¿Qué es inteligencia artificial (IA)?

La inteligencia artificial (IA) se refiere a la capacidad que tiene un ordenador para imitar o duplicar la cognición humana.

Objetivos de aprendizaje

Después de leer este artículo podrás:

  • Definir inteligencia artificial (IA)
  • Diferenciar entre el aprendizaje automático, el aprendizaje profundo y la IA generativa
  • Describir los usos de la IA

Contenido relacionado


¿Quieres saber más?

Suscríbase a theNET, el resumen mensual de Cloudflare sobre las ideas más populares de Internet.

Revisa la política de privacidad de Cloudflare para saber más sobre cómo Cloudflare gestiona tus datos personales.

Copiar enlace del artículo

¿Qué es inteligencia artificial (IA)?

La inteligencia artificial (IA) es la capacidad que tiene una máquina construida, como un ordenador, para simular o duplicar las tareas cognitivas humanas. Una máquina con IA puede hacer cálculos, analizar datos para crear predicciones, identificar diversos tipos de signos y símbolos, conversar con humanos y ayudar a ejecutar tareas sin entrada manual.

Por ejemplo, un automóvil tradicional solo responde a las entradas de su conductor humano: acelera cuando el conductor ve que el semáforo se ha puesto en verde y pisa el acelerador y se detiene en una señal de stop cuando el conductor ve la señal y pisa el pedal del freno. Un automóvil con IA puede ser capaz de identificar por sí solo las señales de stop y los semáforos, y frenar o acelerar sin la intervención del conductor.

La IA tiene sus raíces en los inicios mismos de los ordenadores y el matemático Alan Turing fue uno de los primeros en describir cómo podría funcionar una máquina artificialmente inteligente. Todos los ordenadores construidos desde ese entonces son artificialmente inteligentes en algún nivel, ya que son capaces de realizar cálculos que antes sólo podían hacer los humanos. Sin embargo, en las últimas décadas las habilidades, la velocidad y la capacidad de almacenamiento de los ordenadores han aumentado de manera rápida. Hoy en día, el término "AI" hace referencia a las tareas cognitivas más avanzadas que pueden hacer los ordenadores.

¿Cómo funciona la IA?

La mayor parte de la IA se basa en el análisis de conjuntos de big data, que contiene demasiada información como para que los analice cualquier humano por sí solo en un tiempo razonable. Se construye un modelo de IA para identificar patrones en esos conjuntos de datos y luego utilizar esos patrones para predecir patrones futuros o adicionales. Los modelos de IA utilizan la probabilidad y el análisis estadístico para hacerlo. Algunos modelos de IA son lo suficientemente buenos en esto como para imitar comportamientos humanos.

En teoría, algún día la IA podría ir más allá y ser capaz de "pensar" con pensamientos originales. Determinar cuándo se ha alcanzado ese punto es, en algunos aspectos, una cuestión filosófica más que técnica.

¿Qué es el aprendizaje automático?

El aprendizaje automático es una rama de la IA y se refiere a la práctica de alimentar un programa con datos estructurados o etiquetados para entrenar al programa sobre cómo identificar esos datos sin intervención humana. Por ejemplo, un modelo de aprendizaje automático para encontrar botellas de ketchup en fotos de frigoríficos abiertos podría empezar siendo incapaz de identificar algún condimento, mucho menos el ketchup. Luego, se le introducen millones de imágenes de botellas de ketchup en distintos frigoríficos y se le dice que cada una de ellas representa una botella de ketchup. Finalmente, es capaz de identificar automáticamente botellas de ketchup, incluso en fotos que nunca ha visto antes.

El aprendizaje automático depende del uso de procesos predefinidos llamados algoritmos. Un programa de aprendizaje automático "aprenderá" de manera ligeramente diferente, lo que dependerá de cómo esté configurado el algoritmo.

El aprendizaje automático también depende del acceso a grandes conjuntos de datos. Es casi seguro que un programa de aprendizaje automático al que solo se le muestren tres o cuatro fotos de ketchup no identificará con precisión las botellas de ketchup de forma sistemática, o identificará el ketchup en fotos en las que no aparece. Cuantos más datos obtenga el modelo, más preciso será.

Actualmente, una amplia gama de soluciones tecnológicas y de software utilizan el aprendizaje automático. Desde soluciones de seguridad que utilizan el aprendizaje automático para detectar fraudes e identificar bots, hasta plataformas de redes sociales que utilizan el aprendizaje automático para recomendar contenidos o cuentas a seguir, el aprendizaje automático ha demostrado ser una herramienta de desarrollo bastante útil.

¿Qué es aprendizaje profundo?

Al igual que el aprendizaje automático es un tipo de IA, el aprendizaje profundo es un tipo de aprendizaje automático. Los modelos de aprendizaje profundo son capaces de utilizar el análisis probabilístico para identificar las diferencias en los datos brutos. Un modelo de aprendizaje profundo podría aprender qué es una botella de ketchup y cómo distinguirla de otros condimentos solo a partir de fotos de frigoríficos abiertos, sin que se le diga qué es una botella de ketchup.

Al igual que otros tipos de aprendizaje automático, el aprendizaje profundo requiere acceder a grandes conjuntos de datos. Incluso un modelo avanzado de aprendizaje profundo posiblemente necesitaría analizar millones de fotos de frigoríficos abiertos para poder identificar el ketchup.

¿Qué es IA generativa?

