¿Qué es la inteligencia?
Definamos la inteligencia antes de pasar al tipo artificial. La inteligencia es la capacidad de aprender. Nuestros sentidos absorben datos sobre el mundo que nos rodea. Podemos tomar algunos puntos de datos y dar saltos conceptuales. Vemos luz, sentimos calor e inferimos la noción de "verano".
Nuestras habilidades expresivas proporcionan retroalimentación, es decir, nuestras salidas de datos. La inteligencia se basa en datos. Cuando los niños juegan, participan en ciclos de retroalimentación interminables a través de los cuales aprenden.
Las computadoras también se consideran inteligentes si pueden calcular, conceptualizar, ver y hablar. Un área particularmente fructífera de la IA es lograr que las máquinas disfruten de las mismas experiencias sensoriales que tenemos nosotros. Las máquinas pueden hacer esto, pero requieren grandes cantidades de datos. Lo hacen por fuerza bruta, no por astucia. Por ejemplo, determinan la imagen de un gato dividiendo los datos de píxeles en pequeños pasos y repitiendo hasta terminar.
Punto clave: lo que hacemos y lo que hacen las máquinas no es tan diferente, pero la IA se trata más de datos y repetición que de razonamiento. Las máquinas resuelven las cosas matemáticamente, no visualmente.
¿Qué es la IA?
La IA es un conjunto de tecnologías (máquinas y programas) que tienen poder predictivo y cierto grado de aprendizaje autónomo.
La IA consta de tres bloques de construcción:
- Datos masivos
- Cálculos rápidos
- Algoritmos inteligentes
Un algoritmo es un conjunto de reglas que se deben seguir al resolver un problema. La velocidad del volumen de datos que pueden introducirse en los algoritmos es más importante que la "inteligencia" de los algoritmos.
Examinemos estas tres partes del proceso de IA:
- Canalización de datos
- Alimentado en modelos de aprendizaje automático (ML)
- Aplicado a aplicaciones comerciales
Big Data
El ingrediente básico de la inteligencia son los datos. Los datos son potencial de aprendizaje. La IA se trata principalmente de crear valor a través de los datos. Los datos se han convertido en un valor empresarial fundamental cuando se pueden extraer conocimientos. Cuanto más tenga, más podrá hacer. A las empresas con una mentalidad de Big Data no les importa filtrar una gran cantidad de datos de bajo valor. El poder está en la agregación de datos.
La construcción de conjuntos de datos de calidad para la entrada también es fundamental, por lo que primero se debe dedicar el esfuerzo humano a obtener, preparar y limpiar los datos. La computadora hace los cálculos y proporciona las respuestas o la salida.
Aprendizaje automático
Conceptualmente, el aprendizaje automático (ML) es la capacidad de aprender una tarea sin estar programado explícitamente para hacerlo. ML abarca algoritmos y técnicas que se utilizan en la clasificación, regresión, agrupamiento o detección de anomalías.
ML se basa en ciclos de retroalimentación. Los datos se utilizan para hacer un modelo y luego probar qué tan bien ese modelo se ajusta a los datos. El modelo se revisa para que se ajuste mejor a los datos y se repite hasta que ya no se pueda mejorar. Los algoritmos se pueden entrenar con datos pasados para encontrar patrones y hacer predicciones.
Punto clave: la inteligencia artificial amplía el conjunto de herramientas que tenemos para comprender mejor cómo encontrar tendencias o estructura en los datos y hacer predicciones. Las máquinas pueden escalar mucho más allá de la capacidad humana cuando los datos son abundantes.
Aplicaciones de negocios
La predicción es el propósito central del AA. Por ejemplo, los bancos quieren predecir transacciones fraudulentas. Las telecomunicaciones quieren predecir la deserción. Los minoristas quieren predecir las preferencias de los clientes. Las empresas habilitadas para IA hacen de sus activos de datos un diferenciador estratégico.
La predicción no se trata solo del futuro; se trata de llenar las lagunas de conocimiento y reducir la incertidumbre. La predicción nos permite generalizar, una forma esencial de inteligencia. La predicción y la inteligencia están atadas a la cadera.
Examinemos los cambios más amplios que se están desarrollando.
