Conceptos básicos relativos a la inteligencia artificial
La inteligencia artificial constituye un campo interdisciplinario de la ciencia y la ingeniería dedicado a construir sistemas capaces de realizar tareas que, cuando son ejecutadas por seres humanos, suelen requerir capacidades como percepción, aprendizaje, razonamiento, reconocimiento de patrones, comprensión del lenguaje, planificación, toma de decisiones y generación de contenidos. Sin embargo, comprender la inteligencia artificial exige distinguirla de varios conceptos estrechamente relacionados. Aprendizaje automático, aprendizaje supervisado, aprendizaje no supervisado, aprendizaje semisupervisado, aprendizaje de refuerzo, aprendizaje profundo, redes neuronales y computación cognitiva no son sinónimos de inteligencia artificial, sino conceptos que describen diferentes enfoques, arquitecturas o paradigmas utilizados para desarrollar sistemas inteligentes.
Una forma útil de comprender la relación entre estos conceptos consiste en imaginar una estructura jerárquica. La inteligencia artificial es el campo general. Dentro de ella se encuentra una de sus ramas más importantes, el aprendizaje automático, que permite que los sistemas aprendan regularidades a partir de datos en lugar de depender exclusivamente de reglas programadas de manera explícita. Dentro del aprendizaje automático existen diferentes paradigmas de aprendizaje, entre ellos el aprendizaje supervisado, el aprendizaje no supervisado, el aprendizaje semisupervisado y el aprendizaje de refuerzo. El aprendizaje profundo constituye una familia de métodos de aprendizaje automático caracterizada por el empleo de redes neuronales con múltiples capas. Las redes neuronales son modelos computacionales inspirados de manera abstracta en determinados principios de procesamiento de información del sistema nervioso, aunque no constituyen réplicas literales del cerebro humano. Finalmente, la computación cognitiva representa un enfoque más amplio orientado a construir sistemas capaces de interactuar con información compleja de una manera que se aproxime a determinadas funciones cognitivas humanas.
Inteligencia artificial
La inteligencia artificial puede entenderse como el conjunto de métodos científicos, matemáticos y computacionales destinados a desarrollar sistemas capaces de producir comportamientos orientados hacia objetivos que normalmente asociamos con la inteligencia. Esta definición es deliberadamente amplia porque la inteligencia artificial no depende de una única técnica. Un sistema puede utilizar reglas lógicas, búsqueda de soluciones, representación del conocimiento, modelos probabilísticos, aprendizaje automático, redes neuronales, optimización matemática o combinaciones de estos procedimientos.
La razón por la que la inteligencia artificial constituye un concepto tan amplio es que la inteligencia no puede reducirse a una sola capacidad. Un organismo puede percibir su entorno, recordar información, aprender de experiencias anteriores, inferir relaciones causales, anticipar consecuencias, resolver problemas, comunicarse mediante lenguaje y modificar su comportamiento de acuerdo con las circunstancias. Un sistema artificial que aspire a desempeñar tareas inteligentes puede necesitar solamente una de estas capacidades o una combinación de varias.
Históricamente, algunos sistemas de inteligencia artificial funcionaban principalmente mediante reglas explícitas. En estos sistemas, un programador especificaba relaciones del tipo: si ocurre determinada condición, ejecutar determinada acción. Este enfoque puede ser extraordinariamente eficaz cuando el dominio está bien definido y las reglas son conocidas. Sin embargo, presenta dificultades cuando el número de situaciones posibles es enorme, cuando las reglas son difíciles de formular o cuando el entorno cambia continuamente.
El desarrollo de la inteligencia artificial moderna se ha desplazado progresivamente hacia sistemas capaces de aprender representaciones y regularidades directamente a partir de grandes cantidades de datos. Esta transformación es fundamental porque muchos problemas del mundo real no poseen una descripción sencilla mediante reglas explícitas. Reconocer una cara, interpretar una conversación, identificar una lesión en una imagen médica o predecir determinadas características de una molécula son tareas en las que puede resultar extremadamente difícil escribir manualmente todas las reglas necesarias.
Por ello, la inteligencia artificial moderna debe entenderse no simplemente como una colección de programas que imitan determinadas acciones humanas, sino como un campo científico que investiga cómo construir sistemas capaces de transformar información en representaciones útiles, inferencias, predicciones, decisiones o acciones.
Aprendizaje automático
El aprendizaje automático es una rama de la inteligencia artificial en la que los sistemas computacionales utilizan datos para aprender relaciones o patrones que posteriormente permiten realizar predicciones, clasificaciones, decisiones u otras tareas.
