INICIOS Y ALGUNOS USOS DE LA INTELIGENCIA ARTIFICIAL. AÚN ESTAMOS EN LA INTELIGENCIA ARTIFICIAL DÉBIL.

Mercedes Siles Molina*
Academia Malagueña de Ciencias

Ustedes seguramente ya tendrán el convencimiento de que las matemáticas habitan en todas partes. En el campo de la medicina, por ejemplo, son útiles en asuntos sencillos, aunque no banales, tales como calcular el índice de masa corporal, o determinar la cantidad de medicamento que debe ser suministrada a un/a paciente según ciertas variables. En la investigación médica, la estadística es muy relevante: sirve para diseñar ensayos, analizar datos, evaluar la eficacia de los tratamientos, etc. En imagen, las matemáticas tuvieron y tienen una participación muy destacada. Tras el descubrimiento de los rayos X, fueron necesarias para determinar la distribución de densidad de los tejidos y que las imágenes obtenidas no tuvieran errores (las sombras de unos tejidos sobre otros podían inducir a errores en la imagen y, por tanto, en la interpretación). En la abstracción de este problema había trabajado el matemático Johann Radon en 1917. Sus estudios fueron recuperados por el físico sudafricano Allan Cormack, quien se dio cuenta de dicha cuestión con las primeras imágenes obtenidas por rayos X. En 1979 Cormack y el ingeniero inglés Godfrey Hounsfield recibieron el Premio Nobel por la invención de la tomografía computarizada. Mencionar que Hounsfield trabajaba para la compañía EMI y construyó un prototipo de tomógrafo que ideó en 1967. EMI obtuvo importantes ingresos económicos por la venta de discos de, entre otros, los Beatles.

Y, desde luego, las matemáticas, los algoritmos, son fundamentales en la conocida como inteligencia artificial. “We propose that a 2 month, 10 man study of artificial intelligence be carried out during the summer of 1956 at Dartmouth College in Hanover, New Hampshire. The study is to proceed on the basis of the conjecture that every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it. An attempt will be made to find how to make machines use language, form abstractions and concepts, solve kinds of problems now reserved for humans, and improve themselves. We think that a significant advance can be made in one or more of these problems if a carefully selected group of scientists work on it together for a summer.” (J. McCarthy, M. L. Minsky, N. Roochester, C. E. Shannon. A proposal for the Dartmouth summer research project on artificial intelligence)

El término “Artificial Intelligence” -Inteligencia Artificial (IA) en español- fue acuñado por el matemático John McCarthy en 1955 a raíz de su propuesta para organizar un grupo reducido de científicos que se centrara en reflexionar sobre máquinas pensantes, autómatas, cibernética, procesamiento complejo de la información, etc. Términos, todos ellos, que se usaban entonces y que provenían de las distintas corrientes que trabajaban en el tema. El objetivo era discutir acerca de “la conjetura de que cada aspecto del aprendizaje o cualquier otra característica de la inteligencia humana puede, en principio, describirse con tanta precisión como para fabricar una máquina que lo simule.” Se trataba “de descubrir cómo hacer que las máquinas utilicen un lenguaje, formen abstracciones y conceptos, resuelvan problemas ahora reservados a los seres humanos y se mejoren a sí mismas”. La propuesta se hizo realidad y, durante el verano de 1956, tuvo lugar la conocida como Conferencia de Darmouth, un encuentro que duró cerca de ocho semanas y que suele situarse como inicio de la Inteligencia Artificial.

Quisiera destacar aquí que, más de 40 años antes, el inventor español Leonardo Torres Quevedo se anticipaba a la hoy llamada Inteligencia Artificial y se preguntaba acerca de si una máquina puede pensar. En 1914, Torres Quevedo publicó el tratado fundacional de la automática, que se basa en el concepto de autómata: “una máquina que tiene energía, miembros, sensibilidad para recibir información del exterior y, sobre todo, que tiene discernimiento”. Torres Quevedo habló, por primera vez en la historia, de máquina capaz de recibir información del exterior, memorizarla y tomar decisiones por sí misma. Con anterioridad, el inventor diseñó “El ajedrecista”, una máquina que era capaz de ganar al ajedrez a cualquier persona. La presentó en París en 1912. El primer autómata que creo Torres Quevedo fue el Telekino. La respuesta que el científico daba a la cuestión del posible pensamiento de una máquina es que el inteligente es el ser humano que la diseña; la máquina puede articular un discurso más o menos coherente.

