¿Qué es la inteligencia artificial ? ¿Definiciones desde diferentes perspectivas y aplicaciones?
Este capítulo, describe el concepto de Inteligencia Artificial (IA) desde diferentes campos de estudio, con el propósito de brindar al lector una comprensión sencilla y completa de dicho concepto. Asimismo, se presentan definiciones que permiten crear el link entre el funcionamiento cerebral y los sistemas de IA.
La Inteligencia Artificial (IA) se define, desde la informática, como una disciplina capaz de realizar procedimientos similares a los de la inteligencia humana (Estupiñán, Leyva, Peñafiel y Ojeda, 2021). Según estos autores, la IA se concibe como “una serie de tecnologías con características o capacidades que antes eran exclusivas del cerebro humano”. Según estos autores, la IA se concibe como “una serie de tecnologías con características o capacidades que antes eran exclusivas del cerebro humano”. Además, este sistema incorpora dos enfoques clave para su desarrollo: el aprendizaje automático y el aprendizaje profundo.
El aprendizaje automático es un proceso en el que los sistemas reconocen los patrones, analizan rápidamente grandes conjuntos de datos y realizan predicciones estadísticas. Incluso, actualmente las maquinas diseñadas con capacidades de pensamiento automático pueden producir modelos precisos basados en los datos disponibles. A su vez, el aprendizaje automático centra sus algoritmos en una variable específica, configurados para aprender y predecir futuros eventos (Coeckelbergh, 2020).
El aprendizaje profundo tiene su origen en las redes neuronales artificiales, caracterizadas por su alto rendimiento. En el ámbito de la ciberseguridad, esta técnica resulta especialmente útil cuando se enfrentan casos diversos o grandes volúmenes de datos de seguridad.
Por ejemplo, el aprendizaje profundo puede emplear modelos de seguridad híbridos (entendidos como la eficiencia y capacidad de razonamiento (Lygeros, 2004)) para abordar de manera inteligente problemas relacionados con ciberdelitos, detección de intrusiones, análisis de programas maliciosos, estudio de amenazas de seguridad, predicción de ciberataques e identificación de anomalías (Quirumbay, Castillo y Coronel, 2022). Además, Yang (2018) destaca que el aprendizaje profundo ofrece beneficios significativos en la construcción de modelos de seguridad, gracias a su alta precisión en el procesamiento de grandes conjuntos de datos.
En este mismo sentido, Steels (2017) describe la inteligencia artificial como una disciplina científica y de ingeniería enfocada en desarrollar sistemas capaces de imitar ciertas funciones, como el reconocimiento de patrones y el procesamiento del lenguaje. Sin embargo, aclara que la IA no busca replicar fielmente la inteligencia humana, sino resolver problemas específicos que requieran cierto grado de inteligencia. Sugiriendo que, por ejemplo, en áreas laborales, su implementación debería ser supervisada y gestionada cuidadosamente, considerando el impacto que puede generar tanto en empleados como en empleadores.
Desde una perspectiva psicológica,Torres (2014) e Icarte (2016) explican que la inteligencia artificial busca imitar funciones cognitivas humanas, como la resolución de problemas y la toma de decisiones. Este enfoque, influenciado por la psicología cognitiva y la teoría del conocimiento, ha guiado el desarrollo de modelos computacionales diseñados para simular procesos complejos del cerebro humano.
Según la teoría constructivista de Piaget, el conocimiento se construye a través de la interacción del individuo con factores cognitivos y sociales, donde la experiencia juega un papel fundamental en su desarrollo (Zambrano et al., 2016).
Este concepto también se aplica a la creación de sistemas inteligentes, los cuales, al ser dotados de un conocimiento inicial similar a los datos con los que nace el individuo y al interactuar con el usuario, tienen la capacidad de aprender y adquirir nuevo conocimiento a lo largo del tiempo, es decir, de aprender desde la experiencia.