La diferencia fundamental respecto de un programa convencional reside en dónde se encuentra parte de la lógica del sistema. En un programa tradicional, el desarrollador define explícitamente las reglas que transforman las entradas en resultados. En un sistema de aprendizaje automático, el desarrollador diseña un procedimiento de aprendizaje y proporciona datos a partir de los cuales el sistema estima los parámetros de un modelo.
Puede representarse conceptualmente de la siguiente manera:
datos → aprendizaje → modelo → nuevas observaciones → predicción o decisión
Supongamos que se desea construir un sistema capaz de identificar si una imagen contiene determinada estructura anatómica. Sería posible intentar escribir manualmente todas las reglas necesarias para reconocerla. Sin embargo, las variaciones anatómicas, las diferencias de iluminación, la resolución de la imagen y la diversidad de presentaciones hacen que este procedimiento sea extremadamente complejo. Mediante aprendizaje automático, en cambio, puede proporcionarse al sistema un conjunto suficientemente amplio de ejemplos y utilizar un algoritmo para estimar las relaciones matemáticas que permiten distinguir las diferentes categorías.
El concepto de aprendizaje no significa que la máquina aprenda necesariamente como aprende un ser humano. En términos matemáticos, significa que el sistema modifica determinados parámetros internos de acuerdo con la información disponible, generalmente buscando minimizar una función de error o maximizar alguna medida de desempeño.
Por ejemplo, si un modelo intenta predecir el valor de una variable y sus predicciones se alejan de los valores observados, puede calcularse una función que cuantifique ese error. El proceso de entrenamiento modifica los parámetros del modelo para reducir progresivamente dicho error. Cuando el aprendizaje ha sido adecuadamente diseñado, el modelo puede generalizar las relaciones aprendidas hacia datos que no había observado anteriormente.
La generalización es uno de los conceptos centrales del aprendizaje automático. Un sistema verdaderamente útil no debe limitarse a memorizar los ejemplos utilizados durante su entrenamiento. Debe aprender regularidades suficientemente generales para funcionar ante nuevos casos.
Esto conduce a uno de los principales problemas del aprendizaje automático: el sobreajuste. Un modelo puede aprender demasiado específicamente los datos de entrenamiento, incluyendo características particulares que no representan la estructura general del problema. En ese caso puede presentar un rendimiento excelente sobre los datos conocidos y, simultáneamente, un rendimiento deficiente sobre datos nuevos.
Por tanto, aprender no significa simplemente almacenar información. Significa identificar una estructura estadística suficientemente útil como para permitir la generalización.
Aprendizaje supervisado
El aprendizaje supervisado es un paradigma de aprendizaje automático en el que el sistema aprende utilizando ejemplos acompañados por una respuesta conocida, denominada etiqueta o variable objetivo.
La estructura básica es:
entrada → respuesta conocida → aprendizaje de la relación → predicción
Supongamos que se dispone de miles de imágenes médicas y que cada imagen ha sido clasificada previamente por especialistas. El sistema recibe las imágenes como entradas y las clasificaciones como respuestas conocidas. Durante el entrenamiento intenta aprender una función matemática capaz de relacionar las características de las imágenes con las categorías correspondientes.
Existen dos problemas clásicos dentro de este paradigma.
El primero es la clasificación, en la que el sistema debe seleccionar una categoría. Por ejemplo, puede determinar si una imagen pertenece a una categoría determinada o a otra.
El segundo es la regresión, en la que el sistema debe estimar un valor numérico continuo. Por ejemplo, puede intentar predecir una concentración, una temperatura o un determinado riesgo cuantitativo.
El aprendizaje supervisado es extraordinariamente importante porque muchas aplicaciones disponen de grandes conjuntos de datos etiquetados. Sin embargo, existe una limitación fundamental: obtener etiquetas confiables puede ser costoso. En algunos ámbitos, cada ejemplo debe ser evaluado por especialistas, lo que requiere tiempo, dinero y procedimientos de control de calidad.
Además, la calidad del modelo depende en gran medida de la calidad de las etiquetas. Si los datos contienen errores sistemáticos, el sistema puede aprender esos errores. De esta manera, el aprendizaje supervisado no elimina los problemas humanos de la construcción del conocimiento: en muchos casos simplemente desplaza una parte importante del trabajo hacia la generación, selección y validación de los datos.
Aprendizaje no supervisado
El aprendizaje no supervisado utiliza datos que no poseen necesariamente etiquetas conocidas y busca identificar estructuras internas, regularidades o agrupaciones dentro de ellos.
