A diferencia de otras tecnologías emergentes, la Inteligencia Artificial (IA) no es una moda ni es algo reciente. Los desarrollos “teóricos” comenzaron antes que la revolución tecnológica-industrial gatillada por la segunda guerra mundial, y en lo “práctico” los desarrollos de la teoría y fundamentos ya habían comenzado a inicios de los años 40s, pero generalmente surgidos en universidades, centros de investigación y desarrollo, y algunas empresas tecnológicas, en UK (Iniciativa ALVEY), USA, Francia y Japón (Iniciativa de Computadores de Quinta Generación ICOT), y Alemania, principalmente.
Como toda “revolución tecnológica”, la IA tuvo sus épocas promisorias y de “iluminación”, como también sus “períodos negros” (especialmente en términos de financiamiento de la investigación), debido principalmente a que en dichos instantes, no existía la tecnología adecuada e infraestructura para su implementación y puesta en marcha. Los computadores “digitales” – como se conocen ahora – aparecieron alrededor del año 1947 de la mano del matemático británico Alan Turing, quien había concebido por primera vez el modelo matemático de lo que se denominó una máquina de cómputo (debido a su naturaleza, el concepto original de máquina es lo que hoy se asocia con lo “automático” como en “Machine Translation” y “Machine Learning” – con sus significados modernos de “Traducción Automática” y “Aprendizaje Automático“, respectivamente). En ese período, Turing ya había proyectado la potencialidad de estas máquinas (mecanismos computacionales ó autómatas) para reproducir la inteligencia humana artificialmente, en su paper clásico “Computer Machinery and Intelligence” (1950), y casi simultáneamente postuló el famoso Juego de Imitación (The Imitation Game), ó más conocido como el Test de Turing, que consistió en una prueba de interacción sencilla para determinar cuándo un “computador” podría ser considerado “Inteligente”. Así, por muchos años los desarrollos en IA estuvieron confinados principalmente a las universidades, centros de investigación en el mundo y algunos emprendimientos tecnológicos.
Sin embargo, con el surgimiento e inversión de gigantes de la computación, los desarrollos prácticos en IA comenzaron a tener una gran visibilidad, y a impactar a la sociedad, no sólo haciendo las tecnologías asociadas más accesibles a la industria, sino también siendo parte de la vida cotidiana. En los últimos 3 años, está incidencia ha sido tal, que no sólo se ha generado un tremendo crecimiento a nivel global en desarrollos y emprendimientos tecnológicos en IA, sino que organizaciones como el World Economic Forum y el World Bank, han organizado eventos y comités internacionales de trabajo para estudiar y generar “guías” sobre el impacto que esto puede tener tanto en la economía mundial, la ética, y lo laboral (ej. ¿Qué pasa con la fuerza laboral si sistemas inteligentes comienzan a automatizar tareas “complejas” que hasta ahora podían ser realizadas sólo por humanos?).
En términos muy sencillos, la IA puede verse como el área multi-disciplinaria de la Informática que estudia los procesos cognitivos (o sea, relacionados con la mente en diferentes condiciones y tareas) del ser humano con el fin de modelar y diseñar sistemas inteligentes que sean capaces de resolver problemas complejos que generalmente estan asociados al comportamiento humano. Pero, ¿Qué tareas nos hacen “supuestamente” inteligentes a los humanos que podrían ser interesantes de reproducir?.
Cognitivamente hablando, y con algunas sobre-simplificaciones para fines de comprensión, las “habilidades” que nos hacen “inteligentes” son una combinación de varias capacidades que incluyen la de percibir lo que ocurre a nuestro alrededor utilizando diferentes “sensores” (a pesar de lo cambiante y “borroso” que este entorno puede ser), actuar directamente sobre nuestro entorno, razonar, planificar e inferir, para determinar una serie de acciones para cumplir ciertos objetivos (incluso si no disponemos de toda la información, o si el entorno es cambiante, difuso ó incierto), representar y aplicar conocimiento desde/hacia nuestra “memoria”, entender y procesar el lenguaje hablado y escrito, adaptarse y aprender rápidamente de un entorno cambiante utilizando la experiencia, coordinar nuestros mecanismos motores para realizar acciones (ej. cuerpo, extremidades, etc), percibir visualmente nuestro entorno para actuar sobre él (incluso en pobres condiciones), y nuestra habilidad de interacción social Si Ud se da cuenta, la “combinación” de estas capacidades complejas es lo que “aparentemente” nos hace inteligentes. Y si no le queda muy claro, hagámonos la pregunta de otra forma: si Ud. tuviera el conocimiento y recursos suficientes para crear un “humano” desde cero (al menos, su mente), ¿Cómo lo construiría?, ¿Qué es lo que tendría? Etc. Claramente, esto nos puede diferenciar (hasta ahora) de muchos organismos vivos, aunque nuestra concepción de inteligencia comenzaría a cambiar si consideramos, por ejemplo, la conducta que exhiben los animales: ¿Ha visto Ud. un elefante jugando ajedrez?. Claramente no, porque si tratamos de extrapolar nuestras propias capacidades intelectuales, este animal no podría por ejemplo, razonar ni resolver un problema de búsqueda de movidas de piezas posibles, etc., ergo no es “inteligente” bajo nuestro prisma. Sin embargo, si el elefante estuviera en su habitat ó en una manada moviéndose e interactuando, nos daríamos cuenta que su comportamiento es inteligente a ojos de un observador. De ahí que se producen ciertas dicotomías interesantes: ¿Nos consideramos inteligentes porque utilizamos nuestras capacidades cognitivas (“..pienso, luego existo”), ó porque exhibimos un comportamiento inteligente (behavior-based intelligence)?.
