La Inteligencia Artificial es hoy una de las tecnologías que más ha evolucionado en las últimas décadas y cuyas capacidades han logrado transformar la forma de vivir y trabajar de las personas. En la actualidad, la IA forma parte de la transformación digital que la sociedad está experimentando desde hace unos años y que se ha acelerado en 2020 con la pandemia.
En los últimos años, las capacidades de esta tecnología han avanzado significativamente en campos como la automatización o el procesamiento del lenguaje natural (NLP) y sus aplicaciones hoy en día son infinitas. En este contexto, IBM señala los próximos pasos que marcarán el camino hacia la IA del futuro.
Dotar a las máquinas de sentido común: hacia la IA neuro-simbólica
La Inteligencia Artificial ha experimentado un gran avance a la hora de comprender el lenguaje natural humano. Los asistentes virtuales son una prueba de ello, con una capacidad avanzada para dar respuesta a preguntas en su interacción con las personas. Un ejemplo de ello es el call center inteligente que tiene en marcha Endesa con IBM Watson. El asistente es capaz de realizar transacciones a petición de los usuarios, como pagar un recibo, obtener un duplicado del mismo o cambiar la cuenta bancaria.
En este campo, IBM ha puesto el foco en la Inteligencia Artificial neuro-simbólica, que otorga a las máquinas el componente clave para comprender mejor el lenguaje humano: el sentido común. El objetivo es lograr que los ordenadores puedan aprender como los humanos, de la misma forma que lo haría un niño, no solo reconociendo objetos, sino siendo capaz de comprender lo que ve y aplicando un razonamiento para actuar en consecuencia.
La Inteligencia Artificial neuro-simbólica combina las redes neuronales con representaciones simbólicas, fusionando la lógica y el aprendizaje y dando lugar a un sistema híbrido que requiere menos datos de entrenamiento, lo cual también genera un ahorro de energía en la utilización de esta tecnología. A medida que esta tecnología madure, será posible utilizarla para una mejor atención al cliente, inteligencia empresarial, informática médica, o avanzar en el descubrimiento científico.
Hardware más potente y eficiente para las necesidades de la IA futura
Las redes neuronales profundas (DNN) que han impulsado la Inteligencia Artificial de los últimos años, tiene unos altos costes de memoria y cálculo, lo que supone un auténtico reto para el hardware que lo ejecuta. Con una complejidad cada vez mayor de los datos que procesan estas redes, se requieren nuevos dispositivos y arquitecturas que garanticen la eficiencia de procesamiento necesaria.
En este campo, IBM está desarrollando algunos sistemas que mejoren el rendimiento a medida que las cargas de trabajo de la IA son más complejas. Por ejemplo, IBM trabaja con núcleos digitales de IA con los que se disminuye el consumo de energía y se acelera el cálculo, utilizando tecnologías de precisión reducida. Con ellas puede llevarse a cabo un entrenamiento de “ultrabaja” precisión de las redes neuronales profundas.
También núcleos analógicos de IA que permiten almacenar y procesar datos en la memoria para acelerar el cálculo y aumentar la eficiencia computacional. Los investigadores de IBM están trabajando en algunos proyectos como el desarrollo de una arquitectura sináptica artificial, inspirada en el cerebro humano, que supone un avance hacia la tecnología de computación neuromórfica (sistemas informáticos que imitan el comportamiento del sistema nervioso) a gran escala y energéticamente eficiente. A su vez, IBM trabaja para llevar el hardware de IA energéticamente eficiente a entornos de nube híbrida.
Fomentar la confianza en la IA a través de la transparencia
Para generar una mayor confianza sobre los sistemas de Inteligencia Artificial es clave que estos estén construidos de forma responsable. Para ello, aumentar la transparencia y el control sobre la creación e implementación de la Inteligencia Artificial es primordial. En este contexto, para comprender mejor cómo han sido creado los sistemas y servicios de la IA, IBM ha desarrollado el proyecto FactSheet, que consiste en la creación de documentos informativos similares a las etiquetas de los productos de alimentación, que recopilen la información clave sobre la creación y el despliegue de la IA durante su ciclo de vida completo.
Este registro claro de cómo se desarrollan e implementan los modelos y servicios de la IA servirá para determinar si el modelo es apropiado para una situación o necesidad específica. Permite a una empresa especificar y hacer cumplir políticas que describen cómo se debe construir e implementar un modelo o servicio de IA. Esto es fundamental para evitar situaciones indeseables, como modelos que se entrenan con conjuntos de datos no aprobados, modelos con sesgos o modelos con variaciones de rendimiento inesperadas.
Víctor Carralero, director de Cloud híbrida y soluciones cognitivas, IBM España
