FM21

33 INTELIGENCIA ARTIFICIAL de las condiciones físicas y biológicas, ya que permiten prever escenarios futuros con los que predecir el riesgo de extinción de especies o de desas- tres naturales. Ya tenemos las tecnologías. Ahora será la gestión de su despliegue lo que determinará que les saquemos partido a tiempo. MÁQUINAS QUE APRENDEN SOLAS Conceptualmente, en inteligencia artificial se diferencia entre IA débil o específica e IA fuerte o general. A día de hoy, todos los productos o proyec- tos existentes en inteligencia artificial son ‘débiles’, es decir, diseñados para la realización de tareas específicas. En un futuro, la interconexión total de sistemas basados en algoritmos capaces de aprender de su entorno y tras la experiencia acumulada a lo largo del tiempo, podría hacer posi- ble que el nivel de comprensión del mundo por parte del sistema sea tal, que este adquiera algún tipo o grado de conciencia sobre sí mismo. Momento en el que se alcanzaría la llamada ‘singularidad’ y podría hablarse de inteligencia artificial general. Esta disciplina de las ciencias de la computación, la IA, persigue crear sistemas que reproduzcan artificial- mente la inteligencia humana. Sin embargo, todavía no comprendemos qué es exactamente y cómo funciona la inteligencia. Piaget definió la cog- nición como “el proceso por el cual obtenemos información del mundo; abarca los procesos de percibir, pen- sar, aprender, recordar y comprender." Gardner nos habló de las inteligencias múltiples, y con Goleman descubri- mos las auténticas habilidades para el éxito, es decir para una vida plena: la inteligencia emocional. La cognición la conforman múltiples procesos extre- madamente complejos, y comprender su funcionamiento es la colosal misión que tienen por delante los investiga- dores que desde distintos campos del conocimiento están implicados en el desarrollo de la IA general. En un primer período de desarrollo, la inteligencia artificial se fundamentó en dotar a las máquinas de las capa- cidades de cálculo y memoria. En los últimos años, y tras los espectacula- res avances en ambos ámbitos, se ha buscado emular una habilidad básica de los humanos, el aprendizaje, plan- teando modelos computacionales de aprendizaje basados en redes neurona- les biológicas humanas. Es el llamado aprendizaje automático o machine learning. Las investigaciones están cen- tradas en buscar algoritmos con los que reproducir en las máquinas el mismo proceso de aprendizaje que el de una persona: por sí sola, en tiempo real y a través de sus propias experiencias de interacción con el entorno. Aquí entra en escena un asunto sobre el que no hay consenso entre los investigadores: algu- nos consideran que para que ese tipo de aprendizaje tenga lugar y avanzar hacia una IA fuerte, la interacción debe ser lo más similar a las interacciones humanas, resultando imprescindible la corporalidad. Pero en la actualidad las diversas especialidades que com- prenden el ámbito de la IA desarrollan aplicaciones específicas, y sus avances, unidos a los de la tecnología compu- tacional y el análisis de datos masivos o Big Data, permiten procesar mayo- res cantidades de datos en menores tiempos. De momento, eso es todo. Parece poco, pero conlleva cambios drásticos en procesos y recursos, que están redundando ya en mejoras muy relevantes para la sociedad. De igual modo que el ser humano aprende en base a la información que recibe a través de sus sentidos y a sus capacidades para la interac- ción con el entorno, las disciplinas y tecnologías involucradas en la IA se centran en la búsqueda de algo- ritmos que permitan reproducir en las máquinas estas habilidades sen- soriales, con especialidades como el reconocimiento automático del habla, el procesamiento del len- guaje natural o el reconocimiento visual, a través del aprendizaje auto- mático. Funcionan con aprendizaje automático las recomendaciones de compra en internet, el filtrado de spam, la detección de fraudes o la personalización de noticias. Se trata de un tipo de programación muy diferente al tradicional: en lugar de programar instrucciones específicas, se alimenta al algoritmo con ejemplos. La complejidad de algunos de los problemas a los que la ciencia trata