Sin embargo, existe un ingrediente clave para que nuestra inteligencia sea poderosa pero a la vez compleja, es que utilizamos nuestras capacidades cognitivas para resolver problemas difíciles, de forma relativamente eficiente y efectiva, gran parte de las veces, incluso con entornos cambiantes, con información incierta y/o faltante. O sea, exploramos muchos “caminos” de solución a los problemas de forma muy precisa y en poco tiempo. Miramos un paisaje y en milésimas de segundos y sin mucho cálculo podemos identificar escenas, objetos, completar las imágenes faltantes, etc e incluso razonar sobre ello ó sentir alguna emoción.. pero.. ¿Qué tiene de extraño todo esto?. Para hacer algo así, se requeriría prácticamente varios super-computadores para buscar y evaluar cada una de las millones de “caminos” ó alternativas posibles, que incluso así, un computador tradicional, en el mejor de los casos, podría realizar una tarea de “percepción visual” pero sólo comparándose a la visión de un insecto. Y es aquí donde entra en escena la IA: ¿Cómo puedo modelar y diseñar sistemas “artificiales” que puedan reproducir inteligencia para resolver problemas como si lo hubiera hecho un humano?. Por un lado, la primera utilidad podría estar en lo más evidente: automatizar actividades que al ser realizadas por humanos son costosas (ej. tiempo, recursos económicos, restricciones, demasiadas y cambiantes posibilidades, etc). Acá es en donde la IA he tenido y seguirá teniendo un impacto enorme en la industria y los procesos productivos. Pero, ¿Se dio cuenta que lo anterior está realizando un supuesto MUY egocéntrico?. Se está tratando de automatizar tareas complejas que ya son llevadas a cabo por humanos y que “asumimos” que, más encima, lo hacemos muy bien!!. Y acá viene la segunda utilidad de la IA, el diseño de tecnologías que sean capaces de realizar tareas complejas para los humanos, que en muchas oportunidades, no son tan eficientes ni tan efectivos.
Seguramente, hasta este punto más de alguien ya estará pensando “Muy interesante todo esto, pero la verdad es que en mi empresa tengo problemas reales más importantes de que preocuparme y que no tienen que ver con esto..”. ¿Seguro? Quizás deberíamos dar una mirada más de cerca a esos problemas reales, y podríamos identificar fácilmente, muchos problemas que actualmente tienen de cabeza a muchas empresas, organizaciones y/o el sector productivo en general, y que generalmente se escuchan muy seguido:
- “Tengo serios problemas con la atención a clientes en mis canales de atención y cada vez ha aumentado las quejas por nuestros servicios, productos, etc…”.
- “Estoy perdiendo mucho dinero porque existen clientes que cometen ilícitos al colgarse del tendido eléctrico y no pagan..”.
- “Mi empresa invierte demasiado tiempo planificando los turnos y tareas que realizan mis operarios en la planta de producción..”
- “Varios de los clientes potenciales en mi banco se han ido porque no les hemos ofrecido las mejores condiciones del crédito..”.
- “Existe una fuga importante de clientes en mi empresa, y aún desconocemos porqué está pasando esto y cómo podríamos evitarlo..”
- “Tenemos a nuestros mejores analistas encuestando ó tratando de analizar que quieren nuestros clientes, pero aún no tenemos mucha claridad, y por alguna razón se nos van..”
