¿Qué es la inteligencia artificial?

La inteligencia artificial es la simulación de procesos de inteligencia humana por máquinas, especialmente sistemas informáticos. Las aplicaciones específicas de la IA incluyen sistemas expertos, procesamiento del lenguaje natural, reconocimiento de voz y visión artificial.

¿Cómo funciona la IA?

A medida que el bombo alrededor de la IA se ha acelerado, los proveedores han estado luchando para promover cómo sus productos y servicios utilizan la IA. A menudo, lo que llaman IA es simplemente un componente de IA, como el aprendizaje automático. La IA requiere una base de hardware y software especializados para escribir y entrenar algoritmos de aprendizaje automático. Ningún lenguaje de programación es sinónimo de IA, pero algunos, incluidos Python, R y Java, son populares.

En general, los sistemas de IA funcionan ingiriendo grandes cantidades de datos de entrenamiento etiquetados, analizando los datos en busca de correlaciones y patrones, y utilizando estos patrones para hacer predicciones sobre estados futuros. De esta manera, un chatbot que recibe ejemplos de chats de texto puede aprender a producir intercambios realistas con personas, o una herramienta de reconocimiento de imágenes puede aprender a identificar y describir objetos en imágenes revisando millones de ejemplos.

La programación de IA se centra en tres habilidades cognitivas: aprendizaje, razonamiento y autocorrección.

Procesos de aprendizaje. Este aspecto de la programación de IA se centra en la adquisición de datos y la creación de reglas para convertir los datos en información procesable. Las reglas, que se denominan algoritmos, proporcionan a los dispositivos informáticos instrucciones paso a paso sobre cómo completar una tarea específica.

Procesos de razonamiento. Este aspecto de la programación de IA se centra en elegir el algoritmo adecuado para alcanzar el resultado deseado.

Procesos de autocorrección. Este aspecto de la programación de IA está diseñado para ajustar continuamente los algoritmos y garantizar que proporcionen los resultados más precisos posibles.

¿Por qué es importante la inteligencia artificial?

La IA es importante porque puede proporcionar a las empresas información sobre sus operaciones que tal vez no conocían previamente y porque, en algunos casos, la IA puede realizar tareas mejor que los humanos. En particular, cuando se trata de tareas repetitivas y orientadas a los detalles, como analizar un gran número de documentos legales para garantizar que los campos relevantes se rellenen correctamente, las herramientas de IA a menudo completan los trabajos rápidamente y con relativamente pocos errores.

Esto ha ayudado a impulsar una explosión en la eficiencia y ha abierto la puerta a oportunidades de negocio completamente nuevas para algunas empresas más grandes. Antes de la actual ola de IA, hubiera sido difícil imaginar el uso de software informático para conectar a los pasajeros con los taxis, pero hoy Uber se ha convertido en una de las compañías más grandes del mundo al hacer precisamente eso. Utiliza sofisticados algoritmos de aprendizaje automático para predecir cuándo es probable que las personas necesiten viajar en ciertas áreas, lo que ayuda a poner a los conductores en la carretera de forma proactiva antes de que sean necesarios. Como otro ejemplo, Google se ha convertido en uno de los principales actores de una amplia gama de servicios en línea al usar el aprendizaje automático para comprender cómo las personas usan sus servicios y luego mejorarlos. En 2017, el CEO de la compañía, Sundar Pichai, declaró que Google operaría como una compañía” primero en IA”.

Las empresas más grandes y exitosas de hoy en día han utilizado la IA para mejorar sus operaciones y obtener ventaja sobre sus competidores.

¿Cuáles son las ventajas y desventajas de la inteligencia artificial?

Las redes neuronales artificiales y las tecnologías de inteligencia artificial de aprendizaje profundo están evolucionando rápidamente, principalmente porque la IA procesa grandes cantidades de datos mucho más rápido y hace predicciones con mayor precisión de lo que es humanamente posible.

Mientras que el enorme volumen de datos que se crean a diario enterraría a un investigador humano, las aplicaciones de IA que usan aprendizaje automático pueden tomar esos datos y convertirlos rápidamente en información procesable. Al momento de escribir este artículo, la principal desventaja de usar IA es que es costoso procesar las grandes cantidades de datos que requiere la programación de IA.

Ventajas

• Buena en trabajos orientados a los detalles;
• Reducción del tiempo para tareas con muchos datos;
• Ofrece resultados consistentes; y
• Los agentes virtuales con tecnología de IA siempre están disponibles.