La IA generativa es un tipo de modelo de IA que puede crear contenido, incluidos texto, imágenes, audio y vídeo. Un modelo generativo de IA podría, por ejemplo, recibir una foto de una nevera vacía y llenarla con posibles contenidos, con base en fotos que se le hayan mostrado en el pasado. Aunque el contenido generado por un modelo de este tipo podría considerarse "nuevo," se basa en contenido que el modelo ha recibido previamente.

Las herramientas de IA generativa son cada vez más populares. En particular, el gran modelo lingüístico (LLM) ChatGPT y los generadores de imágenes DALL-E y Midjourney han captado la imaginación del público y la atención del mundo empresarial. Otras herramientas populares de IA generativa incluyen Bard, Bing Chat y Llama.

¿Cómo se usa la IA?

Los casos de uso de la IA se siguen ampliando. Estas son algunas de las aplicaciones en el mundo real que ya se están explorando:

  • Bot de chat: los programas basados en IA pueden producir respuestas que suenen humanas y a menudo pueden responder de forma realista a entradas impredecibles de usuarios humanos. En otras palabras, algunos modelos de IA pueden conversar de forma natural, lo que mejora las capacidades del bot de chat.
  • Automóviles autoconducidos: la capacidad de la IA para hacer predicciones le permite responder a las condiciones de la carretera en el mundo real, aunque nunca se haya encontrado con ellas previamente.
  • Algoritmos de recomendación: como los que utilizan las plataformas de transmisión y las aplicaciones de redes sociales.
  • Sanidad: la IA se puede utilizar para ayudar a diagnosticar enfermedades, junto con otras tareas repetitivas en el mundo de los servicios sanitarios.
  • Finanzas: muchas empresas financieras han utilizado la IA para intentar identificar las tendencias del mercado o predecir qué acciones tendrán un buen rendimiento.
  • Codificación: los LLM ofrecen la posibilidad de generar rápidamente código para nuevas funciones, crear documentación y analizar el código existente en busca de vulnerabilidades.
  • Creación de contenidos: los modelos generativos de IA pueden generar texto, imágenes, vídeo, etc.
  • Creación de informes: analizar y resumir datos es una tarea repetitiva que a menudo puede automatizarse al usar el aprendizaje automático.
  • Usos experimentales: aún se están descubriendo más usos para la IA y los casos de uso seguirán ampliándose a medida que las capacidades de IA sigan creciendo.

¿Cuáles son los riesgos de la IA para empresas?

Riesgos de seguridad

Fugas de datos: los servicios de IA utilizan entradas para seguir entrenando sus modelos; no están diseñados para ser bóvedas seguras de datos. Sin embargo, muchas personas utilizan los LLM de formas que aumentan el riesgo de exposición de los datos, incluido el procesamiento de información confidencial o de código cerrado. Estos datos se pueden reproducir o imitar en otras respuestas de estos LLM.

Pérdida de control sobre los datos: los datos quedan fuera de nuestro control una vez que se cargan en un LLM y los usuarios pueden no tener visibilidad sobre lo que ocurre con las entradas proporcionadas. Por ejemplo, si un panadero introduce su nueva receta secreta de focaccia en un LLM y le pide que escriba una descripción convincente para el sitio web de su panadería, puede que le devuelvan dicha descripción — pero la receta del panadero ya no es secreta, pues puede estar expuesta a otros usuarios del LLM o a los operadores del LLM.

Infracciones normativas: el uso de herramientas externas de IA suele introducir cierto grado de riesgo para los datos. Como resultado, la IA puede hacer que una organización incumpla los marcos normativos como el RGPD.

Otros riesgos

Alucinaciones: las herramientas de IA generativa pueden inventar información para generar respuestas — el término técnico para este fenómeno es "alucinaciones." Si las empresas incorporan esa información de forma acrítica a su contenido, puede perjudicar a sus marcas.

Exceso de confianza en la IA para la toma de decisiones: dado que la información proporcionada por los modelos de IA no siempre es fiable, el uso excesivo de la IA en el proceso de toma de decisiones puede dar lugar a decisiones que repercutan negativamente en una empresa.

¿Cuáles son los riesgos de la IA para consumidores?

  • Pérdida de privacidad y filtración de datos personales: las personas que introducen datos reveladores o confidenciales en LLM disponibles públicamente podrían encontrar que sus datos se repiten a otros usuarios de las mismas herramientas.
  • Fallos de seguridad en la aplicación de IA: como cualquier aplicación, las herramientas de IA pueden tener vulnerabilidades de seguridad que resulten en exposición de los datos personales.
  • Alucinaciones: como se ha descrito anteriormente, las herramientas de IA generativa a menudo inventan información para crear respuestas que suenen convincentes a las indicaciones del usuario. Esto puede dar lugar a que se difunda información errónea.
  • Deepfakes en ataques de phishing o ingeniería social: las herramientas de IA pueden generar imitaciones convincentes de la imagen, la voz o el estilo de escritura de una persona. Esto se puede utilizar en ataques de ingeniería social para hacerse pasar por una persona conocida y engañar a la víctima para que entregue su dinero o sus datos.

¿Cómo ayuda Cloudflare a reducir los riesgos derivadas de la IA?

Data Loss Prevention (DLP) de Cloudflare puede ayudar a las organizaciones a controlar cómo utilizan sus empleados la IA. DLP puede restringir la carga, el copiado y pegado y las entradas de teclado para impedir que los datos confidenciales salgan de los entornos protegidos. Más información sobre cómo funciona la DLP.

¿Cómo ayuda Cloudflare a los desarrolladores a crear nuevos modelos de IA?

Cloudflare para IA permite a los desarrolladores crear e implementar nuevas aplicaciones de IA en la red global de Cloudflare. Más información sobre Cloudflare for AI.