Volviendo a 1956, decir que el grupo de Darmouth no partió de cero, había mucho trabajo y muchas ideas previas. Ya hemos hablado de Torres Quevedo y sus avances en la primera década del siglo 20. En la década de los 40, John von Neumann y Norbert Wiener —dos de los matemáticos que, junto con Pascual Jordan, axiomatizaron los fundamentos de la mecánica cuántica, de los observables, como los llamaron— habían trabajado en teoría de los sistemas y computación. De hecho, John von Neumann tuvo un papel destacado en el diseño del que es considerado uno de los primeros ordenadores —hay quien dice que fue el primero—, la computadora ENIAC, creada para calcular las trayectorias de los misiles. La construyeron los ingenieros John Presper Eckert y John William Mauchly, y la programaron seis mujeres: Betty Snyder Holberton, Betty Jean Jennings Bartik, Kathleen McNulty Mauchly Antonelli, Marlyn Wescoff Meltzer, Ruth Lichterman Teitelbaum y Frances Bilas Spence.

Si hay un elemento sustancial en la tarea que realizan los ordenadores, y en la inteligencia artificial, es el algoritmo. Un ejemplo de algoritmo es la arquitectura de la máquina EDVAC, conocida como arquitectura de von Neumann. Esta máquina fue diseñada con anterioridad a la ENIAC, y von Neumann se incorporó al grupo de trabajo que la estaba haciendo. El informe que elaboró sobre la EDVAC contenía la arquitectura anteriormente mencionada, que se convirtió en modelo para construir computadoras electrónicas digitales. La ENIAC se utilizó para el primer pronóstico metereológico con ayuda de una computadora. Fue Klára Dán, esposa de von Neumann, quien tradujo las ecuaciones de la dinámica atmosférica a código de programación, y enseñó al equipo de meteorólogos a programar la ENIAC.

No ha sido Klára Dán von Neumann la única mujer cuyo trabajo careció de reconocimiento público durante mucho tiempo. Las computistas Dorothy Vaughan, Mary Jackson, Katherine Goble Johnson y Christine Darden, ahora conocidas como “las figuras ocultas” a raíz del libro “Figuras ocultas. El sueño americano y la historia jamás contada de las mujeres matemáticas afroamericanas que ayudaron a ganar la carrera espacial”, de Margot Lee Shetterly, utilizaron su intelecto para que la NASA hiciera realidad sus ambiciosos proyectos. En concreto, dieron las ecuaciones matemáticas —algoritmos—que sirvieron para el lanzamiento de cohetes y astronautas al espacio.

Volvamos a los algoritmos. Un algoritmo es un conjunto de instrucciones que, seguidas en cierto orden, sirven para resolver un determinado problema. En medicina, se usan a diario. Un ejemplo es el Algoritmo de la Dinámica de Actuación ante la Parada cardiorrespiratoria hospitalaria en las áreas no autosuficientes del Hospital Regional Universitario de Málaga. Las llamadas arquitecturas nivel 4 contienen, precisamente, un algoritmo: la “actuación” que se define. Es este, también, un ejemplo de árbol de decisión.

Los árboles de decisión son algoritmos. Los algoritmos son la base de los programas de software: son las instrucciones que ejecutan los ordenadores. También son algoritmos las reglas simbólicas que utilizan los sistemas de Inteligencia Artificial. Los algoritmos, así como los modelos matemáticos, son usados por las inteligencias artificiales para procesar grandes cantidades de datos y tomar decisiones basadas en patrones y reglas establecidas, utilizando para ello aprendizaje automático. Como ejemplo, mencionar que existen máquinas capaces de ver millones de imágenes en un segundo y determinar si una imagen concreta es la de un cáncer y de qué tipo. Las maquinas producen diagnósticos más deprisa que el ser humano, porque pueden tener muchas experiencias en poco tiempo. También el uso de la IA es útil para establecer conexiones, en principio no imaginables. Por ejemplo, se ha relacionado la forma de conducir y el hecho de padecer Alzheimer.