- etc
Estos ejemplos tienen un patrón común: existen especialistas humanos con mucha experiencia, tomando decisiones complejas, y que las restricciones y dinámica del entorno, hacen que ellos no sean muy eficientes ni efectivos en sus tareas. Más aún, en estos problemas la solución no pasa sólo por una mera automatización per se, sino que en modelar y diseñar un sistema inteligente más autónomo (sin intervención humana) que utilizando varias fuentes de conocimiento (incluso las de los especialistas), y explorando millones de alternativas y aprendiendo de la experiencia, pueda tener un rendimiento superior en las mismas tareas que realizan los expertos humanos (Ej. sólo como muestra, en algunos rubros comerciales la precisión con la que los analistas detectan fraudes ó ilícitos de los usuarios/clientes, no sobrepasa el 20% !!). Y es aquí, donde el impacto de la IA ha comenzado a moverse desde el “automaticemos esto para que un computador lo haga inteligentemente como nosotros” hacia el “automaticemos esto para que el computador lo haga inteligentemente mucho mejor que nosotros, y por tanto que ayude a la productividad de nuestro negocio”. Millones de ejemplos van apareciendo cada día en la industria: sistemas inteligentes que predicen fraudes con 3-4 veces más efectividad que los humanos, sistemas que son capaces de conducir un vehículo autónomamente, modelos que pueden analizar riesgo crediticio con mucho más precisión que los analistas, interfaces humano-computador utilizando el lenguaje humano para atender a clientes 24/7, modelos que detectan y monitorean cientos ó miles de emociones humanas en algún medio para así detectar tendencias de modo de tomar decisiones comerciales, monitoreo en tiempo real de videos de pasajeros de un metro para determinar cuándo la máquina debería detenerse en alguna estación y cuándo no, perfilamiento automático de clientes para ofrecer nuevos servicios adecuados a sus necesidades, etc.
Así, si se pudiera construir una suerte de check-list (no exhaustiva) de las características que debería tentativamente poseer un problema para que este pueda ser abordado con tecnologías de IA (y por tanto, sería inviable de abordar por sistemas computacionales convencionales debido a su complejidad), esta incluiría aspectos como los siguientes:
- El entorno donde se desea abordar el problema es muy MUY cambiante, lo que produciría que prácticamente habría que realizar “mantenciones” ó “ajustes” a un sistema tradicional casi a cada segundo.
- Ante la ausencia (y costos) de expertos humanos, se requiere que un sistema tome decisiones autónomamente, antes escenarios desconocidos y/o cambiantes (note que la mayoría de los sistemas computacionales actuales operan automáticamentepero no autónomamente!).
- No existen “reglas” ó criterios claros para especifica la solución del problema, o bien estos no siempre funcionan de la misma forma (comportamiento no-determinista: para una misma entrada a un proceso, la salida no es siempre la misma!).
- La cantidad de información y conocimiento que se requiere para resolver el problema eficiente y/o eficazmente es tal, que un humano no lo podría realizar, a menos que tuviera tiempo y recursos infinitos!!.
- El número de posibles alternativas ó “caminos” de posibles soluciones sería tan grande, que no se podrían explorar ni identificar buenas soluciones en un tiempo “razonable” para algún negocio.
- No existe una única forma de generar un plan de acción de los pasos que resuelven el problema.
- No se puede “enumerar” un número finito de pasos para resolver el problema, luego, no se podría construir un “programa” computacional tradicional.
- Un sistema debe ir mejorando su rendimiento a medida que va acumulandoexperiencia y adaptándose al medio. Un sistema tradicional no se adapta por si sólo al medio (se requiere “mantención”) ni tampoco mejora su rendimiento, ya que se diseñó para una “fotografía” estática de ciertos requerimientos y organización de un cierto organismo) .
Finalmente, resulta más evidente ahora que toda la tecnología en torno a IA se instaló hace tiempo para quedarse y posicionarse como la siguiente gran revolución tecnológica que está impactando la economía mundial. Existen aún muchos desafíos y problemas abiertos a nivel de investigación y desarrollo, en lo cual estan trabajando muchos especialistas en todo el mundo. Sin embargo, la transferencia de este conocimiento a la industria y negocios ha sido un factor tan clave y de impacto, que no nos debería extrañar que en los próximos años, los avances desde la academia a la industria, en esta materia, lleguen tan rápido que no nos demos cuenta, y estemos “comprando” algo sin siquiera saber que es lo que contiene. Por otro lado, en el mundo privado, se requerirá profesionales altamente calificados y entrenados, para entender, aplicar, y transferir estas tecnologías a sus negocios.