Darío Pérez Principi, director de ingeniería en inteligencia artificial de la Universidad de Palermo (UP), describió una posible hoja de ruta de la aplicación de la IA en una organización, en una entrevista que le realicé.
«A grandes rasgos», según Pérez Principi, existen «dos clases de inteligencia artificial (IA)»:
- La inteligencia artificial «estrecha (‘narrow AI’) que consiste en aplicaciones que resuelven problemas en un dominio específico, como por ejemplo un modelo de «machine learning» (aprendizaje automático) para análisis de riesgo crediticio.
- La inteligencia artificial «general (AGI por sus siglas en inglés de Artificial General Intelligence), que sería inteligencia en el sentido en el que los seres humanos entendemos el concepto de inteligencia, es decir, con capacidad de razonamiento, de representación del conocimiento, de inferencia de conclusiones a partir de modelos, de aprendizaje, etc.»
«Si bien aún no hemos llegado a desarrollar este último tipo de inteligencia artificial, aplicaciones como ChatGPT nos hacen creer que quizás el camino sea más corto de lo que a priori pensábamos», señaló.
«Probablemente, en el futuro, la humanidad sea capaz de desarrollar una AGI. En ese momento debemos pensar que la inteligencia artificial dejará de ser una herramienta, para pasar a convertirse en algo más: un ente digital con las mismas capacidades cognitivas que un ser humano o incluso superiores», estimó.
A partir de aquí se alimentan, según Pérez Principi, dos tipos de teorías:
- Aquellas con «una visión pesimista, de competencia, basadas en sentimientos de preocupación y temor».
- Aquellas teorías «positivistas que ven que, con algo tan poderoso, se podrán resolver gran cantidad de los problemas que aquejan a la humanidad, elevando la calidad de vida a través de mejores servicios de salud, mayor equidad, mejores oportunidades, desaceleración del ritmo del cambio climático, por mencionar algunos».
Hoja de ruta de inteligencia artificial en una organización
Para Pérez Principi, «todo proyecto de inteligencia artificial suele tener un conjunto de fases bien definidas y que en su conjunto se denomina ciclo de vida de la IA. Todo comienza con una etapa de definición del problema, donde se intenta responder preguntas», como las siguientes:
- ¿A quién vamos a ayudar con nuestro proyecto de IA?
- ¿Cómo vamos a beneficiar el usuario y cómo se va a medir su uso?
- ¿Por qué utilizar IA en nuestro proyecto es mejor que el proceso que manejamos actualmente?
Luego se pasa a la «fase de recolección de datos», donde se debe asegurar la calidad de los datos. Continúa con una etapa de preprocesado y normalización de los datos, para luego pasar a la fase de construcción del modelo.
El modelo debe ser entrenado y testeado para conocer su performance. «Una vez hecho esto comenzamos a iterar sobre todo el proceso, es decir, que, si no estamos satisfechos con los resultados, modificamos el modelo, volvemos a entrenar y volvemos a medir su performance».
«Puede ocurrir que también se decida incorporar nuevos datos o nuevas fuentes de datos, con lo cual se debe pasar por las fases de recolección y preprocesado antes de que esos datos sean alimentados al nuevo modelo. Una vez que estemos satisfechos con el comportamiento del modelo, el mismo pasa a producción donde será utilizado por el usuario final del mismo», concluyó Pérez Principi.
Puedes leer más sobre el tema en la nota propia publicada en iProfesional aquí.
Si te gustó o sirvió algo que publiqué, te ofrezco dos alternativas para agradecer y permitir la continuidad de mi trabajo en Bahía César, haciendo clic sobre ellas:
