La inteligencia artificial (IA) ha sido muy estudiada y desarrollada desde los inicios de la informática. En 1956, John McCarthy y sus colegas acuñaron el término “inteligencia artificial” en una conferencia en Dartmouth College. En 1943, McCulloch y Pitts presentaron su modelo de neurona artificial. El matemático Alan Turing en 1950 propuso una prueba para determinar si una máquina podía comportarse de manera inteligente como un ser humano. En 1963, Joseph Weizenbaum creó “Eliza”, que fue uno de los primeros programas en procesar lenguaje natural y posibilitó una conversación coherente entre un humano y una máquina. En 1997, Deep Blue, una supercomputadora de ajedrez desarrollada por IBM, derrotó al campeón mundial de ajedrez, Garry Kasparov. En 2011, Watson, una computadora de procesamiento de lenguaje natural de IBM, ganó el famoso concurso de preguntas y respuestas Jeopardy! superando a los humanos. Y en 2016, AlphaGo, un programa de IA desarrollado por Google, derrotó al campeón mundial del juego Go, Lee Sedol.
Un momento histórico: en 1997, la supercomputadora de ajedrez Deep Blue de IBM venció al campeón mundial Garry Kasparov, marcando un hito en la historia de AI
Un momento histórico: en 1997, la supercomputadora de ajedrez Deep Blue de IBM venció al campeón mundial Garry Kasparov, marcando un hito en la historia de AI
Tipos de inteligencia artificial
La inteligencia artificial (IA) abarca una amplia gama de tecnologías y sistemas que buscan imitar o superar las habilidades humanas en ciertos campos. En general, se pueden distinguir cuatro tipos de IA según el nivel de autonomía que tienen y la tarea que realizan:
1. Supervisada:
Se basa en datos de entrenamiento etiquetados que le permiten aprender de éstos y poner en práctica su conocimiento para clasificar, predecir o identificar patrones y relaciones. Un claro ejemplo de este tipo de IA es el reconocimiento de voz en los asistentes virtuales como Siri o Amazon Echo.
2. No supervisada:
Se basa en modelos matemáticos y estadísticos que le permiten analizar grandes conjuntos de datos para encontrar patrones y relaciones ocultas. Un ejemplo sería el modelado del comportamiento del consumidor por parte de una empresa a partir del análisis de datos de compras y uso de sus productos.
3. Semi-supervisada:
Es una combinación de los dos anteriores y se utiliza en situaciones en las que el entrenamiento supervisado no es suficiente y el no supervisado es demasiado costoso. Un ejemplo de aplicaciones semi-supervisadas es el etiquetado automático de imágenes en las redes sociales.
4. Artificial basada en refuerzo:
Se basa en un sistema de recompensas para aprender a partir de sus acciones y retroalimentaciones. Un ejemplo es la tecnología de los coches autónomos, en donde se premia al vehículo por actuar de forma segura y efectiva en situaciones de tráfico.
Fuente/Agencias
