Inteligencia Artificial

Por Alicia Bañuelos

La Inteligencia Artificial (IA), fue utilizada en San Luis desde abril de 2019 a diciembre de 2021, a través del servicio de Watson Oncology de IBM, en el Centro Oncológico integral San Luis.
Esta IA fue entrenada por el Memorial Sloan Kettering Cancer Center, utilizando toda la bibliografía disponible y asimilando datos estructurados y no estructurados con procesamiento de lenguaje natural. IBM dejó de prestar el servicio en diciembre de 2021.
Una vez que se ingresaba el caso del paciente en la plataforma, Watson interactuaba con el profesional médico, realizaba consultas sobre distintas características clínicas y finalmente otorgaba una ruta de tratamientos, eran los oncólogos los que decidían cuál de ellos era el más conveniente para el caso presentado.
En 2019 se desarrolló una app, “Diana”, para lograr adherencia de los pacientes al tratamiento de diabetes, utilizaba IA para gestionar tratamientos y controles, entendiendo el lenguaje natural por voz o texto.
Recordaba al paciente la medicación que tenía que tomar, almacenaba los controles de glucemia, presión arterial y hemoglobina glicosilada, que son rutinarios para el diabético; los guardaba y estaban a disposición en el momento en que se requieran para el paciente o el médico de cabecera. Se realizó una prueba con 40 pacientes donde se ajustaron parámetros. El estudio no se generalizó porque el chatbot necesitaba más parametrización y comenzó la pandemia.
Ambas iniciativas dejaron experiencias en oncólogos y diabetólogos, que podrán utilizar los nuevos avances de la IA en la salud.
El lanzamiento de ChatGPT y posteriormente sus competidores han despertado interés y una verborragia que muchas veces no coincide con los adelantos concretos en IA.
La historia de la Inteligencia Artificial (IA) abarca varias décadas, desde sus inicios en la década de 1950 hasta los sofisticados sistemas que vemos hoy en día. En esos primeros días, los investigadores se centraron en desarrollar máquinas que pudieran pensar y razonar como humanos, lo que llevó a enfoques como la IA simbólica y los sistemas expertos.
La Conferencia de Dartmouth en 1956 marcó un hito crucial en el desarrollo de la IA. En esta conferencia, un grupo de investigadores visionarios, incluido John McCarthy, Marvin Minsky y Allen Newell, se reunieron para discutir el potencial de la IA. La conferencia ayudó a establecer la IA como un campo de estudio distinto y sentó las bases para el trabajo futuro.
Sin embargo, la década de 1970 trajo consigo un período de desaceleración conocido como el “invierno de la IA”. Durante este tiempo, el progreso en la IA se estancó debido a limitaciones computacionales, la falta de datos y el enfoque demasiado estrecho en la IA simbólica.
A finales de la década de 1980, el campo de la IA experimentó un resurgimiento con la introducción del Aprendizaje Automático (AA). El AA permitió a las máquinas aprender de los datos sin ser programadas explícitamente, lo que abrió nuevas posibilidades.
En los últimos años, la IA ha experimentado un crecimiento impresionante, impulsada por el desarrollo del Aprendizaje Profundo, la IA Generativa, una técnica que permite a las máquinas aprender de grandes cantidades de datos no estructurados. La IA, permitió avances significativos en áreas como el reconocimiento de imágenes, el procesamiento del lenguaje natural y la conducción autónoma.

Algunos ejemplos
En 1997, Deep Blue (IBM) derrotó al campeón mundial de ajedrez, Gary Kasparov. DeepBlue utilizaba una combinación de hardware especializado, algoritmos de búsqueda y bases de datos de jugadas maestras para evaluar millones de posiciones por segundo y elegir la mejor estrategia, no era un sistema de aprendizaje automático, sino un sistema basado en reglas.
AlphgGo para el Go (2015), AlphaZero, para el ajedrez (2017), son sistemas de aprendizaje automático.
AlphaFold predice la estructura 3D de una proteína basada únicamente en su secuencia genética (2020).
El lanzamiento de ChatGPT en noviembre de 2022, que responde a preguntas en lenguaje natural, suplantó el interés mundial por el metaverso. Siri, Alexa y las otras versiones de inteligencia artificial de audio que pasaron al olvido.

Definiciones generales de la IA
IA débil o estrecha:
La IA débil está diseñada para realizar tareas específicas. Estos sistemas no pueden realizar actividades fuera de su ámbito. Por ejemplo, un sistema de IA débil que está diseñado para jugar al ajedrez no puede utilizarse para el reconocimiento de imágenes. La IA débil es el tipo de IA más común y se utiliza en una amplia gama de aplicaciones, como la atención al cliente y la automatización de procesos empresariales.

IA de fuerza bruta o Generativa:
La IA de fuerza bruta se caracteriza por utilizar algoritmos complejos y supercomputadores para procesar grandes cantidades de datos y aprender de ellos. Este enfoque se basa en la idea de que, si se proporciona a una máquina suficiente potencia de procesamiento y datos, puede aprender a realizar tareas complejas, incluso si no se le han programado explícitamente las reglas para hacerlo. La IA Generativa se ha utilizado con éxito en una amplia gama de aplicaciones, como el reconocimiento de imágenes, el procesamiento del lenguaje natural y la traducción automática. Sin embargo, también se ha criticado por su falta de transparencia y su potencial para sesgos.

IA fuerte o General:
La IA fuerte es un tipo de IA sería capaz de emular la mente humana. Esto significa que pueda razonar, planificar, resolver problemas y aprender de la experiencia. La IA fuerte es un objetivo a largo plazo de la investigación en IA y todavía no se ha logrado. Sin embargo, se han hecho progresos en esta área, y se están desarrollando sistemas de IA que son cada vez más capaces de realizar tareas que tradicionalmente se consideran exclusivas de los humanos.
En una próxima entrega trataremos el aprendizaje automático que es una aplicación de la IA que sirve para entrenar a las computadoras para que ejecuten tareas sin programación específica.