Aquí el problema cambia radicalmente. En lugar de proporcionar al sistema la respuesta correcta, se le proporciona información y se le solicita que encuentre patrones.
Una aplicación clásica es la agrupación. Si se dispone de miles de observaciones y no se conocen previamente las categorías existentes, un algoritmo puede identificar grupos de elementos que presentan características similares.
Por ejemplo, una organización podría analizar los comportamientos de sus usuarios sin haber establecido previamente categorías. Un algoritmo podría encontrar grupos caracterizados por diferentes patrones de utilización. Posteriormente, los investigadores podrían interpretar esos grupos y determinar qué significan.
El aprendizaje no supervisado es particularmente importante porque gran parte de la información producida por el mundo real carece de etiquetas. Fotografías, documentos, registros de sensores, secuencias biológicas y enormes cantidades de información digital pueden estar disponibles en grandes volúmenes sin una clasificación humana exhaustiva.
El objetivo del aprendizaje no supervisado no consiste necesariamente en descubrir una única verdad objetiva. Los patrones identificados dependen del modelo matemático, de la representación de los datos y de los criterios utilizados para determinar semejanzas. Por esta razón, los resultados deben interpretarse dentro del contexto científico correspondiente.
Aprendizaje semisupervisado
El aprendizaje semisupervisado combina características del aprendizaje supervisado y del aprendizaje no supervisado. Utiliza un conjunto relativamente pequeño de datos etiquetados junto con un conjunto mucho mayor de datos sin etiquetar.
Su importancia surge de una circunstancia muy frecuente: los datos pueden ser abundantes, pero las etiquetas pueden ser escasas.
Imaginemos que existen un millón de imágenes disponibles, pero solamente veinte mil han sido clasificadas cuidadosamente por especialistas. Utilizar exclusivamente las veinte mil imágenes etiquetadas desperdiciaría gran parte de la información disponible. El aprendizaje semisupervisado intenta aprovechar tanto las observaciones etiquetadas como las no etiquetadas.
La idea fundamental es que los datos sin etiquetas pueden proporcionar información acerca de la estructura estadística del problema, mientras que los datos etiquetados proporcionan información sobre cómo interpretar esa estructura.
Este enfoque resulta particularmente valioso en campos en los que etiquetar datos es costoso. La medicina es un ejemplo evidente: obtener imágenes puede ser relativamente sencillo, mientras que conseguir que especialistas las clasifiquen con precisión puede requerir considerable tiempo y experiencia.
El aprendizaje semisupervisado, por tanto, intenta resolver una de las limitaciones económicas y prácticas fundamentales del aprendizaje automático: la enorme diferencia entre la cantidad de datos disponibles y la cantidad de datos que los seres humanos pueden etiquetar cuidadosamente.
Aprendizaje de refuerzo
El aprendizaje de refuerzo constituye un paradigma diferente porque el sistema aprende mediante interacción con un entorno.
En lugar de recibir directamente la respuesta correcta para cada situación, el sistema, denominado agente, ejecuta acciones y recibe señales de recompensa o penalización. A partir de la experiencia acumulada intenta aprender qué acciones conducen, en promedio, a resultados favorables.
El esquema fundamental puede expresarse como:
estado → acción → resultado → recompensa → actualización de la estrategia
Un agente puede encontrarse en determinado estado, seleccionar una acción y posteriormente observar qué ocurrió. Si la consecuencia fue favorable, recibe una recompensa positiva; si fue desfavorable, recibe una recompensa menor o una penalización. Después actualiza su estrategia.
Este paradigma es especialmente apropiado para problemas secuenciales, en los cuales una decisión modifica las condiciones futuras.
Por ejemplo, un sistema que aprende a jugar un juego no solamente necesita determinar cuál es la mejor acción inmediata. También debe considerar cómo esa acción modificará las posibilidades futuras. Una decisión aparentemente favorable en el corto plazo puede conducir a una situación desfavorable posteriormente.
Por ello, el aprendizaje de refuerzo introduce un concepto particularmente importante: el equilibrio entre exploración y explotación. La exploración consiste en probar acciones nuevas para obtener información. La explotación consiste en utilizar acciones que el sistema ya considera favorables. Si explora demasiado, puede desperdiciar oportunidades; si explota demasiado pronto, puede quedar atrapado en una estrategia subóptima.
Este paradigma ha adquirido enorme importancia en robótica, control de sistemas, optimización y otros problemas donde las acciones del sistema modifican activamente su entorno.