Productividad
La IA aumenta nuestra productividad. La pregunta es cómo distribuimos los recursos. Si la producción mejorada por IA solo requiere de unas pocas personas, ¿qué significa eso para la distribución de ingresos? Todas las incertidumbres están en cómo se distribuirán los beneficios de productividad, no en qué tan grandes serán.
Precaución:
- La inteligencia artificial se trata de intentar controlar, pero es una ilusión. La IA siempre estará limitada por las capacidades de ejecución de la organización. ¿Pueden los propietarios de empresas proporcionar entradas de datos adecuadas para aprovechar los conocimientos del modelo y ser lo suficientemente ágiles para manejar los cambios necesarios para responder a las señales de IA?
- La dependencia excesiva de big data puede infravalorar las corazonadas o la experiencia.
- Los CEO pueden sufrir acoso de datos: sentirse obligados a seguir los consejos de los gerentes armados con datos. Pero cuando los datos son siempre históricos e ignoran cualquier cosa nueva que pueda ser disruptiva, es probable que el director ejecutivo se ponga del lado de los datos porque la decisión puede estar justificada, incluso cuando los modelos de ML de "caja negra" no se entienden completamente. (Los modelos de aprendizaje profundo, la nueva frontera de la IA, son aún más oscuros porque imitan las redes neuronales del cerebro humano).
Dominio corporativo
ML ya es omnipresente en Internet. ¿Continuará la democratización del acceso provocada por Internet favoreciendo a los monopolios globales? Un poder económico sin precedentes reside en unas pocas empresas, puede adivinar cuáles, con alcance global. ¿Pueden seguir teniendo el poder de canalizar nuestra inteligencia colectiva estas empresas que están posicionadas para influir en nuestros intereses privados con sus intereses económicos?
Prosperidad económica
Nadie sabe si la IA producirá más riqueza o precariedad económica. En ausencia de diversas medidas regulatorias, es inevitable que aumente la desigualdad y cree nuevas brechas sociales.
Examinemos el impacto en todos.
Vida laboral
Como ocurre con todos los avances tecnológicos, habrá cambios en el empleo: el número de personas empleadas, la naturaleza de los trabajos y la satisfacción que obtendremos de ellos. Sin embargo, con la IA, todas las clases de trabajo están amenazadas, incluida la gestión. Las profesiones que implican análisis y toma de decisiones se convertirán en la providencia de las máquinas.
Se crearán nuevos puestos, pero nadie sabe realmente si los nuevos puestos reemplazarán suficientemente a los anteriores.
Ocio
Pasaremos más a actividades creativas o empáticas. En la medida de la escasez de ingresos, ¿deberíamos ser recompensados por contribuir de nuestras pequeñas formas a la inteligencia colectiva? La renta básica universal es una opción, aunque sigue siendo teórica.
Identidad individual
Nuestro consumo de datos (teléfonos móviles, clics web, sensores) proporciona un rastro digital que se alimenta a las computadoras corporativas y gubernamentales. Para los gobiernos, la IA abre nuevas puertas para realizar vigilancia, vigilancia policial predictiva y humillación social. Para las empresas, no está claro si el capitalismo de vigilancia, la comercialización de sus datos personales, será personalizado para usted o para usted. ¿Le dirigirá a donde quieren que vaya, en lugar de a donde quiere ir?
¿Cómo serán tus datos una medida de ti?
El ángulo interesante que emerge es si seremos pirateados. Ahí es cuando la IA sabe más sobre ti que sobre ti mismo. En ese momento, usted se vuelve completamente influenciable porque se le puede hacer pensar y reaccionar según las indicaciones de los gobiernos y las empresas.
Conclusiones
Necesitamos formas artificiales de inteligencia porque nuestras capacidades de predicción son limitadas, especialmente cuando se manejan macrodatos y múltiples variables. Pero a pesar de todos sus asombrosos logros, la IA sigue siendo muy específica. Las máquinas de aprendizaje se circunscriben a áreas de aprendizaje muy estrechas. La Mente Profunda que gana sistemáticamente en Go no puede comer sopa con una cuchara ni predecir la próxima crisis financiera.
Los motores de filtrado y personalización tienen el potencial de adaptarse y explotar nuestros intereses. El grado de cambio será impulsado y restringido por nuevas prioridades regulatorias. La ley siempre va por detrás de la tecnología, así que espere las hondas y flechas de nuestra escandalosa fortuna.
Fuente: Bangkok Post