Con respecto a cómo se define la Inteligencia Artificial, no hay una definición aceptada a nivel mundial. Según el Parlamento Europeo: “La inteligencia artificial es la habilidad de una máquina de presentar las mismas capacidades que los seres humanos, como el razonamiento, el aprendizaje, la creatividad y la capacidad de planear. La IA permite que los sistemas tecnológicos perciban su entorno, se relacionen con él, resuelvan problemas y actúen con un fin específico. La máquina recibe datos (ya preparados o recopilados a través de sus propios sensores, por ejemplo, una cámara), los procesa y responde a ellos. Los sistemas de IA son capaces de adaptar su comportamiento en cierta medida, analizar los efectos de acciones previas y de trabajar de manera autónoma.”

Existen diversas clasificaciones de IA. Atendiendo a la definición anteriormente mencionada, encontramos dos tipos: (1) El software -asistentes virtuales, software de análisis de imágenes, motores de búsqueda, sistemas de reconocimiento de voz y rostro. (2) La Inteligencia Artificial integrada: robots, drones, vehículos autónomos, internet de las cosas -IoT, como es también conocido-.

Otra clasificación de la IA, atendiendo a su nivel competencial, es la siguiente: (1) Inteligencia artificial específica, también llamada IA débil. Es la que existe en la actualidad. Es capaz de hacer una tarea, o un conjunto de tareas, previamente definidas, como jugar al ajedrez. (2) Inteligencia artificial general, también llamada IA fuerte o IAG. Tendría todas las habilidades y capacidades que tienen los humanos. No existe. (3) Súperinteligencia. Se trata de una IA que superaría a la inteligencia humana. Tampoco existe.

Ni la inteligencia artificial general, ni la súperinteligencia, son realidades. Si esta segunda tuviera existencia, el momento en el que se alcanzara es conocido como “la singularidad”. Las personas expertas consideran que se está lejos de conseguir la IA fuerte, y mucho más de la súperinteligencia. Ello no obsta para que la IA esté produciendo una transformación en profundidad de nuestra sociedad. El inmenso salto que ha dado la IA en los últimos años se debe a tres factores: (1) Existe una cantidad enorme de datos (Big Data). (2) Se dispone de capacidad de computación a bajo coste. (3) Se ha desarrollado el llamado conocimiento profundo, deep learning en inglés, un modelo de aprendizaje inspirado en las redes neuronales de los años 50, capaz de usar esos muchos datos de los que se dispone y esas grandes capacidades de computación.

Con respecto a la COVID-19, un asunto tan sensible y que tanto nos ha afectado, la IA y, por ende, las matemáticas, sirvieron, y sirven, de ayuda para estudiar la evolución de la enfermedad, hacer predicciones de la misma (curva pandémica), para encontrar los mejores tratamientos, para diseñar vacunas y fármacos, así como para optimizar su aplicación. También son, y han sido, útiles a la Administración y al poder político, para la toma de decisiones. Y esto es extensible a otros contextos, además de al sanitario.

La Inteligencia Artificial ha supuesto un profundo cambio en nuestras vidas del que quizás no seamos aún conscientes. Se habla de que nuestro mundo está inmerso en la Cuarta Revolución Industrial. No debemos tener miedo. Suele dárnoslo todo aquello que nos es desconocido y que no vislumbramos a dónde puede llevarnos. Si bien es una buena noticia que toda la IA que existe actualmente es débil, debemos tener en cuenta que está diseñada por humanos y que, por tanto, tiene sus sesgos, tanto intencionados como involuntarios. También hemos experimentado que es usada con mayor o menor acierto, y con objetivos a veces poco transparentes. Desde luego, hemos de ser capaces de incorporarnos a esta revolución -no es posible detenerla-, sin olvidar identificar, difundir y defender los derechos de la ciudadanía en el entorno digital, y tener en cuenta, sobre todo, los aspectos éticos de la misma.

*Mercedes Siles Molina es Catedrática de Álgebra de la Universidad de Málaga. Académica de Número de la Academia Malagueña de Ciencias. Miembro del IGIUMA. Miembro del Consejo Asesor del Instituto Hermes

Agradecemos la cesión gratuita de la foto de cabecera: Boitumelo en Unsplash