Desventajas

• Caro;
• Requiere una profunda experiencia técnica;
• Suministro limitado de trabajadores calificados para construir herramientas de IA;
• Solo sabe lo que se ha demostrado; y
• Falta de capacidad para generalizar de una tarea a otra.

IA fuerte vs. IA débil

La IA se puede clasificar como débil o fuerte.

• La IA débil, también conocida como IA estrecha, es un sistema de IA diseñado y entrenado para completar una tarea específica. Los robots industriales y los asistentes personales virtuales, como Siri de Apple, utilizan una IA débil.
• La IA fuerte, también conocida como inteligencia general artificial (AGI), describe la programación que puede replicar las capacidades cognitivas del cerebro humano. Cuando se le presenta una tarea desconocida, un sistema de IA sólido puede usar lógica difusa para aplicar el conocimiento de un dominio a otro y encontrar una solución de forma autónoma. En teoría, un programa de IA sólido debería ser capaz de pasar tanto una prueba de Turing como la prueba de sala china.

¿Cuáles son los 4 tipos de inteligencia artificial?

Arend Hintze, profesor asistente de biología integrativa y ciencias de la computación e ingeniería en la Universidad Estatal de Michigan, explicó en un artículo de 2016 que la IA se puede clasificar en cuatro tipos, comenzando con los sistemas inteligentes para tareas específicas que se usan ampliamente en la actualidad y avanzando a sistemas sensibles, que aún no existen. Las categorías son las siguientes:

• Tipo 1: Máquinas reactivas. Estos sistemas de IA no tienen memoria y son específicos para cada tarea. Un ejemplo es Deep Blue, el programa de ajedrez de IBM que venció a Garry Kasparov en la década de 1990. Deep Blue puede identificar piezas en el tablero de ajedrez y hacer predicciones, pero como no tiene memoria, no puede usar las experiencias pasadas para informar a las futuras.
• Tipo 2: Memoria limitada. Estos sistemas de IA tienen memoria, por lo que pueden usar experiencias pasadas para informar decisiones futuras. Algunas de las funciones de toma de decisiones en los automóviles autónomos están diseñadas de esta manera.
• Tipo 3: Teoría de la mente. Teoría de la mente es un término psicológico. Cuando se aplica a la IA, significa que el sistema tendría la inteligencia social para comprender las emociones. Este tipo de IA será capaz de inferir las intenciones humanas y predecir el comportamiento, una habilidad necesaria para que los sistemas de IA se conviertan en miembros integrales de los equipos humanos.
• Tipo 4: Autoconciencia. En esta categoría, los sistemas de IA tienen un sentido de sí mismos, lo que les da conciencia. Las máquinas con autoconciencia entienden su propio estado actual. Este tipo de IA aún no existe.

¿Cuáles son los ejemplos de tecnología de IA y cómo se usa hoy en día?

La IA se incorpora a una variedad de diferentes tipos de tecnología. He aquí seis ejemplos:

• Automatización. Cuando se combina con tecnologías de IA, las herramientas de automatización pueden ampliar el volumen y los tipos de tareas realizadas. Un ejemplo es la automatización robótica de procesos (RPA), un tipo de software que automatiza las tareas repetitivas de procesamiento de datos basadas en reglas que tradicionalmente realizan los seres humanos. Cuando se combina con el aprendizaje automático y las herramientas emergentes de IA, RPA puede automatizar porciones más grandes de trabajos empresariales, lo que permite a los bots tácticos de RPA transmitir la inteligencia de la IA y responder a los cambios en los procesos.
• Aprendizaje automático. Esta es la ciencia de conseguir que una computadora actúe sin programación. El aprendizaje profundo es un subconjunto del aprendizaje automático que, en términos muy simples, se puede considerar como la automatización del análisis predictivo. Hay tres tipos de algoritmos de aprendizaje automático:
  • Aprendizaje supervisado. Los conjuntos de datos se etiquetan para que los patrones se puedan detectar y usar para etiquetar nuevos conjuntos de datos.
  • Aprendizaje no supervisado. Los conjuntos de datos no están etiquetados y se ordenan según similitudes o diferencias.
  • Aprendizaje por refuerzo. Los conjuntos de datos no están etiquetados, pero, después de realizar una acción o varias acciones, el sistema de IA recibe comentarios.
• Visión artificial. Esta tecnología le da a una máquina la capacidad de ver. La visión artificial captura y analiza información visual mediante una cámara, conversión analógica a digital y procesamiento de señales digitales. A menudo se compara con la vista humana, pero la visión artificial no está limitada por la biología y se puede programar para ver a través de las paredes, por ejemplo. Se utiliza en una amplia gama de aplicaciones, desde la identificación de firmas hasta el análisis de imágenes médicas. La visión artificial, que se centra en el procesamiento de imágenes basado en máquinas, a menudo se combina con la visión artificial.
• Procesamiento del lenguaje natural (PNL). Este es el procesamiento del lenguaje humano por un programa de computadora. Uno de los ejemplos más antiguos y conocidos de PNL es la detección de spam, que analiza la línea de asunto y el texto de un correo electrónico y decide si es basura. Los enfoques actuales de la PNL se basan en el aprendizaje automático. Las tareas de PNL incluyen traducción de texto, análisis de sentimientos y reconocimiento de voz.
• Robótica. Este campo de la ingeniería se centra en el diseño y fabricación de robots. Los robots se utilizan a menudo para realizar tareas que son difíciles de realizar para los humanos o que se realizan de manera consistente. Por ejemplo, los robots se utilizan en líneas de montaje para la producción de automóviles o por la NASA para mover objetos grandes en el espacio. Los investigadores también están utilizando el aprendizaje automático para construir robots que puedan interactuar en entornos sociales.
• Coches autónomos. Los vehículos autónomos utilizan una combinación de visión por computadora, reconocimiento de imágenes y aprendizaje profundo para desarrollar habilidades automatizadas para pilotar un vehículo mientras se mantiene en un carril determinado y evitar obstrucciones inesperadas, como los peatones.

¿Cuáles son las aplicaciones de la IA?

La inteligencia artificial se ha abierto camino en una amplia variedad de mercados. Aquí hay nueve ejemplos.

IA en el sector sanitario. Las mayores apuestas están en mejorar los resultados de los pacientes y reducir los costos. Las empresas están aplicando el aprendizaje automático para hacer diagnósticos mejores y más rápidos que los humanos. Una de las tecnologías sanitarias más conocidas es IBM Watson. Entiende el lenguaje natural y puede responder a las preguntas que se le hagan. El sistema extrae datos de pacientes y otras fuentes de datos disponibles para formar una hipótesis, que luego presenta con un esquema de puntuación de confianza. Otras aplicaciones de IA incluyen el uso de asistentes de salud virtuales en línea y chatbots para ayudar a los pacientes y clientes de atención médica a encontrar información médica, programar citas, comprender el proceso de facturación y completar otros procesos administrativos. También se está utilizando una serie de tecnologías de IA para predecir, combatir y comprender pandemias como la COVID-19.

IA en los negocios. Los algoritmos de aprendizaje automático se están integrando en las plataformas de análisis y gestión de relaciones con los clientes (CRM) para descubrir información sobre cómo servir mejor a los clientes. Los chatbots se han incorporado a los sitios web para proporcionar un servicio inmediato a los clientes. La automatización de los puestos de trabajo también se ha convertido en un tema de conversación entre académicos y analistas de TI.

IA en la educación. La IA puede automatizar la calificación, dando más tiempo a los educadores. Puede evaluar a los estudiantes y adaptarse a sus necesidades, ayudándoles a trabajar a su propio ritmo. Los tutores de IA pueden proporcionar apoyo adicional a los estudiantes, asegurando que se mantengan en el camino correcto. Y podría cambiar dónde y cómo aprenden los estudiantes, tal vez incluso reemplazando a algunos maestros.

IA en finanzas. La IA en aplicaciones de finanzas personales, como Intuit Mint o TurboTax, está perturbando a las instituciones financieras. Aplicaciones como estas recopilan datos personales y proporcionan asesoramiento financiero. Otros programas, como IBM Watson, se han aplicado al proceso de compra de una casa. Hoy en día, el software de inteligencia artificial realiza gran parte del comercio en Wall Street.

IA en derecho. El proceso de descubrimiento, escudriñar documentos, en la ley a menudo es abrumador para los humanos. El uso de la IA para ayudar a automatizar los procesos de trabajo intensivo de la industria legal está ahorrando tiempo y mejorando el servicio al cliente. Los bufetes de abogados utilizan el aprendizaje automático para describir datos y predecir resultados, la visión por computadora para clasificar y extraer información de documentos y el procesamiento del lenguaje natural para interpretar solicitudes de información.

