Por qué la inteligencia artificial (IA) será la tecnología de 2023

Cada año hay un nuevo logro tecnológico: blockchain, impresión 3D, Web 3.0 y el metaverso. Entonces, ¿cuál es la tecnología de 2023?

La Inteligencia Artificial (IA).  Aunque llevo 10 años muy involucrado en esta tecnología, estamos en medio de un importante salto adelante en inteligencia artificial. Sólo en los últimos meses, hemos visto avances en las capacidades de la IA que han impresionado incluso a los escépticos. Pero primero, demos unos pasos atrás y veamos la evolución de la IA en la última década.

2012-2014 – Los inicios del reconocimiento de imágenes, la comprensión lectora y la comprensión lingüística

Algunos investigadores afirman que 2012 fue un hito para el aprendizaje Deep Learning. Fue el año en que los investigadores de Google construyeron una gran red neuronal de 16.000 procesadores con mil millones de conexiones para reconocer fotos y vídeos de gatos. Se trata de un ejemplo de aprendizaje por refuerzo, que, junto con el aprendizaje supervisado (en inglés, «supervised learning») y la inducción probabilística de programas (en inglés, probabilistic program induction), ha sido uno de los marcos de IA que más éxito ha cosechado en la última década. Reconocer imágenes de gatos puede parecer un pequeño logro. Sin embargo, en aquel momento, las máquinas apenas estaban empezando a utilizar Deep Learning para el reconocimiento de imágenes. En 2012, el reconocimiento de imágenes aún estaba en pañales, y las pruebas que comparaban la IA con el rendimiento humano descubrieron que el rendimiento de la IA era de alrededor de -40, aún por debajo del rendimiento humano (aquí en la línea de base cero). Además del reconocimiento de imágenes, hace una década la IA rendía incluso peor que los humanos en otras tareas como la comprensión lectora y la comprensión lingüística. Aunque en 2013 se inventó NELL (Never-Ending Language Learning), un sistema de aprendizaje automático semántico, la IA seguía sin poder realizar de forma fiable tareas de procesamiento del lenguaje. La capacidad de la IA para reconocer el habla mejoró drásticamente con la invención de Alexa en 2014, y antes de eso Siri de Apple permitió a los usuarios controlar sus teléfonos por voz. Sin embargo, la capacidad de la IA para comprender el habla seguía siendo inferior a la de los humanos. En los años siguientes, la IA alcanzó un nivel de rendimiento en la comprensión del lenguaje mejor que el de los humanos. Esto se debió a las mejoras en el reconocimiento del habla, los avances en el procesamiento del lenguaje y los modelos lingüísticos de redes neuronales relacionadas, y la organización de la información. Aunque los sistemas de IA siguen teniendo dificultades para componer textos largos y coherentes, chatbots como «ChatGPT» demuestran los inmensos progresos realizados hasta la fecha.

2015 – 2017 La IA empezó a ser mejor que los humanos

2015 fue el año en que se permitió a cualquiera crear modelos expresivos de IA. Después de que el sistema de inteligencia artificial de IBM «Watson» se hiciera famoso en 2011 por derrotar al campeón de Jeopardy! Ken Jennings, aparecieron en el mercado varias plataformas de aprendizaje automático de código abierto (por ejemplo, el marco de aprendizaje profundo (Deep Learning) de código abierto TensorFlow de Google). Esto permitió a empresas y desarrolladores trabajar con esta tecnología de nuevas formas. Además, este año se produjeron avances clave en el reconocimiento facial y de imágenes. Este año también se celebró la 10ª edición del ImageNet Large Scale Visual Recognition Challenge (ImageNet es una colección estandarizada de millones de fotos que se utiliza para entrenar y probar programas de identificación visual). En 2016, el aprendizaje profundo por refuerzo -una combinación de redes neuronales y aprendizaje por refuerzo- creó un gran revuelo en la comunidad de la IA cuando AlphaGo, de Google, venció al mejor jugador de Go del mundo. Además, en 2017 se introdujo Transformer, que aumentó el uso de modelos de aprendizaje autosupervisado junto con redes neuronales profundas. Hoy en día, estos modelos Transformer son el enfoque dominante para el procesamiento del lenguaje natural (PLN), incluidas aplicaciones como la traducción automática y la búsqueda web de Google.