Un claro ejemplo de lo anteriormente mencionado son las redes neuronales artificiales, modelos computacionales capaces de aprender y resolver problemas. Estas redes, al interactuar con nuevos datos, ajustan sus conexiones y mejoran su desempeño, tratando de adquirir conocimiento a través de la experiencia (Magiquo, 2019).
Russell y Norvig (2004) plantean una definición interesante que nos ayuda a comprender la figura 1, entendiendo la IA como “el estudio de los agentes que reciben percepciones del entorno y llevan a cabo las acciones”. En este contexto, cada agente desempeña un rol de manera secuencial, lo que da lugar a diversas acciones. Dichos roles se representan en “sistemas de producción, agentes reactivos, planificadores en tiempo real, redes neuronales y sistemas teóricos para la toma de decisiones”.
En la actualidad, la IA es descrita como un algoritmo diseñado para simular una forma de inteligencia, que a su vez, se incorpora en las plataformas digitales, redes sociales y motores de búsqueda; posicionando a la tecnología como un agente que desempeña un rol importante en la forma en como nos comunicamos e interactuamos.
La hipótesis encuentra respaldo empírico, dado que los usuarios no solo consumen datos, sino que también los producen continuamente, contribuyendo así a la generación masiva de información, sin importar el ámbito involucrado (Coeckelbergh, 2020).
Referencias
- Aanbevolen citeerwijze: Luc Steels (ed.), Artificiële intelligentie. Naar een vierde industriële revolutie? KVAB Standpunt 53, 2017.
- Coeckelbergh, Mark. (2020). AI ethics. Hoe omgaan met artificiële intelligentie?
- Estupiñán Ricardo, J., Leyva Vázquez, M. Y., Peñafiel Palacios, A. J., & El Assafiri Ojeda, Y. (2021). Inteligencia artificial y propiedad intelectual. Revista Universidad y Sociedad, 13(S3), 362-368.
- Icarte Ahumada, G. A. (2016). Aplicaciones de inteligencia artificial en procesos de cadenas de suministros: una revisión sistemática. Ingeniare. Revista chilena de ingeniería, 24(4), 663-679.
- John Lygeros, Lecture Notes on Hybrid Systems, Department of Electrical and Computer Engineering – University of http://robotics.eecs.berkeley.edu/~sastry/ee291e/lygeros.pdf
- Quirumbay Yagual, D. I., Castillo Yagual, C. A., & Coronel Suárez, I. A. (2022). Una revisión del aprendizaje profundo aplicado a la ciberseguridad. Revista Científica y Tecnológica UPSE (RCTU), 9(1), 57-65.
- Torres, C. E. T. (2014). Inteligencia colectiva: enfoque para el análisis de redes. Estudios Gerenciales, 30 (132), 259-266.
- Russell, S.J. y P. Norvig (2004). Inteligencia artificial. Un enfoque moderno. Pearson Educación, S.A.
- XIN, Yang; KONG, Lingshuang; LIU, Zhi; CHEN, Yuling; LI, Yanmiao; ZHU, Hongliang; GAO, Mingcheng; HOU, Haixia y WANG, Chunhua. Machine Learning and Deep Learning Methods for Cybersecurity. IEEE Access [En línea]. 2018, vol. 6, pág. 35365-35381. ISSN 21693536. Disponible en: 10.1109/ACCESS.2018.2836950
- Zambrano, P. J. S., Cedeño, G. D. R. B., & Rivadeneira, M. R. L. (2016). La teoría constructivista de Jean Piaget y su significación para la pedagogía contemporánea. Dominio de las Ciencias, 2(3), 127-137.
Referencias de imágenes
- Magiquo. (2019, noviembre 1). Redes neuronales o el arte de imitar el cerebro humano. Magiquo. https://magiquo.com/redes-neuronales-o-el-arte-de-imitar-el-cerebro-humano/
0 Comments