machine Learning, aquí es dónde debemos preguntarnos, ¿Cuál es el sentido de este progreso tecnológico? y exigir respuestas.

Hay países donde ya se esta regulando los usos que conciernen a la IA, por ejemplo los juguetes inteligentes para niños donde la seguridad de datos es primordial.

Por supuesto, que hay también muchos beneficios, como la detección de enfermedades, prótesis. Las máquinas ya nos ayudan en aquéllos procesos que requieren repetición, fuerza y precisión, lo que a mi punto de vista, si los sabemos aprovechar, nos permitirá obtener más tiempo para crear o desarrollar cosas con las capacidades humanas que aún no superan estas máquinas o sistemas.

Hay instituciones que se están ocupando de temas como estos, en un artículo que compartió Tendencias21, dice: “La Universidad de Stanford está poniendo en marcha un nuevo instituto dedicado a estudiar, guiar y desarrollar tecnologías y aplicaciones de inteligencia artificial centradas en el ser humano. Se llama (HAI) y tiene como misión promover la investigación, la educación, políticas y prácticas de inteligencia artificial (IA) para mejorar la condición humana. El instituto universitario está comprometido a asociarse con la industria, los gobiernos y las organizaciones no gubernamentales que comparten el objetivo de un futuro mejor para la humanidad a través de AI.”

Creo que es tempo para que diferentes partes de la sociedad deban trabajar en conjunto desde las ONG´s, gobiernos locales y regionales, pensando en la diversidad de culturas, los lideres políticos, económicos, sociales y religiosos deben concientizar a sus grupos de tomar decisiones tecnológicas correctas.

La inteligencia artificial debe anteponer a la gente y al planeta. Esta es la razón por la cual las discusiones éticas de la AI a escala global son esenciales. Una convención global sobre la IA ética que abarca todo es la garantía más viable para la supervivencia humana.

Tener un marco de ética antes que se adopte de forma masiva, es uno de los caminos más viables para mantenernos en equilibrio con este crecimiento tecnológico.

Directrices Universales para la Inteligencia Artificial.

The Public Voice, una coalición de la sociedad civil, presentó en la Conferencia Internacional de Comisionados de Protección de Datos y Privacidad de 2018 en Bruselas, Bélgica. Las directrices universales para el manejo de la Inteligencia Artificial. El objetivo de las Pautas es maximizar los beneficios de la IA, minimizar el riesgo y garantizar la protección de los derechos humanos. Estas Directrices deben incorporarse en los estándares éticos, adoptarse en la legislación nacional y en los acuerdos internacionales, e incorporarse en el diseño de sistemas. Declaramos claramente que la responsabilidad principal de los sistemas de AI debe residir en aquellas instituciones que financian, desarrollan y despliegan estos sistemas.

Adicional a esto, durante la 40a. Conferencia Internacional de Comisionados de Protección de Datos y Privacidad (“ICDPPC”) que se llevó a cabo en Bruselas, Bélgica, la propia Conferencia suscribió la “Declaración sobre la Ética y la Protección de Datos Personales en la Inteligencia Artificial” que la Comisión Nacional de Tecnologías de la Información y Libertades (CNIL, Francia), el Supervisor Europeo de Protección de Datos (EDPS, Unión Europea) y el Órgano Garante para la Protección de Datos de Carácter Personal (Italia), emitieron con motivo de las discusiones que se dieron en la Conferencia sobre el tema de la inteligencia artificial.

Por su parte la OCDE publicó el 22 de mayo de 2019 en su página el primer conjunto de directrices de políticas intergubernamentales sobre IA

El texto íntegro de los Principios sobre la IA puede descargarse desde este enlace. De forma sucinta, afirman lo siguiente:

1. La IA debe estar al servicio de las personas y del planeta, impulsando un crecimiento inclusivo, el desarrollo sostenible y el bienestar.

2. Los sistemas de IA deben diseñarse de manera que respeten el Estado de derecho, los derechos humanos, los valores democráticos y la diversidad, e incorporar salvaguardias adecuadas —por ejemplo, permitiendo la intervención humana cuando sea necesario— con miras a garantizar una sociedad justa y equitativa.

3. Los sistemas de IA deben estar presididos por la transparencia y una divulgación responsable a fin de garantizar que las personas sepan cuándo están interactuando con ellos y puedan oponerse a los resultados de esa interacción.

4. Los sistemas de IA han de funcionar con robustez, de manera fiable y segura durante toda su vida útil, y los potenciales riesgos deberán evaluarse y gestionarse en todo momento.

5. Las organizaciones y las personas que desarrollen, desplieguen o gestionen sistemas de IA deberán responder de su correcto funcionamiento en consonancia con los principios precedentes.

La OCDE recomienda a los gobiernos:

• Facilitar una inversión pública y privada en investigación y desarrollo que estimule la innovación en una IA fiable.

• Fomentar ecosistemas de IA accesibles con tecnologías e infraestructura digitales, y mecanismos para el intercambio de datos y conocimientos.

• Desarrollar un entorno de políticas que allane el camino para el despliegue de unos sistemas de IA fiables.

• Capacitar a las personas con competencias de IA y apoyar a los trabajadores con miras a asegurar una transición equitativa.

• Cooperar en la puesta en común de información entre países y sectores, desarrollar estándares y asegurar una administración responsable de la IA.

Inteligencia Artificial en América Latina y México

Ahora demos un vistazo a lo que se esta realizando en México. Según un artículo de Forbes “Se calcula que para 2030 el mercado de Inteligencia Artificial (IA) tendrá un valor cercano a los 15,000 millones de dólares en todo el mundo y México se posiciona como país fuerte de América Latina.”

Otro de los proyectos que abarca el punto de la ética de la Inteligencia Artificial es el de IA2030MX, una coalición multisectorial integrada por profesionistas, instituciones académicas, empresas, startups, dependencias públicas y otros actores clave del ecosistema digital y de Inteligencia Artificial (IA). Buscan que se aproveche de manera estratégica los beneficios de la IA y mitigue los posibles riesgos éticos y sociales.​

Plantean tres tareas fundamentales en las que trabaja para lograr una Agenda Nacional de Inteligencia Artificial, entre las que destacan:

• Sumar la participación de todos los estados de México al movimiento.

• Crear una Agenda Nacional de IA con miras a 2030 y fortalecer los ecosistemas locales y estatales.

• Contextualizar y promover los principios de IA de la OCDE firmados por México.

Por parte del el periódico El Financiero, explica cómo tendemos a pensar que México no esta preparado para estas tecnologías, sin embargo, hay muchas áreas en las que estamos siendo pioneros como en el caso se las FinTech (Tecnología finaciera). También destaca que México tiene ya varias aplicaciones de IA en seguridad de la vías públicas hecho por desarrolladores mexicanos. En la Industria energética hay investigadores de la UNAM desarrollando modelos Bayesianos para predecir fuerzas eólicas. Mientras otros también están haciendo servicios de atención a clientes con asistentes virtuales, por nombrar algunos ejemplos.

México cuenta con grandes oportunidades si se hacen ecosistemas digitales de Inteligencia Artificial para apoyar a la innovación de mexicanos para mexicanos. Colombia y México según el Banco Interamericano de Desarrollo son los países más fuertes de América Latina apuntando al 2030 en el mercado de IA.

China como ha mostrado, es la potencia en IA. NIC MÉXICO explica en palabras de Kai Fu Lee, fundador de Sinovation Ventures y anterior CEO de Google China: “la Inteligencia Artificial puede optimizar, pero no crear”, por lo cual los trabajos más creativos son los que estarán más seguros. Es decir, toda actividad que esté más allá de la capacidad de síntesis de las máquinas.

Razón que nos lleva a cuidar y desarrollar en nuestros servicios y productos en:

La atención personalizada. A medida que la atención a clientes se automatice en el sector de servicios, muchos podrían pagar un premium para recibir atención interpersonal.

Creatividad y estrategia. Así como el término Deep Learning describe bien las capacidades de las máquinas, para las personas podríamos utilizar el término de Broad Learning.

Diseño de experiencias personalizadas.Si bien la tecnología permite la personalización de productos, dietas, etc, todavía quedarán muchos nichos disponibles en el turismo, la planeación de eventos o cualquier otra actividad en donde la sensibilidad humana no pueda ser replicada por las máquinas.

Caso de estudio "Randonauts"

Y hablando de experiencias personalizadas me ha llamado mucho la atención un app que esta muy de moda entre los jóvenes de todo el mundo y es reciente, la llamada “Randonauts”, tiene su propia página oficial, que dice: “Explora un mundo que nunca supiste que existe”. Ésta aplicación se descarga en el celular y envía la nota de permiso a enviarte notificaciones, alertas, sonidos y que se pueden definir en configuración.

Y enseguida te hacen una serie de preguntas y desde tu ubicación en Google maps te da opciones a elegir: Anomalías (lo más fuerte entre los Atractores y Vacíos), Atractores (grupos densos de puntos aleatorios) o Void (vacios donde no hay grupos densos) y te pide que tengas un estado de animo positivo, no solo siguiere, advierte que se hagan con mentalidad positiva, que se le ponga intención.

Esta aplicación se hace viral en “TikTok” compartiendo sus experiencias varios usuarios, Por lo que hay diversas experiencias tanto divertidas como terroríficas para otros. Por poner un ejemplo: Unas chicas en Seattle el 22 de junio del 2020, encontraron una maleta en una playa usando la aplicación, poniendo en la App “conseguir algo distinto y misterioso”. Lo que encontraron fue, una maleta con un cuerpo y describen que olía muy mal y terminaron llamando a la policía. Y así podemos encontrar muchos casos en las redes sociales de experiencias con esta App, ya que es muy nueva.

En su página la App lo explica así: “La mente tiene materia y la mente importa, tú eres guía mientras experimentas el mundo de manera diferente. Ir a lo desconocido es un viaje como ningún otro.” Como podemos ver, lo que te hace sentir esta App, es que esta generado de forma única para el usuario.

Ya he encontrado usuarios se llaman Randonauts diciendo que, Anomalia te lleva a encontrar apariciones fallas en la matrix u otra dimensión y Atractor te refiere a un miedo personal.

Random: es aleatorio

Nauta: exploración

Por lo tanto nonos indica que realiza una exploración aleatoria.

Un caso que vale la pena estudiarlo más a fondo para enseñarle a nuestros jóvenes el funcionamiento y alcance de estas nuevas tecnologías. Ésta generación se encuentran ante un cambio físico interno y externa, eso aunado a esta transformación disruptiva, los ha llevado a creer esto cómo una aplicación mágica o terrorífica. Está en nosotros cómo adultos, ampliarles de manera integral su aprendizaje con la finalidad de que mantengan un pensamiento crítico siempre, siendo libres pensadores. Debemos procurar que vean la tecnología como una herramienta que ellos utilicen para sus fines y no al revés.

Después de haber leído varias cosas sobre el tema, creo que el Machine Learning debería verse como el comienzo de un aprendizaje histórico para la humanidad y no solo para las maquinas. Me encantó el termino Broad learning, (aprendizaje amplio) que es precisamente lo que debemos hacer y esta en nuestras manos ampliarlo. ¿Ustedes qué opinan?... los leo y nos vemos pronto.