Aprendizaje profundo
El aprendizaje profundo es una rama del aprendizaje automático basada principalmente en modelos con múltiples capas de procesamiento capaces de aprender representaciones jerárquicas de los datos.
Su característica fundamental no es simplemente que utilice muchas capas, sino que las diferentes capas pueden aprender progresivamente representaciones de mayor nivel de abstracción.
En una tarea relacionada con imágenes, por ejemplo, las primeras capas pueden aprender patrones relativamente simples, como bordes o contrastes. Las capas posteriores pueden combinar esos elementos para representar formas más complejas. Otras capas pueden integrar esas formas en estructuras todavía más abstractas.
Esta organización jerárquica permite que el sistema aprenda representaciones que anteriormente tenían que ser diseñadas manualmente.
El desarrollo del aprendizaje profundo fue favorecido por tres factores fundamentales: la disponibilidad de grandes cantidades de datos, el aumento de la capacidad de procesamiento y el desarrollo de métodos matemáticos y arquitectónicos más eficientes.
La relevancia del aprendizaje profundo radica en que muchos problemas complejos contienen múltiples niveles de representación. El lenguaje, las imágenes, el sonido y determinadas estructuras biológicas no están organizados de manera simple. Las relaciones relevantes pueden existir simultáneamente en diferentes escalas.
Una característica importante es que el aprendizaje profundo puede reducir la necesidad de diseñar manualmente características específicas. El modelo puede aprender directamente representaciones útiles a partir de datos relativamente poco procesados.
Sin embargo, esta capacidad no implica que el modelo comprenda necesariamente el mundo de la misma manera que un ser humano. Un sistema puede alcanzar una enorme capacidad predictiva mediante regularidades estadísticas sin poseer una experiencia consciente, una comprensión fenomenológica o una representación del mundo equivalente a la humana.
Redes neuronales
Las redes neuronales artificiales son modelos computacionales constituidos por unidades matemáticas interconectadas que transforman información mediante operaciones parametrizadas.
Su denominación deriva de una inspiración conceptual en las redes neuronales biológicas. Sin embargo, es fundamental evitar una equivalencia directa entre ambas. Una neurona biológica es una célula extremadamente compleja, integrada en un sistema dinámico electroquímico, mientras que una unidad de una red neuronal artificial es una construcción matemática.
Una unidad artificial recibe valores de entrada, los combina mediante determinados parámetros y produce una salida mediante una función matemática. Muchas de estas unidades pueden organizarse en capas y conectarse entre sí.
De manera simplificada:
entrada → capa de procesamiento → capa de procesamiento → salida
Los parámetros de la red, habitualmente denominados pesos, determinan cuánto contribuye cada señal de entrada a las operaciones posteriores. Durante el entrenamiento, estos parámetros se modifican para mejorar el comportamiento del modelo.
Una de las razones por las que las redes neuronales son tan poderosas es que pueden representar relaciones matemáticas extremadamente complejas. Cuando se combinan suficientes unidades y capas, pueden aproximar funciones altamente no lineales.
El aprendizaje ocurre mediante algoritmos de optimización. En numerosas arquitecturas se utiliza la propagación hacia atrás del error para calcular cómo debería modificarse cada parámetro con el objetivo de reducir la discrepancia entre las predicciones del modelo y los resultados deseados.
Por tanto, una red neuronal no “piensa” literalmente como un cerebro. Realiza transformaciones matemáticas sobre representaciones numéricas y ajusta sus parámetros mediante procedimientos de optimización.
Las redes neuronales constituyen la base de gran parte del aprendizaje profundo moderno. Por ello, aunque red neuronal y aprendizaje profundo están íntimamente relacionados, no son conceptos equivalentes. Una red neuronal puede ser relativamente pequeña y sencilla, mientras que una arquitectura de aprendizaje profundo suele presentar numerosas capas y una capacidad de representación considerablemente mayor.
Computación cognitiva
La computación cognitiva es un enfoque orientado al desarrollo de sistemas capaces de procesar información de manera que reproduzca o complemente determinadas capacidades asociadas con la cognición humana.
Mientras que el aprendizaje automático se concentra principalmente en aprender relaciones a partir de datos, la computación cognitiva pone un énfasis especial en aspectos como la percepción, el razonamiento, la interacción, la comprensión contextual, la adaptación y la colaboración entre seres humanos y sistemas computacionales.