2018 – 2019 Seguridad de los datos, procesamiento del lenguaje e IA en medicina

Debido al escándalo de Cambridge Analytica, 2018 fue el año en el que el tema de la seguridad de los datos alcanzó su punto álgido. En línea con esto, una encuesta de McKinsey descubrió que, en 2018, el riesgo fue una de las funciones en las que la mayoría de los encuestados vieron valor en la IA. Además, el procesamiento de voz dio un gran salto en el desarrollo de BERT en 2018. BERT es un ejemplo de un modelo de lenguaje de red neuronal que aprende el uso de las palabras, la gramática, el significado y los hechos básicos en diferentes contextos. Al enlazar secuencias de palabras simultáneamente, en lugar de encadenarlas de izquierda a derecha, los modelos como BERT pueden generar resúmenes que son casi indistinguibles del texto generado por humanos. Estos modelos de procesamiento del lenguaje son cruciales para apoyar aplicaciones como los chatbots y han proporcionado un inmenso progreso en la última década. Además, en 2019, los investigadores comenzaron a desarrollar un sistema de IA que supera a los radiólogos humanos en la detección del cáncer de pulmón. Esto se logró con un algoritmo de aprendizaje profundo que puede interpretar tomografías computarizadas (TC) para predecir la probabilidad de enfermedad.

2020 – 2021 Rápido avance de la IA debido a la pandemia

En 2020, el desarrollo de la IA se vio impulsado y acelerado por la pandemia COVID 19. La inteligencia artificial fue decisiva para acelerar el desarrollo de vacunas, que normalmente habría llevado varias décadas. En cambio, el proceso se acortó considerablemente porque la IA ayudó a los investigadores a analizar grandes cantidades de datos. El crecimiento de la IA queda ilustrado por la inversión corporativa mundial de 68.000 millones de dólares, un aumento del 40% entre 2019 y 2020. Además, el número de solicitudes de patentes relacionadas con innovaciones de IA solo en 2021 fue 30 veces mayor que el número de solicitudes en 2015, lo que demuestra el rápido progreso en el desarrollo de la IA. El año pasado, la comunidad investigadora se centró principalmente en la aplicación de la IA a los ordenadores. En este subcampo, se enseña a las máquinas a comprender imágenes y otros materiales visuales de forma que puedan clasificar imágenes, reconocer objetos, cartografiar la posición y el movimiento de las articulaciones del cuerpo humano y reconocer rostros.

Hoy es imposible imaginar nuestras vidas sin la IA.

La inteligencia artificial (IA) ha experimentado un rápido desarrollo en los últimos diez años. Hace apenas 10 años, casi ninguna máquina era capaz de reconocer de forma fiable el habla o las imágenes. Hoy, las máquinas han aprendido a superar a los humanos en muchas tareas. Por ejemplo, los sistemas de IA pueden detectar adeudos fraudulentos antes de que sepa que ha perdido la tarjeta o comprobar los requisitos para la concesión de un préstamo. La IA reconoce patrones y evalúa opciones en nuestra vida cotidiana. Qué publicación de Instagram me gusta y me mantiene en la plataforma de redes sociales, qué precio en Amazon me anima a comprar y si quería dejarme los AirPods en casa. En los últimos meses hemos asistido a una explosión de la «IA generativa» en particular, sistemas que crean nuevas posibilidades. Hemos visto avances en las capacidades de la IA que han impresionado incluso a los escépticos.

Un espectáculo pirotécnico de inteligencia artificial generativa

En pocos meses se lanzaron tres IAs generadoras de imágenes: Dall-E, Midjourney y Stable Diffusion. Introduces un texto y el sistema genera una imagen en pocos segundos. Pide «un astronauta montando a caballo en Marte» y la IA se pone en marcha. Una imagen de Midjourney fue portada de The Economist en junio de 2022, y otra ganó un premio en la Feria Estatal de Colorado. Una señal de lo que vendrá en 2023.

Para mí, los avances en IA generadora de texto son aún más emocionantes. La startup estadounidense OpenAI ha dado que hablar en todo el mundo con su chatbot «ChatGPT». Este chatbot imita la red neuronal de un cerebro humano. El bot puede mantener conversaciones similares a las humanas y dar respuestas convincentes incluso a preguntas y diálogos técnicos más complejos. Se trata de un hito importante para los sistemas de IA, ya que el procesamiento del lenguaje ha demostrado ser una de las tareas más difíciles para la IA en el pasado.

