Al reflexionar al respecto de cual sería la mejor opción para aproximarse y ayudar a conocer la inteligencia artificial, he considerado que el mejor retrato de la IA es aquel que refleja tanto la parte teórica como la práctica.
La inteligencia artificial hace tiempo que no pertenece a la ciencia ficción, y se ha convertido en una realidad que cada vez tiene más protagonismo en nuestras vidas. Hay un consenso general en considerar la IA como un elemento que revolucionará la manera en que nuestra sociedad se configura.
Una descripción enciclopédica de la IA podría ser la de considerar la inteligencia artificial como «la combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades para resolver problemas que el ser humano». Así, la inteligencia artificial es aquella inteligencia que desarrollan las máquinas. Es normal que con esta descripción generalista se puedan incluir dentro del concepto prácticamente todos los comportamientos de las ciencias de la computación, ya que en mayor o menor medida aportan a un sistema informático la capacidad para resolver sencillos o complejos problemas. Sin embargo, más allá del uso coloquial del concepto, se aplica inteligencia artificial en aquellos casos donde se interpreta un cierto razonamiento artificial.
Conceptos como la programación, la automatización o el «Machine learning» a menudo se confunden con la inteligencia artificial, pero, aunque todos derivan de la computación y el cálculo informático, hay características en estos elementos que los diferencian.
Se fecha en 1950, de la mano del matemático británico Alan Turing, muchas veces referenciado por su conocido test de Turing, la aparición del concepto de la inteligencia artificial. Por aquella época existían herramientas y conocimientos suficientes para procesar información con la incorporación de filtros, funciones lógicas y algoritmos de solución. «¿Puede pensar una máquina?» Este es el punto de partida del planteamiento filosófico que se derivaba de esta primera aproximación a la IA, y ha sido la base teórica del concepto.
Más adelante, ya con la implicación de científicos contemporáneos a Turing, se empieza a acotar el concepto de la IA como aquella ciencia que hace inteligentes a las máquinas, especialmente mediante el cálculo inteligente. El desarrollo y explosión no llegará hasta la década de los 90 cuando la capacidad de computación ha aumentado de forma exponencial y alcanza una cota en la que es posible el procesamiento y análisis de cantidades ingentes de datos.
Quizás el momento más significativo y donde se podría decir que el concepto se abrió al gran público alcanzó el 1997. Todos podemos recordar Deep Blue, desarrollada por IBM se convirtió en el primer ordenador capaz de ganar al vigente campeón de ajedrez, el soviético Gari Kaspárov. Aunque, después de 20 años, el evento está cubierto por un aura de misticismo. Costaba creer que una máquina ganara a un humano, y este hecho también se convirtió en un punto de inflexión para la aparición de las teorías más críticas con la IA.
La inteligencia artificial hace tiempo que se ha convertido en una realidad que cada vez tiene más protagonismo en nuestras vidas
Ya en fechas más recientes, la normalización y aproximación al gran público se ha podido constatar con la apertura a los usuarios de todo el mundo del supercomputador Watson, también de IBM, o con la difusión de asistentes virtuales integrados a los dispositivos móviles. Estos empezaban a proponer las primeras experiencias de aprendizaje automático y los primeros indicios de aprendizaje profundo basado en el uso específico de cada usuario.
No quisiera cerrar este repaso a la historia de la IA sin citar el autor Issac Asimov, auténtico agente acelerador en la difusión del concepto de la inteligencia artificial, debido a la insistencia con que utiliza el controvertido tópico de la IA en la su obra. Asimov lo ha definido como «la capacidad de un artefacto (creado por humanos) de realizar los mismos tipos de funciones que caracterizan la inteligencia humana». A menudo plantea en su obra la distopía entre el estudio de los mecanismos con una perspectiva cognitiva y otro punto de vista más pragmático centrado en el esfuerzo por dotar a las máquinas de capacidad de raciocinio.
Tipo de inteligencia artificial
Ante un concepto a veces tan abstracto como la IA, esta se ha categorizado y tipificado, de forma que se puedan diferenciar las alternativas que plantea el razonamiento de las máquinas. Por ejemplo, ante el sistema ideal de razonamiento informático se clasifican los siguientes tipos de IA:
• Los sistemas que tratan de emular el pensamiento humano, aquellos que tratan de automatizar la toma de decisiones, la resolución de problemas y el aprendizaje. Un ejemplo de estos sistemas que piensan como humanos podrían ser las redes neuronales artificiales.