El término “cognitivo” es especialmente importante porque la cognición humana comprende múltiples procesos interrelacionados. La percepción permite obtener información del entorno; la memoria permite conservar y recuperar información; el razonamiento permite establecer relaciones; el lenguaje permite representar y comunicar conceptos; y la toma de decisiones permite seleccionar acciones de acuerdo con objetivos y restricciones.
Un sistema de computación cognitiva intenta integrar algunas de estas funciones para proporcionar respuestas más adaptativas y contextualmente apropiadas.
La computación cognitiva no debe confundirse con la afirmación de que una máquina posee conciencia. La capacidad de procesar lenguaje, reconocer imágenes o generar explicaciones no demuestra por sí misma la existencia de experiencia subjetiva. Un sistema puede reproducir comportamientos que parecen inteligentes sin poseer necesariamente estados mentales equivalentes a los humanos.
Esta distinción es científicamente esencial porque permite separar comportamiento inteligente, procesamiento cognitivo y conciencia. Son conceptos relacionados, pero no equivalentes.
Cómo se relacionan todos los conceptos
La relación puede comprenderse mediante una estructura conceptual:
Inteligencia artificial
↓
Aprendizaje automático
↓
Paradigmas de aprendizaje
→ aprendizaje supervisado
→ aprendizaje no supervisado
→ aprendizaje semisupervisado
→ aprendizaje de refuerzo
Dentro del aprendizaje automático:
Aprendizaje profundo
↓
Redes neuronales profundas
Y, de manera transversal:
Computación cognitiva
→ integración de percepción, aprendizaje, razonamiento, lenguaje, adaptación e interacción.
Esta estructura permite comprender por qué sería incorrecto utilizar todos estos términos como si fueran sinónimos. La inteligencia artificial es el campo general; el aprendizaje automático es uno de sus principales métodos; los diferentes tipos de aprendizaje describen cómo se obtiene información para modificar el comportamiento del sistema; el aprendizaje profundo representa una familia de métodos basada principalmente en redes neuronales profundas; las redes neuronales constituyen modelos matemáticos utilizados para transformar información y aprender representaciones; y la computación cognitiva representa una perspectiva orientada a integrar capacidades que recuerdan diferentes dimensiones de la cognición.
La importancia de distinguir estos conceptos aumenta a medida que la inteligencia artificial se incorpora a ámbitos científicos, industriales, económicos y médicos. Cuando se afirma que un sistema “utiliza inteligencia artificial”, esa expresión por sí sola proporciona muy poca información. Es necesario conocer qué tipo de modelo utiliza, qué datos emplea, cómo fue entrenado, qué objetivo optimiza, qué capacidad de generalización posee, cómo se validó y cuáles son sus limitaciones.
Un sistema de aprendizaje supervisado destinado a clasificar imágenes médicas plantea problemas científicos diferentes de los de un agente de aprendizaje de refuerzo que controla un robot. Del mismo modo, una red neuronal profunda destinada a procesar lenguaje posee propiedades diferentes de un algoritmo de agrupación utilizado para descubrir estructuras en una base de datos.
En consecuencia, comprender la inteligencia artificial exige abandonar la idea de que se trata de una única tecnología. Es más apropiado considerarla como un ecosistema científico y tecnológico compuesto por diferentes modelos, algoritmos, paradigmas de aprendizaje y arquitecturas computacionales, cada uno desarrollado para resolver determinadas clases de problemas.
La idea central puede resumirse así: la inteligencia artificial define el objetivo general de construir sistemas capaces de realizar tareas asociadas con la inteligencia; el aprendizaje automático proporciona métodos para que esos sistemas aprendan a partir de datos o experiencias; sus diferentes paradigmas determinan cómo ocurre ese aprendizaje; el aprendizaje profundo permite aprender representaciones complejas mediante redes neuronales de múltiples capas; las redes neuronales proporcionan una arquitectura matemática fundamental para ese proceso; y la computación cognitiva busca integrar capacidades de procesamiento que permitan una interacción más rica, adaptativa y contextual con información y seres humanos.
La verdadera revolución de la inteligencia artificial no consiste simplemente en que las máquinas ejecuten más operaciones que antes. Su importancia histórica reside en que determinadas máquinas han pasado de seguir exclusivamente instrucciones explícitas a inferir estructuras, aprender representaciones, generar predicciones y adaptar su comportamiento a partir de información. Esta transición modifica profundamente la relación entre seres humanos, conocimiento y tecnología, porque convierte los datos y la experiencia en elementos capaces de participar directamente en la construcción del comportamiento de los sistemas computacionales.
M.R.E.A.
