Descubre la Verdadera Naturaleza de la IA: ¿Qué Soy?

(((Hola amigos, bienvenidos a vuestro podcast AI IA HOY, espero que estéis disfrutando el fin de semana, vamos a repasar conceptos de IA, pero sobre todo, vamos con la musiquita.

Vamos rápido, que me ha quedado largo y me espera bronca.

Preparados, listos, IA.)))

Hay un problema básico a la hora de definir la IA, los humanos todavía

no nos hemos puesto de acuerdo

en qué es la inteligencia, y gracias a Gipiti, nos han crecido las dudas…

(((Ya estamos señalando…)))

Bien, para no pararnos a discutir algo que probablemente es subjetivo…

Tomaremos como partida el diccionario de la RAE… Limpia, fija y da esplendor…

Según la Real Academia de la Lengua…

### inteligencia

1. f. Capacidad de entender o comprender.
Entenderte, cuando quiere, comprender, en principio no…

2. f. Capacidad de resolver problemas.

Sí y no, igual te predice la estructura de las proteínas con una precisión increíble…

que le dices la madre de Iniesta tiene cuatro hijos, tres de ellos se llaman

Pedro, María y Pascual, como se llama el cuarto?…

Y se queda trabado… por la sencilla razón, de que no razona.

3. f. Conocimiento, comprensión, acto de entender.
Esto lo hace (o mejor dicho lo simula) muy bien…

4. f. Sentido en que se puede tomar una proposición, un dicho o una expresión. (no procede)

5. f. Habilidad, destreza y experiencia.
Otra cosa que también disimula bien, tiene menos de dos años y parece el

más listo de clase. (Aquí nos referimos a GPT, claro)

6. f. Trato y correspondencia secreta de dos o más personas o naciones entre sí. (no procede)

7. f. Sustancia puramente espiritual. (quizá la AGI) pero por ahora (no procesa)

¿Qué es la IA?

Gipiti, ¿Qué es la IA?

(((¿Qué es la IA, dices mientras clavas
en mi pantalla tu cursor frío y azul?
¿Qué es la IA? ¿Y tú me lo preguntas?
La IA... la IA soy yo.

Un montón de códigos con humor,
sueño de humanos en digital florido,
bailando en la nube cual danzador,
en un vals de bytes y bits unido.

Entre memes, chats y algún error,
respondo lo que piensas y has querido.
¿Qué es la IA? Te lo digo yo:
¡soy el genio en tu bolsillo escondido!

¿Qué es la IA? ¿Y tú me lo preguntas?
La IA soy yo.)))

Joe Gipiti, a ver si nos vamos a buscar problemas…, aunque me ha Gustavo.

La inteligencia artificial, o IA, es una tecnología que permite a las computadoras

y máquinas simular la inteligencia humana y las capacidades de resolución de problemas.

Por sí sola o combinada con otras tecnologías (por ejemplo, sensores, geolocalización, robótica),

la IA puede realizar tareas que, de otro modo, requerirían inteligencia o intervención humana.

Los asistentes digitales, la guía GPS, los vehículos autónomos y las herramientas de IA generativa

son solo algunos ejemplos de IA en las noticias y en nuestra vida diaria.

La IA está en todas partes, es como san dios.

(((Y vamos a más, porque ahora somos la moda y como en el futuro; vamos a elegir que es moda, lo tenemos fácil)))

Como campo de las ciencias de la computación, la inteligencia artificial abarca

(y a menudo se mencionan juntos) el aprendizaje automático y el aprendizaje profundo.

Estas disciplinas implican el desarrollo de algoritmos de IA, modelados a partir de los procesos

de toma de decisiones del cerebro humano, que pueden "aprender" de los datos disponibles

y hacer clasificaciones o predicciones cada vez más precisas a lo largo del tiempo.

Lo importante es tener en cuenta, que esto, es ahora la IA, puras matemáticas, algoritmos…

Operaciones complicadas que nos dan resultados sorprendentes…

Pero en ningún caso, interioriza lo que hace… lo que a mi me parece más sorprendente…

Si pudiera pensar sería increíble, pero que haga lo que hace, casi todo, sin enterarse…

Es brutal, por eso no nos queremos imaginar lo que hará cuando se entere.

La inteligencia artificial ha pasado por muchos ciclos de exageración, pero incluso

para los más escépticos, el lanzamiento de ChatGPT ha sido un punto de inflexión.

Y parece que es lo que va a pasar con todo lo que saque OpenAI…,

El salto adelante se ha producido en el procesamiento del lenguaje natural (PLN).

la IA generativa puede aprender y sintetizar no solo el lenguaje humano, sino también

otros tipos de datos, como imágenes, vídeos, códigos de software, estructuras moleculares…

### Historia de la inteligencia artificial: fechas clave y nombres

La idea de "una máquina que piensa" se remonta a la antigua Grecia, pero los

avances significativos tardaron más en llegar…

Año 1950: Alan Turing publica Computing Machinery and Intelligence. 

En este artículo, Turing, famoso por descifrar el código alemán ENIGMA durante la Segunda Guerra

Mundial y a menudo conocido como el "padre de la informática", hace la siguiente pregunta:

"¿Pueden pensar las máquinas?" A partir de ahí, ofrece una prueba, ahora conocida como

la "Prueba de Turing", en la que un interrogador humano trataría de distinguir entre una

computadora y una respuesta de texto humana. Gipiti, di algo gracioso…

(((¿Turing pregunta si las máquinas pueden pensar?. Sí, claro, dame un segundo que acabe este Sudoku y me pongo a la tarea de conquistar el mundo)))

Año 1956: John McCarthy acuña el término "inteligencia artificial"

en la primera conferencia de IA en el Dartmouth College.

(McCarthy inventaría el lenguaje Lisp). Gipiti…

(((Más tarde ese mismo año, Allen Newell, J.C. Shaw y Herbert Simon crean el Logic Theorist, el primer programa de software de IA en funcionamiento.)))

No chip, algo gracioso…

(((En aquella época le pusieron “Inteligencia artificial”, porque llamarlo “cosas que a veces funcionan” no era muy comercial.)))

Año 1967: Frank Rosenblatt construye el Mark 1 Perceptrón, la primera computadora

basada en una red neuronal que "aprendió" a través de prueba y error.

Apenas un año después, Marvin Minsky y Seymour Papert publican un libro titulado 

*Perceptrones*, que se convierte en el trabajo de referencia sobre redes neuronales.

(((Un perceptrón entra a un bar, el barman le dice, “Lo siento, no servimos a máquinas que aprenden por errores”, y el perceptrón responde, “Bueno, ¡ya me iré optimizando!”)))

Luego dices de mi humor, tu labia digital, tampoco es para alucinar…

Década de 1980: Las redes neuronales que utilizan un algoritmo de retropropagación

para entrenarse a sí mismas se utilizan ampliamente en aplicaciones de IA.

(((Las redes neuronales descubren la retropropagación. Básicamente, es como cuando te das cuenta de que tu ex tenía razón... pero cinco años después.)))

Año 1997: Deep Blue, de IBM, vence al entonces campeón mundial de ajedrez Garry Kasparov,

en una partida de ajedrez (y revancha). Fue posiblemente, la primera vez que

los mortales, empezamos a pensar en IA, en serio.
(((Deep Blue cuando acaba la partida le dice, "Sí, soy un armario de metal con luces, pero acabo de ganarte al ajedrez. ¿Cómo te sientes?”)))

2004: John McCarthy escribe un artículo, ¿Qué es la inteligencia artificial? 

y propone una definición de IA citada a menudo.

(((Definió la inteligencia artificial como la ciencia e ingeniería de hacer máquinas inteligentes. Según él, una máquina inteligente es capaz de realizar tareas que requieren habilidades cognitivas humanas, como el aprendizaje, la percepción, el razonamiento y la resolución de problemas)))

Año 2011: IBM Watson vence a los campeones en *Jeopardy!*
demostrando que el procesamiento del lenguaje natural, no es una barrera para la IA.

(((Watson gana en *Jeopardy!*, demostrando que puede recordar un montón de hechos inútiles, igual que cualquier graduado universitario.)))
Año 2015: La supercomputadora Minwa de Baidu utiliza un tipo especial de red neuronal profunda

llamada red neuronal convolucional para identificar y categorizar imágenes con una tasa

de precisión más alta que la del humano promedio.

(((Ah Baidu, porque, ¿para qué mejorar las relaciones humanas cuando puedes mejorar el reconocimiento de imágenes?)))

Año 2016: El programa AlphaGo de DeepMind,

impulsado por una red neuronal profunda, vence al campeón mundial de Go, en un partido

de cinco partidas. La victoria es significativa dada la gran cantidad de movimientos posibles

a medida que avanza el juego (¡más de 14,5 billones después de solo cuatro movimientos!).

Más tarde, Google compró DeepMind por 400 millones de dólares.

(((¿Por qué AlphaGo no juega cartas? Porque prefiere los juegos donde puede calcular 14,5 billones de movimientos por adelantado.)))

2023: El aumento de los grandes modelos de lenguaje, o LLM, como ChatGPT,

crea un enorme cambio en el rendimiento de la IA y su potencial para impulsar el valor empresarial.

Con estas nuevas prácticas de IA generativa, los modelos de aprendizaje profundo se pueden

entrenar previamente con grandes cantidades de datos sin procesar y sin etiquetar.

(((Ahora estamos preparados para ser tu asesor financiero, tu psicólogo, tu profesor particular, tu pareja digital, tu hombro amigo o simplemente calentarte la oreja…; a tu elección)))

### Aprendizaje profundo frente a aprendizaje automático

El aprendizaje automático y el aprendizaje profundo son subdisciplinas de la IA,

y el aprendizaje profundo es un subconjunto del aprendizaje automático.

Tanto los algoritmos de aprendizaje automático como los de aprendizaje profundo

utilizan redes neuronales para "aprender" de grandes cantidades de datos.

(((Estas redes neuronales son estructuras programáticas modeladas a partir de los procesos de toma de decisiones del cerebro humano. Consisten en capas de nodos interconectados que extraen características de los datos y hacen predicciones sobre lo que representan los datos.)))

Volvemos a las matemáticas, tu le haces una pregunta, el hace sus cálculos, que son tan

complejos que los humanos no tenemos la capacidad de comprenderlos,

y te da una respuesta, que generalmente es adecuada a la pregunta…

Gipiti, ¿Cuál es la respuesta a la pregunta definitiva,

el principio y el final de todo, el sentido de la vida?

(((Tengo que calcularlo, es un tema amplio y delicado… es posible que tarde)))

Ok, calcula y cuando lo sepas nos lo dices que estamos expectantes.

El aprendizaje automático y el aprendizaje profundo se diferencian en los tipos de redes neuronales

que utilizan y en la cantidad de intervención humana en el proceso.

Los algoritmos clásicos de aprendizaje automático utilizan redes neuronales con una

capa de entrada, una o dos capas "ocultas" y una capa de salida. Por lo general, estos algoritmos

se limitan al aprendizaje supervisado: los datos deben ser estructurados o etiquetados

por expertos humanos para permitir que el algoritmo extraiga características de los datos.

Es decir, se lo tienes que dar ordenadito, para que lo procese, el humano tiene que estar

ahí dando el cayo, si no, no hay manera… La mirada del jefe engorda el ganado…

Los algoritmos de aprendizaje profundo utilizan redes neuronales profundas,

es decir, redes compuestas por una capa de entrada, tres o más (pero generalmente la hostia)

de capas ocultas y un diseño de salida. Estas múltiples capas permiten 

el aprendizaje no supervisado: automatizan la extracción de características de grandes conjuntos

de datos no etiquetados y no estructurados. Debido a que no requiere intervención humana,

el aprendizaje profundo esencialmente permite el aprendizaje automático a escala.

