Por qué la Inteligencia Artificial (IA) será la tecnología de 2023 y más allá

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

Inteligencia artificial (IA). Aunque he trabajado mucho con esta tecnología durante 10 años, estamos en medio de un importante salto adelante en la 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 empecemos por examinar el desarrollo 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 con 16.000 procesadores y mil millones de conexiones para reconocer imágenes y vídeos de gatos. Se trata de un ejemplo de aprendizaje por refuerzo, que, junto con el aprendizaje supervisado y la inducción probabilística de programas, ha sido uno de los marcos de IA con más éxito de la última década. Reconocer fotos de gatos puede parecer un pequeño logro. Pero en aquel momento, las máquinas estaban empezando a utilizar el aprendizaje profundo para el reconocimiento de imágenes. En 2012, el reconocimiento de imágenes aún estaba en pañales, y en las pruebas que comparaban la IA con el rendimiento humano, se observó que la IA rendía en torno a -40, lo que aún estaba por debajo del rendimiento humano (aquí fijado en la línea base cero). Además del reconocimiento de imágenes, hace una década la IA también rendía por debajo de los humanos en otras tareas, como la comprensión lectora y la comprensión del habla. A pesar de la invención de NELL (Never-Ending Language Learning), un sistema de aprendizaje automático semántico, en 2013, la IA seguía siendo incapaz de realizar de forma fiable tareas de procesamiento del lenguaje. La capacidad de la IA para reconocer el lenguaje mejoró drásticamente con la invención de Alexa en 2014. Antes de eso, Siri de Apple permitía a los usuarios manejar sus teléfonos mediante el habla. 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 comprensión del habla mejor que el de los humanos. Esto se debió a las mejoras en el reconocimiento del habla de la IA, los avances en el procesamiento del lenguaje y los modelos lingüísticos de redes neuronales relacionados, y la organización de la información. Aunque los sistemas de IA siguen teniendo dificultades para producir textos largos y coherentes, los chatbots como «ChatGPT» muestran 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 todo el mundo construir modelos de IA significativos. Después de que el sistema de inteligencia artificial insignia de IBM, Watson, se hiciera famoso por vencer al campeón de Jeopardy! Ken Jennings en 2011, salieron al mercado varias plataformas de código abierto para el aprendizaje automático (como el marco de aprendizaje profundo de código abierto de Google, TensorFlow). Esto ha permitido a empresas y desarrolladores trabajar con la tecnología de nuevas formas. El año también fue testigo de avances significativos en el reconocimiento de caras e imágenes. Por ejemplo, las máquinas vencieron a los humanos en la 6ª edición del Desafío de Reconocimiento Visual a Gran Escala ImageNet (ImageNet es una colección estandarizada de millones de fotografías utilizadas para entrenar y probar programas de identificación visual). De cara al futuro, en 2016, el aprendizaje profundo por refuerzo -una combinación de redes neuronales y aprendizaje por refuerzo- generó un gran revuelo en la comunidad de la IA cuando AlphaGo de Google venció al mejor jugador de Go del mundo. Además, en 2017, el uso de modelos de aprendizaje autosupervisado combinados con redes neuronales profundas aumentó con la introducción de los transformadores. 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

Gracias al escándalo de Cambridge Analytica, 2018 fue el año en que el tema de la seguridad de los datos pasó a primer plano. En consonancia 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 dijeron que el valor de la IA era visible. Además, el procesamiento del lenguaje dio un gran salto adelante en 2018 con el desarrollo de BERT. BERT es un ejemplo de modelo lingüístico de red neuronal que aprende sobre el uso de las palabras, la gramática, el significado y los hechos básicos en diferentes contextos. Al conectar secuencias de palabras simultáneamente, en lugar de encadenarlas de izquierda a derecha, los modelos como BERT pueden producir 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 impulsado su inmenso progreso en la última década. Además, en 2019, los investigadores empezaron a crear un sistema de IA que supera a los radiólogos humanos en la detección del cáncer de pulmón. Esto se consiguió utilizando un algoritmo de aprendizaje profundo que puede interpretar tomografías computarizadas (TC) para predecir la probabilidad de que alguien padezca la enfermedad.

