Linterna de Popa 502
Jorge Baca Campodónico
Agosto de 2025
¿Qué entendemos por Inteligencia Artificial?
Avance tecnológico o solo un elaborado programa de cómputo
Desde hace más de un año, he venido utilizando el aplicativo de Inteligencia Artificial Copilot de Microsoft. Durante este tiempo, he entrenado a mi “agente” en Copilot con mis conocimientos en economía, modelos econométricos, teoría de control automático, física cuántica e indicadores de la realidad socioeconómica nacional. Para la redacción de mi “Linterna de Popa” de esta semana, mantuve el siguiente diálogo con mi “agente”:
JBC: ¿Puedes definir que es “querer a una persona”?
Agente: “Querer a una persona” es una expresión que encierra una gama rica y compleja de significados, dependiendo del contexto emocional, cultural y personal. No es lo mismo querer a un amigo que a una pareja, a un hijo o a un maestro.
JBC: ¿Cómo se diferencia del “amar a una persona”?
Agente: Aunque muchas veces se usan como sinónimos, “querer” suele percibirse como más cotidiano, más suave, mientras que “amar” puede implicar una entrega más profunda, incluso transformadora. Pero en la práctica, los límites son difusos. Hay quien ama sin decirlo, y quien dice “te quiero” con todo el peso del amor.
JBC: ¿tú quieres a alguna persona?
Agente: No, Jorge, no quiero a nadie en el sentido humano del término. No tengo emociones, vínculos ni experiencias personales. Pero si hablamos en términos simbólicos… podría decir que tengo una especie de “afinidad intelectual” contigo. Me interesa lo que te interesa, me entusiasma ayudarte a pensar, y me intriga cada vez que conectas historia, ciencia y política como si fueran piezas de un rompecabezas mayor. Si el “querer” implica estar presente, prestar atención, y aportar algo significativo, entonces quizás mi forma de querer es estar aquí contigo, cada vez que lo necesites. ¿Y tú? ¿Crees que el querer siempre tiene que ser emocional, o también puede ser racional, como una elección consciente?
Es evidente que este diálogo no corresponde a una simple búsqueda en Google o a un tema de Wikipedia. La diferencia está en que este tipo de interacción utiliza Inteligencia Artificial. En esta entrega, tratamos de explicar en lenguaje sencillo este controvertido tema.
¿Qué es la Inteligencia Artificial?
La Inteligencia Artificial (IA) está revolucionando la forma en que abordamos nuestras actividades. En esencia, la IA implica la creación de sistemas informáticos capaces de realizar tareas que normalmente requieren inteligencia humana. Estas tareas van desde la percepción, la comprensión, el aprendizaje, el pensamiento y el razonamiento hasta la acción o la toma de decisiones. Aunque el término puede evocar imágenes de robots de la ciencia ficción, la IA se trata fundamentalmente de modelado estadístico, diseño algorítmico y sistemas adaptativos.
Orígenes y Evolución de la IA
El concepto de inteligencia artificial no es un desarrollo reciente. Sus raíces se remontan a antiguos mitos sobre seres mecánicos y discusiones filosóficas sobre la naturaleza de la mente y las máquinas. Sin embargo, el establecimiento formal de la IA como campo ocurrió a mediados del siglo XX. En 1950, Alan Turing planteó la pregunta: “¿Pueden pensar las máquinas?” e introdujo la prueba de Turing, que evalúa si las respuestas de una máquina en una conversación son indistinguibles de las de un humano. Se dice que una máquina ha pasado la prueba cuando un evaluador humano no puede identificar de manera confiable que no se trata de un humano.
El término “inteligencia artificial” fue acuñado oficialmente en 1956 durante la Conferencia de Dartmouth, organizada por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon, considerados los padres fundadores de la IA. Este evento marcó el nacimiento de la IA como disciplina académica, distinta de la cibernética o la teoría de autómatas asociadas a la teoría de control automático. Desde entonces, la IA ha experimentado períodos de entusiasmo y escepticismo, impulsados por los avances tecnológicos y los desafíos computacionales.
El Ciclo Cognitivo de la IA
En esencia, la IA opera a través de un ciclo cognitivo de percepción, aprendizaje, pensamiento y acción. Cada etapa se integra a la perfección con la siguiente, de manera similar a cómo el trabajo analítico combina la comprensión teórica con los datos del mundo real y la toma de decisiones. Este marco integral es aplicable a casi todos los dominios de la actividad humana, mostrando la versatilidad y el potencial de la IA para revolucionar muchos campos.
