Ir al contenido principal

Artificial intelligence (AI) / Inteligencia Artificial (IA): Una Guía

Esta guía busca proporcionar a docentes y estudiantes una base sólida para comprender y aprovechar las oportunidades que brinda esta tecnología en el ámbito académico.

DICCIONARIO SOBRE INTELIGENCIA ARTIFICIAL

Términos claves

Inteligencia artificial (IA): la IA es una rama de la informática. Los sistemas de IA utilizan hardware, algoritmos y datos para crear "inteligencia" para hacer cosas como tomar decisiones, descubrir patrones y realizar algún tipo de acción. La IA es un término general y se utilizan términos más específicos en el campo de la IA. Los sistemas de IA se pueden construir de diferentes maneras. Dos de las formas principales son: (1) mediante el uso de reglas proporcionadas por un ser humano (sistemas basados ​​en reglas); o (2) con algoritmos de aprendizaje automático. Muchos sistemas de IA más nuevos utilizan el aprendizaje automático (consulte Aprendizaje automático).

Algoritmo: los algoritmos son los “cerebros” de un sistema de IA y lo que determina las decisiones; en otras palabras, los algoritmos son las reglas sobre las acciones que toma el sistema de IA. Los algoritmos de aprendizaje automático pueden descubrir sus propias reglas (ver Aprendizaje automático) o estar basados ​​en reglas donde los programadores humanos dan las reglas. 

Transformador preentrenado generativo basado en chat (ChatGPT): un sistema construido con un modelo de IA tipo transformador de red neuronal que funciona bien en tareas de procesamiento del lenguaje natural (consulte Redes neuronales y procesamiento del lenguaje natural a continuación). En este caso, el modelo: (1) puede generar respuestas a preguntas (Generativo); (2) recibió capacitación previa sobre una gran cantidad de material escrito disponible en la web (Pre-capacitación); (3) y puede procesar oraciones de manera diferente a otros tipos de modelos (Transformer).

Alucinación: se refiere a la generación de resultados que pueden parecer plausibles pero que son objetivamente incorrectos o no están relacionados con el contexto dado. Estos resultados a menudo surgen de los sesgos inherentes del modelo de IA, la falta de comprensión del mundo real o las limitaciones de los datos de entrenamiento. En otras palabras, el sistema de IA "alucina" información sobre la que no ha sido entrenado explícitamente, lo que genera respuestas poco confiables o engañosas. (Marr B.  ChatGPT: What are hallucinations and why are they a problem for AI systems. https://bernardmarr.com/chatgpt-what-are-hallucinations-and-why-are-they-a-problem-for-ai-systems).

Aprendizaje automático (Machine Learning, ML): el aprendizaje automático es un campo de estudio con una variedad de enfoques para desarrollar algoritmos que pueden usarse en sistemas de inteligencia artificial. IA es un término más general. En ML, un algoritmo identificará reglas y patrones en los datos sin que un humano especifique esas reglas y patrones. Estos algoritmos construyen un modelo para la toma de decisiones a medida que analizan los datos. (A veces escuchará el término modelo de aprendizaje automático). Debido a que descubren sus propias reglas en los datos que reciben, los sistemas de aprendizaje automático pueden perpetuar sesgos. Los algoritmos utilizados en el aprendizaje automático requieren entrenar cantidades masivas de datos para tomar decisiones.

Es importante señalar que en el aprendizaje automático, el algoritmo hace el trabajo de mejorar y no cuenta con la ayuda de un programador humano. También es importante señalar tres cosas más. Primero, en la mayoría de los casos el algoritmo aprende una asociación (cuando ocurre X, generalmente significa Y) a partir de datos de entrenamiento que son del pasado. Segundo, dado que los datos son históricos, pueden contener sesgos y suposiciones que no queremos perpetuar. En tercer lugar, hay muchas preguntas sobre la participación de los humanos en el circuito de los sistemas de IA; Cuando se utiliza ML para resolver problemas de IA, es posible que un humano no pueda comprender las reglas que el algoritmo crea y utiliza para tomar decisiones. Esto podría ser especialmente problemático si un alumno humano resulta perjudicado por una decisión que tomó una máquina y no hay forma de apelar la decisión.

© 2017 Biblioteca Conrado F. Asenjo - Recinto de Ciencias Médicas de la Universidad de Puerto Rico. Todos los derechos reservados.