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

En 2020, el desarrollo de la IA fue impulsado y acelerado por la pandemia COVID-19. La IA fue en gran parte responsable de acelerar el desarrollo de vacunas, que normalmente habría llevado varias décadas. En cambio, este proceso se acortó considerablemente porque la IA ayudó a los investigadores a analizar enormes cantidades de datos. El crecimiento de la IA queda ejemplificado por una inversión empresarial mundial de 68.000 millones de dólares, un aumento del 40% de 2019 a 2020. Además, sólo en 2021, el número de solicitudes de patentes relacionadas con innovaciones de IA será 30 veces mayor que en 2015, lo que demuestra el rápido progreso del desarrollo de la IA. En el último año, la comunidad investigadora se ha centrado principalmente en la aplicación de la IA a los ordenadores. Este subcampo enseña a las máquinas a comprender imágenes y otros materiales visuales para obtener buenos resultados en la clasificación de imágenes, el reconocimiento de objetos, la cartografía de la posición y el movimiento de las articulaciones del cuerpo humano y el reconocimiento facial.

Hoy es imposible imaginar nuestras vidas sin la IA.

La inteligencia artificial (IA) se ha desarrollado rápidamente en la última década. Hace sólo 10 años, pocas máquinas podían 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 cargos fraudulentos antes de que sepas que has perdido tu tarjeta, o comprobar los criterios de elegibilidad cuando alguien solicita un préstamo. La IA reconoce patrones y evalúa opciones en nuestra vida cotidiana. Sabe qué publicación de Instagram me gusta y me mantiene en la plataforma de redes sociales, qué precio en Amazon me hace querer comprar, y si debo dejar mis AirPods en casa. En los últimos meses, se ha producido una explosión particular en la «IA generativa»: 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 creado un revuelo mundial con su chatbot «ChatGPT». Este chatbot imita la red neuronal del cerebro humano. El bot puede mantener conversaciones similares a las humanas y generar respuestas convincentes incluso a las 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, la adopción de la IA sigue concentrándose entre las empresas de alto rendimiento en IA. Esto significa que las empresas que han abierto camino en la IA siguen construyendo hoy su ventaja competitiva. Estos líderes de la IA están más comprometidos con la «industrialización de la IA», vinculando su estrategia de IA a sus prácticas empresariales básicas. Las razones por las que estas empresas siguen obteniendo mejores resultados son que invierten más y gastan más que las rezagadas en IA, lo que atrae más y mejores talentos (tecnológicos).

¿Qué nos deparará la IA en el futuro?

Para 2023, veremos más sistemas de este tipo complementándonos o sustituyéndonos 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 de Steven Spielberg»).

Pero aunque se han producido enormes avances, y cada vez más empresas han adoptado la IA, aún queda mucho por investigar antes de que podamos producir sistemas de IA de uso totalmente general. En los próximos años, veremos nuevos avances en los modelos de aprendizaje autosupervisado, el aprendizaje continuo y la generalización de tareas. Por ejemplo, las futuras aplicaciones de los modelos lingüísticos de redes neuronales, como BERT, podrían permitir la interacción humana entre lenguas y contextos. Es probable que obtengamos datos de mayor calidad para las lenguas utilizadas por poblaciones más pequeñas, y los sesgos en los sistemas de IA serán más fáciles de detectar y eliminar. Por tanto, podemos esperar que los chatbots de IA como «ChatGPT» se parezcan más a los humanos y se utilicen más, por ejemplo, en escuelas y universidades.

En los próximos años, veremos un mayor uso del reconocimiento facial para el control de acceso y la seguridad. China es uno de los ejemplos más destacados, donde 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 de China, ya que es probable que esta omnipresencia de la IA en la sociedad plantee problemas de privacidad, vigilancia y ética.

Lo que es seguro es que la adopción de la inteligencia artificial y la inversión en ella seguirán creciendo en los próximos años. De hecho, según la encuesta de McKinsey, el 63% de los encuestados afirman que sus inversiones en IA aumentarán en los próximos años, generando beneficios como efectos positivos en los ingresos y reducción de costes. Para 2025, se espera que los ingresos mundiales de las aplicaciones empresariales relacionadas con la IA alcancen los 31.000 millones de USD. Sin embargo, el crecimiento de la IA debe ser transparente y gestionarse para abordar los problemas éticos y de privacidad. Por tanto, los gobiernos y las empresas deben crear hoy leyes sobre 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.