• Los sistemas que tratan de actuar como humanos, tratando de imitar el comportamiento y teniendo una conducta propia del ser humano. Un ejemplo de este sistema podría ser la robótica.
• Los sistemas que emulan el pensamiento lógico-racional, tratando de percibir, razonar y actuar en consecuencia ante un escenario encontrado. Un ejemplo de estos sistemas sería el sistema experto. Un sistema computacional que con reglas, casos o redes bayesianas aplican reglas heurísticas, estadísticas o de repetición de un problema previo, para tomar decisiones de un ser humano experto.
• Por último, existen los sistemas racionales, aquellos que emulan la forma racional de comportamiento. Este es el tipo más ideal de IA, basado en agentes inteligentes que tienen capacidad de percibir su entorno, procesar las percepciones y dar respuesta y actuar al respecto, obteniendo un resultado óptimo o maximizado.
Así podemos considerar que la IA utiliza una serie de técnicas conocidas para resolver una situación dada. La opción más extendida, por ser la más simple de desarrollo, es aquella que usa la búsqueda heurística. Es aquella que ante un amplio abanico de posibilidades tiene capacidad y dispone de estrategias para seleccionar, bifurcar el árbol de posibilidades, restringir la búsqueda de soluciones. Este mecanismo permite acelerar la toma de soluciones, sobre todo ante situaciones o escenarios que ya se han producido o cercanos a aquellos que se han dado con anterioridad.
Representar el conocimiento
Uno de los elementos clave para el planteamiento y desarrollo de un sistema de IA es encontrar la forma de guardar, de encapsular, de representar el conocimiento. La intuición o capacidad que tiene el ser humano para ordenar y utilizar el conocimiento necesita, para replicarlo en las máquinas de sistemas de representación de conocimiento, es decir, desarrollar una estructura de datos y procedimientos de interpretación capaces de describir objetos, relaciones, procesos, resultados, etc. El razonamiento, lo que busca la inteligencia artificial, es algo difícil de modelar (dar forma) dentro de un sistema informático. También son clave para el IA conceptos como el éxito de una respuesta o resolución de problemas, los sistemas con puntos de partida inexacto o con falta de detalle y finalmente la gestión de resultados aproximados o sin certeza. Entrando en detalle en las posibilidades que la IA aporta a nuestro sector se pueden destacar las siguientes hipótesis (y realidades) de aplicación:
• La capacidad de los ordenadores para analizar grandes cantidades de información permite que se proyecte, dentro del estudio económico, con la capacidad de realizar predicciones de desvío de presupuestos basados en diferentes variables y factores, así como el planteamiento de alternativas viables donde se prima la eficiencia de los recursos.
• En el pasado European BIM Summit se explicó un caso donde se aplicó el cálculo computacional para proyectar una estación del Metro de Madrid analizando el óptimo fluido de los transeúntes en función de la geometría de diversas propuestas y ubicaciones de accesos. Este es un claro ejemplo de aplicación de la IA para mejorar el diseño de los edificios mediante el análisis de alternativas.
• La IAI sistemas de machine learning permiten monitorizar muy parámetros de un proyecto y abre para identificar y mitigar los riesgos de los procesos a nivel de calidad, tiempo, costes y seguridad en el trabajo.
• Ante los múltiples escenarios en la planificación de una construcción, el cálculo computacional, puede dotar a los técnicos, de forma masiva, de la capacidad de analizar alternativas y combinaciones para planificar y gestionar de forma óptima o más eficaz un proyecto edificatorio.
• Los sistemas con capacidad de captar su entorno permiten estudiar de forma detallada los procesos y evaluar la productividad y eficacia de las acciones realizadas. La observación detallada en combinación con el planteamiento de soluciones lógico-racionales pueden disparar el ritmo productivo a las tareas relacionadas con maquinaria, localización de trabajadores, equipamientos necesarios, concatenación de trabajos, etc.
• Aquellas máquinas que, por imitación, clonan el comportamiento humano, permiten automatizar tareas, reducir los errores y mejorar la efectividad en funciones como la ejecución de componentes concretos en una obra o tareas de mantenimiento e inspección durante la vida de los edificios.
• En general, trabajos como la prefabricación, el aprendizaje reforzado, el pronóstico, el reconocimiento de imágenes y del entorno o los sistemas estructurados de información (BIM), son elementos compatibles y susceptibles de ser aplicados y optimizados con la incorporación de inteligencia artificial.
Autoria de les fotos: Archivo CAATEEB
Nota del editor
Este artículo fue publicado originalmente en el informativo número 360 de junio de 2019.Autoría del artículo