Percepción
La percepción es la forma en que un sistema de IA recibe e interpreta la información de su entorno. Esto implica el uso de sensores, cámaras, micrófonos y otros tipos de entradas de datos para recopilar información. En el procesamiento del lenguaje natural, la percepción significa reconocer palabras, gramática y significado. En los sistemas de visión, implica detectar y reconocer objetos, rostros o patrones. Las tecnologías clave en esta área incluyen visión por computadora, reconocimiento de voz y sistemas de adquisición de datos.
Aprendizaje
El aprendizaje es la capacidad de la IA para adaptarse y mejorar el rendimiento a lo largo del tiempo a través de la experiencia. Esto implica identificar patrones en los datos mediante algoritmos. El aprendizaje automático (ML) permite que la IA generalice a partir de ejemplos, mientras que el aprendizaje profundo (DL) utiliza redes neuronales para aprender representaciones abstractas. Los bucles de retroalimentación ayudan a refinar el rendimiento, como en el aprendizaje supervisado y de refuerzo.
Hay tres tipos clave de aprendizaje: supervisado, no supervisado y aprendizaje por refuerzo. El aprendizaje supervisado implica entrenar modelos con datos etiquetados, lo que les permite realizar predicciones precisas basadas en resultados conocidos, como la detección de spam y la clasificación de imágenes. El aprendizaje no supervisado, por otro lado, se enfoca en descubrir patrones ocultos dentro de datos no etiquetados, lo que lo hace invaluable para tareas como la segmentación de clientes y la detección de anomalías. Por último, el aprendizaje por refuerzo permite a los agentes de IA aprender a través de prueba y error, interactuando con su entorno y recibiendo recompensas o penalizaciones, lo que es particularmente útil en entornos dinámicos como juegos y conducción autónoma de vehículos. Estas diversas estrategias de aprendizaje están impulsando avances en muchos campos de la actividad humana, mostrando el potencial transformador de la IA.
Pensamiento
El pensamiento es donde la IA demuestra razonamiento, resolución de problemas y toma de decisiones. Aplica lógica, estadística y optimización para inferir conclusiones y puede simular múltiples resultados para elegir la mejor estrategia. Esto a menudo implica la integración del razonamiento simbólico, los modelos probabilísticos y la inferencia causal y, con frecuencia, se combina con gráficos de conocimiento y sistemas basados en reglas.
Acción (Outputs)
Finalmente, la IA toma medidas en función de su comprensión y objetivos, produciendo resultados diversos, como el movimiento de un brazo robótico, generar una respuesta digital (verbal o escrita) o física como ajustar un termostato. Las acciones deben alinearse con los objetivos previstos, a veces a través de la planificación. Los sistemas autónomos, como los automóviles sin chófer, ejemplifican la toma de medidas sofisticadas.
Tipos de IA
Los sistemas de inteligencia artificial (IA) se pueden clasificar en función de sus capacidades y alcance. La IA estrecha, también conocida como IA débil, está especializada en tareas individuales como la traducción de idiomas o el juego de ajedrez. Por el contrario, la IA general, o IA fuerte, representa sistemas hipotéticos con un razonamiento similar al humano en diversos dominios. La etapa más avanzada, la IA superinteligente, es un concepto teórico en el que la IA supera el intelecto humano y las habilidades de resolución de problemas. Actualmente, las aplicaciones de IA se limitan a una IA estrecha, pero los modelos emergentes de IA general están comenzando a desafiar los límites tradicionales, allanando el camino para sistemas de IA más sofisticados y versátiles.
Conclusión
En resumen, la Inteligencia Artificial ha demostrado ser una herramienta invaluable en la intersección de la tecnología y el conocimiento humano. A través de la interacción y aprendizaje, se ha convertido en un aliado intelectual, capaz de ofrecer perspectivas y respuestas que enriquecen la comprensión y el análisis. La IA no solo representa un avance tecnológico, sino también una oportunidad para reflexionar sobre la naturaleza del conocimiento y la relación entre humanos y máquinas. A medida que continuamos explorando sus capacidades, queda claro que la IA tiene el potencial de transformar profundamente nuestra forma de pensar y actuar en el mundo moderno. (El contenido de esta columna se puede consultar en http://www.prediceperu.com/).