El futuro de la inteligencia artificial: los 3 mayores avances que veremos muy pronto

La inteligencia artificial es, probablemente, la herramienta más poderosa que ha creado la humanidad en los últimos tiempos. Aunque todavía se encuentra en una etapa inicial —si tomamos en cuenta su verdadero potencial—, ya existen miles de propuestas en las que ha probado ser realmente provechosa. Por ejemplo, existe una IA capaz de descifrar escrituras antiguas arruinadas por el tiempo; mientras que otras pueden predecir si estás a punto de tener un ataque al corazón con solo escuchar tu voz. Su utilidad es inestimable, y apenas estamos empezando a comprenderla.

Por esto, te queremos mostrar hoy los tres campos en los que la inteligencia artificial tendrá un mayor avance durante los años por venir. Después de todo, cada vez este tipo de tecnologías se vuelven más destacadas, y se ha reportado que el interés periodístico en ella ha crecido hasta un 34.5%. Una cantidad mucho más alta que el 19.6% reportado en 2020.

¿Quieres saber en qué campos estará avanzando la inteligencia artificial? Aquí te dejamos algunas tecnologías y ciencias donde deberías centrarte.

IA Neuro-simbólica

Los investigadores Artur d’Avila Garcez y Luis Lamb han descrito a la Inteligencia Artificial Neuro-simbólica como la tercera ola de la IA. Con ella, se espera que veamos un avance importante en los patrones de reconocimiento que usan los sistemas. Después de todo, hasta ahora la IA no es más que un compendio de conocimientos que, junto a un entrenamiento previo, es capaz de arrojar un resultado.

Sin embargo, esta nueva investigación de IBM tiene como plan hacer que la inteligencia artificial sea capaz de reconocer símbolos, y al mismo tiempo, aportarles un significado semántico y lógico. De esta forma, se espera generar un sistema de inteligencia artificial capaz de llevar a cabo tareas más complejas, con una precisión más alta, y que al mismo tiempo necesite menos cantidad de datos y entrenamiento.

Así, se podría crear una inteligencia artificial capaz de responder a un razonamiento y un proceso, con la capacidad de explicar el motivo por el cual ha tomado ciertas decisiones.

"Las redes neuronales y las ideas simbólicas se complementan maravillosamente. Porque las redes neuronales te dan las respuestas para pasar del desorden del mundo real a una representación simbólica del mundo, encontrando todas las correlaciones dentro de las imágenes. Una vez que tienes esa representación simbólica, puedes hacer cosas muy mágicas en términos de razonamiento."

David Cox, director del Laboratorio MIT-IBM Watson A.I. en Cambridge, Massachusetts.

Redes generativas adversarias

Funcionamiento de las redes generativas adversarias
¿Recuerdas cuando decían que el conflicto no es bueno? Pues así es, pero esta es una regla que no vale para la inteligencia artificial.

Si has estado al tanto de internet, probablemente habrás visto ciertas IAs capaz de crear imágenes a partir de texto; o de recrear cosas que no existen con un realismo increíble. Esto, por supuesto, puede resultar horroroso para millones de artistas en el mundo, pero es a su vez una de las demostraciones más importantes de la potencia de la tecnología.

Pero, ¿qué tiene que ver el conflicto en todo esto? Pues sencillo. Con las Redes Generativas Adversarias (GAN, por sus siglas en inglés), se espera que esta generación de imágenes a partir de inteligencia artificial se vuelva cada vez mejor. El motivo es bastante sencillo, y es que con el uso de entidades “generadoras”, y otras “discriminadoras”, la IA es capaz de crear una retroalimentación. Así, se puede alcanzar un resultado en el que este algoritmo discriminador no sea capaz de diferenciar la imagen creada de manera artificial, de aquellas que sí son reales.

Algunos investigadores han ido incluso más lejos, y están usando las Redes Generativas Adversarias para crear código genético totalmente falso. Sin duda alguna es uno de los puntos más interesantes que están por llegar.

Aprendizaje automático y síntesis molecular
Inteligencia artificial síntesis molecular
Durante 2020, AlphaFold de DeepMind logró aplicar aprendizaje profundo (Deep learning) en tareas de biología. Específicamente, se usó en el problema del plegamiento de las proteínas. Este campo lleva décadas siendo estudiado, y una posible resolución con el uso de la IA podría conllevar al descubrimiento de curas para enfermedades; nuevos fármacos, y a entender con mayor profundidad el comportamiento de la vida celular.

En esta ocasión no encontramos a una IA con una función específica y revolucionaria. Sin embargo, es un claro ejemplo de cómo aplicar el uso de las inteligencias artificiales puede resultar beneficioso, sin importar el campo que sea.

De hecho, ya el uso de la inteligencia artificial y el aprendizaje automático está resultando beneficioso para campos como la biología y la sanidad. Con ellas, los científicos pueden determinar qué fármacos son potencialmente mejores, y cuáles deben evaluar. Además, pueden llegar a distintas conclusiones sobre las formas más eficaces de sintetizarlos.

Telenord.com

El Nordeste a tan solo un click

Servicios

  • Television
  • Internet
  • Publicidad

Grupo Telenord

  • Acerca De
  • Sostenibilidad
  • Contacto
  • Terminos de Servicio
  • Politicas de Privacidad