IA en la fabricación. La fabricación ha estado a la vanguardia de la incorporación de robots en el flujo de trabajo. Por ejemplo, los robots industriales que a la vez estaban programados para realizar tareas individuales y separados de los trabajadores humanos, funcionan cada vez más como cobots: Robots multitarea más pequeños que colaboran con humanos y asumen la responsabilidad de más partes del trabajo en almacenes, plantas de fábricas y otros espacios de trabajo.

IA en banca. Los bancos están empleando con éxito chatbots para informar a sus clientes de los servicios y ofertas y para manejar transacciones que no requieren intervención humana. Los asistentes virtuales de IA se están utilizando para mejorar y reducir los costos del cumplimiento de las regulaciones bancarias. Las organizaciones bancarias también están utilizando la IA para mejorar su toma de decisiones sobre préstamos, establecer límites de crédito e identificar oportunidades de inversión.

IA en el transporte. Además del papel fundamental de la IA en la operación de vehículos autónomos, las tecnologías de IA se utilizan en el transporte para gestionar el tráfico, predecir los retrasos de los vuelos y hacer que el transporte marítimo sea más seguro y eficiente.

Seguridad. La IA y el aprendizaje automático están en la parte superior de la lista de palabras de moda que los proveedores de seguridad usan hoy en día para diferenciar sus ofertas. Esos términos también representan tecnologías verdaderamente viables. Las organizaciones utilizan el aprendizaje automático en el software de gestión de información de seguridad y eventos (SIEM) y áreas relacionadas para detectar anomalías e identificar actividades sospechosas que indiquen amenazas. Mediante el análisis de datos y el uso de la lógica para identificar similitudes con el código malicioso conocido, la IA puede proporcionar alertas a ataques nuevos y emergentes mucho antes que los empleados humanos y las iteraciones tecnológicas anteriores. La tecnología en proceso de maduración está desempeñando un papel importante para ayudar a las organizaciones a combatir los ciberataques.

Aumentada inteligencia vs inteligencia artificial

Algunos expertos de la industria creen que el término inteligencia artificial está demasiado estrechamente vinculado a la cultura popular, y esto ha hecho que el público en general tenga expectativas improbables sobre cómo la IA cambiará el lugar de trabajo y la vida en general.

• Inteligencia aumentada. Algunos investigadores y vendedores esperan que la etiqueta inteligencia aumentada, que tiene una connotación más neutral, ayude a las personas a comprender que la mayoría de las implementaciones de IA serán débiles y simplemente mejorarán los productos y servicios. Los ejemplos incluyen la aparición automática de información importante en los informes de inteligencia empresarial o el resaltado de información importante en las presentaciones legales.
• Inteligencia artificial. La verdadera IA, o inteligencia general artificial, está estrechamente asociada con el concepto de singularidad tecnológica, un futuro gobernado por una superinteligencia artificial que supera con creces la capacidad del cerebro humano para entenderla o cómo está dando forma a nuestra realidad. Esto permanece dentro del ámbito de la ciencia ficción, aunque algunos desarrolladores están trabajando en el problema. Muchos creen que tecnologías como la computación cuántica podrían desempeñar un papel importante en hacer realidad la AGI y que deberíamos reservar el uso del término IA para este tipo de inteligencia general.

Uso ético de la inteligencia artificial

Mientras que las herramientas de IA presentan una gama de nuevas funcionalidades para las empresas, el uso de la inteligencia artificial también plantea preguntas éticas porque, para bien o para mal, un sistema de IA reforzará lo que ya ha aprendido.

Esto puede ser problemático porque los algoritmos de aprendizaje automático, que sustentan muchas de las herramientas de IA más avanzadas, solo son tan inteligentes como los datos que se les proporcionan en el entrenamiento. Debido a que un ser humano selecciona qué datos se utilizan para entrenar un programa de inteligencia artificial, el potencial de sesgo de aprendizaje automático es inherente y debe monitorizarse de cerca.

Cualquier persona que desee utilizar el aprendizaje automático como parte de los sistemas en producción del mundo real debe tener en cuenta la ética en sus procesos de formación de IA y esforzarse por evitar los sesgos. Esto es especialmente cierto cuando se utilizan algoritmos de IA que son intrínsecamente inexplicables en aplicaciones de aprendizaje profundo y redes generativas de confrontación (GAN).

La explicabilidad es un obstáculo potencial para el uso de la IA en industrias que operan bajo estrictos requisitos de cumplimiento normativo. Por ejemplo, las instituciones financieras de los Estados Unidos operan bajo regulaciones que les exigen explicar sus decisiones de emisión de crédito. Sin embargo, cuando la decisión de rechazar el crédito es tomada por la programación de IA, puede ser difícil explicar cómo se llegó a la decisión porque las herramientas de IA utilizadas para tomar tales decisiones operan al provocar correlaciones sutiles entre miles de variables. Cuando el proceso de toma de decisiones no se puede explicar, el programa puede denominarse inteligencia artificial de caja negra.

A pesar de los riesgos potenciales, actualmente hay pocas regulaciones que rigen el uso de herramientas de IA, y donde existen leyes, generalmente se refieren a la IA indirectamente. Por ejemplo, como se ha mencionado anteriormente, las normas de concesión de préstamos justos de los Estados Unidos exigen que las instituciones financieras expliquen a los posibles clientes las decisiones en materia de crédito. Esto limita la medida en que los prestamistas pueden usar algoritmos de aprendizaje profundo, que por su naturaleza son opacos y carecen de explicación.

El Reglamento General de Protección de Datos (RGPD) de la Unión Europea pone límites estrictos a la forma en que las empresas pueden utilizar los datos de los consumidores, lo que impide la capacitación y la funcionalidad de muchas aplicaciones de IA orientadas al consumidor.

En octubre de 2016, el Consejo Nacional de Ciencia y Tecnología publicó un informe en el que examinaba el posible papel que podría desempeñar la regulación gubernamental en el desarrollo de la IA, pero no recomendó que se considerara una legislación específica.

Elaborar leyes para regular la IA no será fácil, en parte porque la IA comprende una variedad de tecnologías que las empresas utilizan para diferentes fines, y en parte porque las regulaciones pueden llegar a costa del progreso y el desarrollo de la IA. La rápida evolución de las tecnologías de IA es otro obstáculo para la formación de una regulación significativa de la IA. Los avances tecnológicos y las nuevas aplicaciones pueden hacer que las leyes existentes se vuelvan obsoletas instantáneamente. Por ejemplo, las leyes existentes que regulan la privacidad de las conversaciones y las conversaciones grabadas no cubren el desafío que plantean los asistentes de voz como Alexa de Amazon y Siri de Apple que reúnen pero no distribuyen la conversación, excepto a los equipos de tecnología de las empresas que la utilizan para mejorar los algoritmos de aprendizaje automático. Y, por supuesto, las leyes que los gobiernos logran elaborar para regular la IA no impiden que los delincuentes usen la tecnología con intenciones maliciosas.

Computación cognitiva e IA

Los términos AI y computación cognitiva a veces se usan indistintamente, pero, en términos generales, la etiqueta AI se usa en referencia a máquinas que reemplazan la inteligencia humana simulando cómo detectamos, aprendemos, procesamos y reaccionamos a la información en el entorno.

La etiqueta computación cognitiva se utiliza en referencia a productos y servicios que imitan y aumentan los procesos del pensamiento humano.

¿Cuál es la historia de la IA?

El concepto de objetos inanimados dotados de inteligencia ha existido desde la antigüedad. El dios griego Hefesto fue representado en los mitos como la forja de sirvientes robóticos de oro. Los ingenieros del antiguo Egipto construyeron estatuas de dioses animadas por sacerdotes. A lo largo de los siglos, pensadores desde Aristóteles hasta el teólogo español del siglo XIII, Ramón Llull, René Descartes y Thomas Bayes utilizaron las herramientas y la lógica de su época para describir los procesos de pensamiento humano como símbolos, sentando las bases para conceptos de IA como la representación del conocimiento general.

A finales del siglo XIX y la primera mitad del siglo XX surgió el trabajo fundacional que daría lugar a la computadora moderna. En 1836, el matemático de la Universidad de Cambridge Charles Babbage y Augusta Ada Byron, condesa de Lovelace, inventaron el primer diseño para una máquina programable.

década de 1940. El matemático de Princeton John Von Neumann concibió la arquitectura para la computadora de programa almacenado, la idea de que el programa de una computadora y los datos que procesa se pueden mantener en la memoria de la computadora. Y Warren McCulloch y Walter Pitts sentaron las bases para las redes neuronales.

década de 1950. Con el advenimiento de las computadoras modernas, los científicos pudieron probar sus ideas sobre la inteligencia artificial. Un método para determinar si una computadora tiene inteligencia fue ideado por el matemático británico y descifrador de códigos de la Segunda Guerra Mundial Alan Turing. La Prueba de Turing se centró en la capacidad de una computadora para engañar a los interrogadores haciéndoles creer que sus respuestas a sus preguntas fueron hechas por un ser humano.

1956. El campo moderno de la inteligencia artificial es ampliamente citado como comenzando este año durante una conferencia de verano en el Dartmouth College. Patrocinada por la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA, por sus siglas en inglés), a la conferencia asistieron 10 personalidades en el campo, incluidos los pioneros de la IA Marvin Minsky, Oliver Selfridge y John McCarthy, a quien se le atribuye la acuñación del término inteligencia artificial. También asistieron Allen Newell, un informático, y Herbert A. Simon, economista, politólogo y psicólogo cognitivo, presentó su innovador Teórico de la Lógica, un programa informático capaz de probar ciertos teoremas matemáticos y conocido como el primer programa de IA.

décadas de 1950 y 1960. A raíz de la conferencia del Dartmouth College, los líderes en el incipiente campo de la IA predijeron que una inteligencia artificial equivalente al cerebro humano estaba a la vuelta de la esquina, atrayendo el mayor apoyo del gobierno y la industria. De hecho, casi 20 años de investigación básica bien financiada generaron avances significativos en IA: Por ejemplo, a finales de la década de 1950, Newell y Simon publicaron el algoritmo General Problem Solver (GPS), que no logró resolver problemas complejos, pero sentó las bases para desarrollar arquitecturas cognitivas más sofisticadas; McCarthy desarrolló Lisp, un lenguaje para programación de IA que todavía se usa hoy en día. A mediados de la década de 1960, el profesor del MIT Joseph Weizenbaum desarrolló ELIZA, un programa temprano de procesamiento de lenguaje natural que sentó las bases para los chatbots de hoy en día.

décadas de 1970 y 1980. Pero el logro de la inteligencia general artificial resultó difícil de alcanzar, no inminente, obstaculizado por las limitaciones en el procesamiento y la memoria informáticos y por la complejidad del problema. El gobierno y las corporaciones se retiraron de su apoyo a la investigación de IA, lo que llevó a un período de barbecho que duró de 1974 a 1980 y conocido como el primer “Invierno de IA”.”En la década de 1980, la investigación sobre técnicas de aprendizaje profundo y la adopción por la industria de los sistemas expertos de Edward Feigenbaum desataron una nueva ola de entusiasmo por la IA, solo para ser seguida por otro colapso de la financiación gubernamental y el apoyo de la industria. El segundo invierno de IA duró hasta mediados de la década de 1990.

la década de 1990 hasta hoy. Los aumentos en la potencia computacional y una explosión de datos desencadenaron un renacimiento de la IA a finales de la década de 1990 que ha continuado hasta nuestros días. El enfoque más reciente en la IA ha dado lugar a avances en el procesamiento del lenguaje natural, la visión por computadora, la robótica, el aprendizaje automático, el aprendizaje profundo y más. Además, la IA se está volviendo cada vez más tangible, propulsando automóviles, diagnosticando enfermedades y consolidando su papel en la cultura popular. En 1997, Deep Blue de IBM derrotó al gran maestro de ajedrez ruso Garry Kasparov, convirtiéndose en el primer programa de computadora en vencer a un campeón mundial de ajedrez. Catorce años después, Watson de IBM cautivó al público cuando derrotó a dos ex campeones en el concurso Jeopardy!. Más recientemente, la histórica derrota del 18 veces campeón del mundo de Go Lee Sedol por AlphaGo de Google DeepMind sorprendió a la comunidad de Go y marcó un hito importante en el desarrollo de máquinas inteligentes.

IA como servicio

Debido a que los costos de hardware, software y personal para la IA pueden ser costosos, muchos proveedores incluyen componentes de IA en sus ofertas estándar o proporcionan acceso a plataformas de inteligencia artificial como servicio (AIaaS). AIaaS permite a las personas y empresas experimentar con la IA para diversos fines comerciales y muestrear múltiples plataformas antes de comprometerse.

Las ofertas populares de IA en la nube incluyen lo siguiente:

• Amazon AI
• IBMAT Atson Assistant
• Microsoft Cognitive Services
• Google AI