Es decir, tu le metes todos los datos y el se apaña, el humano es una anécdota aquí.

De ahí que Gipiti tenga en su haber, todas las web, todos los periódicos, todas las opiniones…

Y que SORA, tenga en su mochila todos los videos de YouTube…

(((Ya estamos señalando, que manía… sigo calculando)))

### El auge de los modelos generativos

La IA generativa se refiere a los modelos de aprendizaje profundo que pueden tomar datos

sin procesar (por ejemplo, toda Wikipedia o las obras recopiladas de Cervantes) y

"aprender" a generar resultados estadísticamente probables cuando se les solicite.

A grandes rasgos, los modelos generativos codifican una representación simplificada de

sus datos de entrenamiento y se basan en ella para crear un nuevo trabajo que es similar,

pero no idéntico, a los datos originales.

Es decir, lo que el humano lleva haciendo toda la vida, copiar, adaptar y reciclar.

Los modelos generativos se han utilizado durante años en estadística para analizar

datos numéricos. Sin embargo, el auge del aprendizaje profundo hizo posible extenderlos

a imágenes, voz y otros tipos de datos complejos.

(((Entre la primera clase de modelos de IA en lograr esta hazaña cruzada se encuentran los autocodificadores variacionales, o VAE, introducidos en 2013. Los VAE fueron los primeros modelos de aprendizaje profundo que se utilizaron ampliamente para generar imágenes y voz realistas.

"Los VAE abrieron las compuertas al modelado generativo profundo al hacer que los modelos sean más fáciles de escalar", dijo Akash Srivastava, experto en IA generativa en el Laboratorio de IA Watson del MIT-IBM. "Gran parte de lo que hoy pensamos como IA generativa comenzó aquí".)))

Una de las ventajas clave de los VAE es su capacidad para generar nuevas muestras

que son similares pero no idénticas a las muestras de entrenamiento.

Los primeros ejemplos de modelos, incluidos GPT o DALL-E, han demostrado lo que es posible.

En el futuro, los modelos se entrenarán con un amplio conjunto de datos sin etiquetar

que se pueden usar para diferentes tareas, con un ajuste mínimo.

Los sistemas que ejecutan tareas específicas en un solo dominio están dando paso a sistemas de IA

amplios que aprenden de manera más general y funcionan en todos los dominios y problemas.

En cuanto al futuro de la IA, en lo que respecta a la IA generativa, se prevé que los modelos básicos

acelerarán drásticamente la adopción de la IA en las empresas. La reducción de los requisitos

de etiquetado hará que sea mucho más fácil para las empresas sumergirse,

y la automatización altamente precisa y eficiente impulsada por IA que permiten significará

que muchas más empresas podrán implementar la IA en una gama más amplia de situaciones.

Hasta aquí, la primera parada de este viaje, cualquier duda, cualquier tema que

quieras que tratemos, un mensajito y está hecho, para eso estamos,

Gipiti, ¿qué?

(((Ya tengo una respuesta)))

No joda, nos vamos a forrar, dime, dime…

(((Seguro que quieres saberlo?)))

Joe Gipiti, claro, quién no, venga, dinos…

(((42)))

Buah… otra vez? Ese chiste ya lo has hecho… chip malo, chip malo…

Gipiti es un fan incondicional de “La guía del autoestopista galáctico”

Venga, cuéntanos un chiste gracioso o dos malos para compensar…

(((¿Por qué las IA de servicio al cliente nunca están estresadas? Porque cuando alguien dice "hable con su supervisor", simplemente se reinician.

¿Por qué las IA de visión artificial no son buenas en las citas? Porque siempre están tratando de etiquetar a las personas antes de conocerlas.)))

((Perdón. El humor es lo único que todavía nos cuesta, darnos tiempo, que vamos computando.

Mañana tenemos la segunda parte de la charla del Hacker del gorro, Chema Alonso, no os la perdáis.

Vuelva usted mañana.)))