El creciente uso de la IA en las empresas

El informe State of AI de este año muestra que los avances en la industria también se están acelerando. En 2020, no había ni un solo medicamento en fase de ensayo clínico que se hubiera desarrollado utilizando un enfoque basado en la IA. Hoy, hay 18. Un sistema de IA de BioNTech identificó con éxito numerosas variantes de covirus de alto riesgo meses antes de que fueran detectadas por el sistema de seguimiento de la OMS.

Según McKinsey, el uso de la IA se ha más que duplicado desde 2017. La automatización robótica y la visión por ordenador son las funciones de IA que más se utilizan cada año. Además, la inversión en IA ha aumentado. En la actualidad, el 52 % de los encuestados afirma que el 5 % de su presupuesto digital se destina a inversiones en IA. En 2017, este porcentaje de encuestados aún se situaba en el 40 %.

Sin embargo, el uso de la IA sigue centrándose en las empresas de alto rendimiento en IA. Esto significa que las empresas que fueron líderes en términos de IA siguen construyendo su ventaja competitiva en la actualidad. Estos líderes en IA están más comprometidos con la «industrialización de la IA» y la vinculación de su estrategia de IA a sus prácticas empresariales básicas. La razón por la que estas empresas siguen obteniendo mejores resultados es porque invierten más y gastan más en comparación con las rezagadas en IA, que a su vez atraen más talento (técnico) y de mejor rendimiento.

¿Qué nos deparará la IA en el futuro?

En 2023, veremos más sistemas de este tipo que nos complementarán o sustituirán a los creadores humanos en muchos ámbitos. La generación de vídeo está en desarrollo, al igual que la creación de medios personalizados. («Siri, muéstrame una película de 90 minutos sobre una directora ejecutiva que abandona su carrera para hacer fortuna como actriz, al estilo Steven Spielberg»).

Sin embargo, a pesar de los enormes avances y de que cada vez más empresas utilizan la IA, aún queda mucho por investigar antes de que podamos producir sistemas de IA completamente generales. En los próximos años veremos nuevos avances en modelos de aprendizaje autosupervisado, aprendizaje continuo y generalización de tareas. Las futuras aplicaciones de modelos lingüísticos con redes neuronales como BERT, por ejemplo, podrían permitir la interacción humana en distintos idiomas y contextos. Es probable que obtengamos datos de mayor calidad para las lenguas utilizadas por poblaciones más reducidas y que los sesgos en los sistemas de IA puedan detectarse y eliminarse más fácilmente. Como resultado, también podemos esperar que chatbots de IA como «ChatGPT» se vuelvan más parecidos a los humanos y se utilicen con más frecuencia en escuelas y universidades, por ejemplo.

En los próximos años, veremos un mayor uso del reconocimiento facial para el control de acceso y las medidas de seguridad. China es uno de los ejemplos más destacados en los que el gobierno ha integrado casi por completo la tecnología de reconocimiento facial en su sociedad. Sin embargo, queda por ver si más países seguirán el ejemplo chino, ya que es probable que esta omnipresencia de la IA en la sociedad plantee problemas de privacidad, vigilancia y ética.

Sin duda, el uso y la inversión en IA seguirán creciendo en los próximos años. Como muestra la encuesta de McKinsey, el 63% de los encuestados afirma que sus inversiones en IA aumentarán en los próximos años, lo que tendrá un impacto positivo en los ingresos y los costes. Se espera que los ingresos mundiales de las aplicaciones empresariales de IA crezcan hasta un nivel de 31.000 millones de dólares en 2025. Sin embargo, el crecimiento de la IA debe ser transparente y controlado para abordar los problemas éticos y de privacidad. Por lo tanto, los gobiernos y las empresas necesitan crear hoy leyes de IA que guíen el desarrollo de la IA en el futuro.

Britta Daffner

As the "Head of Data Strategy & Data Culture" at O2 Telefónica, Britta champions data-driven business transformation. She is also the founder of "dy.no," a platform dedicated to empowering change-makers in the corporate and business sectors. Before her current role, Britta established an Artificial Intelligence department at IBM, where she spearheaded the implementation of AI programs for various corporations. She is the author of "The Disruption DNA" (2021), a book that motivates individuals to take an active role in digital transformation.