Glosario de inteligencia artificial

Las tecnologías relacionadas con la inteligencia artificial están cada vez más presentes en todo tipo de software y procesos. Como suele suceder, es un campo tiene su propio lenguaje y conviene conocerlo –aunque sea un poco por encima– de cara a evaluar nuevos proyectos o entenderse con otras empresas del sector.

Aunque las definiciones varían según los autores y no siempre todo el mundo está de acuerdo en los detalles, se puede dar una definición breve de muchos de esos términos y clarificar con algún ejemplo. Lo que sigue es un pequeño resumen fácil de entender a modo de glosario genérico y básico con los términos más relevantes:

• Inteligencia artificial (IA). Es el término más genérico que suele abarcar a todos los demás; es básicamente la «inteligencia de las máquinas» o el «comportamiento inteligente» aplicable a máquinas como robots o al software que realiza diversas tareas. Tradicionalmente se han separado en IA débil (para tareas concretas) y fuerte (comportarse como un ser humano); los grandes avances han sido en la primera.

 

• Cajas negras. Si una IA se comporta como una caja negra es porque no es capaz de explicar cómo ha llegado a una solución, aunque el resultado sea correcto y práctico de todos modos. También se usan a la hora de diseñar sistemas para simbolizar algoritmos o componentes que no se sabe bien cómo funcionan (por ejemplo, porque los suministra un tercero, o por su complejidad matemática). Un ejemplo sería una caja negra que a partir de un catálogo consigue duplicar las ventas de una tienda de eCommerce gracias a sus recomendaciones a los clientes.

 

• Inteligencia artificial explicable. Es un tipo de IA que es capaz de explicar cómo ha llegado a una solución determinada, lo cual suele ser útil para entender cómo se comporta y de qué datos depende. En el futuro serán cada vez más importantes, por ejemplo en entornos científicos, de seguridad, por cuestiones legales, etcétera.

 

• Lenguaje natural. Se refiere a la forma natural que tenemos las personas de comunicarnos, al lenguaje hablado y escrito, a diferencia de los protocolos y lenguajes informáticos. A una máquina que «entienda» el lenguaje natural le podemos preguntar «¿Cuál es la raíz cuadrada de 144?» en vez de tener que teclear una fórmula.

 

• Agente/Bot inteligente. Es software que se relaciona con otro software para realizar una tarea, pero comportándose de forma inteligente según lo que se le ha enseñado o ha aprendido. Pueden ir desde tareas sencillas como pujar en una subasta (apenas requiere inteligencia) a contestar en un chat de atención al cliente usando lenguaje natural (chatbots).

 

• Algoritmo. Es un término genérico que se aplica a los pasos para resolver un problema. Por ejemplo para hacer una división con papel y lápiz seguimos un algoritmo con unas reglas y pasos concretos para hallar la solución.

 

• Algoritmos genéticos/evolutivos. Son algoritmos que hacen un paralelismo con la genética, la evolución biológica y las mutaciones aleatorias. El resultado es un algoritmo que mejora con el tiempo. Un ejemplo sería una versión simplificada de vehículo que ha de conducir por un laberinto; creando mutaciones o haciéndolo competir con otras versiones se podría ver con el paso de varias generaciones cuál se va acercando más al objetivo (encontrar la salida).

 

• Redes neuronales artificiales. Son un modelo de programación que imita en cierto modo a las neuronas biológicas, a partir de unidades iguales y muy simples que están conectadas en red. Cada neurona influye sobre otras y si se les aplica una forma adecuada de aprendizaje –ajustando su comportamiento para resolver un problema– se pueden lograr cosas interesantes, como por ejemplo hacer que un robot camine o un software reconozca la voz humana.

 

• Aprendizaje (learning). Hay diversas formas de «enseñar» cómo es el mundo real a las redes neuronales y los algoritmos de diversos tipos para que alcancen los objetivos. Casi todas incluyen algún tipo de aprendizaje, ya sea supervisado por humanos (una persona etiqueta o clasifica muchas muestras a modo de ejemplo) o mediante refuerzo («aprendizaje reforzado») con premios/castigos según se realizan las acciones correctas o incorrectas.

 

• Aprendizaje automático (machine learning). Es una forma de aprendizaje a partir de conjuntos de datos, normalmente para tareas muy específicas y aplicaciones concretas. En la actualidad es casi sinónimo de «inteligencia artificial», aunque no sean exactamente lo mismo.

 

• Aprendizaje profundo (deep learning). Son redes neuronales con varias capas, de modo que su aprendizaje es más completo y menos superficial, por lo que son más útiles en ciertas situaciones (por ejemplo en juegos como el ajedrez o el go). Algunas pueden aprender de forma automática, sin entrenamiento humano (aunque los supere) y a partir tan solo de reglas.

 

• Categorías y clústeres. Se refieren a la forma en que los algoritmos clasifican los datos para trabajar con ellos. Unas fotos de animales se pueden clasificar en «flores», «gatos» y «bicicletas»; los clústeres son similares y todos ellos buscan encontrar patrones que sean útiles para realizar las tareas objetivo que se plantean (por ejemplo, detectar rostros de personas).

 

• Visión artificial. Es el campo de la IA que utilizando redes neuronales se especializa en tareas como el reconocimiento de textos, rostros, la búsqueda de objetos en escenas (para los coches autónomos), señales de tráfico, objetos de una cadena de montaje, etcétera).

Tags: eCommerce IA inteligencia artificial