Las bacterias y una analogía con la IA

Organismos como las bacterias, aunque pequeñas e invisibles a simple vista, tienen un impacto profundo en sus respectivos ecosistemas, y en este artículo quiero compartirte una analogía para describir a la IA.

Voy por el principio, es decir, traer el concepto básico de bacteria:

Organismos unicelulares extremadamente pequeños que están presentes en casi todos los entornos, incluidos el suelo, el agua y dentro de otros organismos. Pueden ser beneficiosos (como en la digestión) o patógenos.

Hay distintos tipos de bacterias, de distintas formas. Pueden ser esféricas, alargadas o espirales.

Por otra parte existen bacterias perjudiciales, llamadas patogénicas, las cuales causan enfermedades; pero también hay bacterias buenas.

Las buenas, nos ayudan a digerir la comida, previniendo infecciones peligrosas en nuestros órganos y mucho más.

Las bacterias se pueden encontrar en el suelo, el agua, las plantas, los animales, los desechos radiactivos, y en infinidades de sitios en el planeta.

Hasta aquí: ¿Encuentras alguna coincidencia con la Inteligencia Artificial?

Es decir, así como las bacterias están en nuestra vida cotidiana sin darnos cuenta, la IA nos está acompañando desde hace un largo tiempo sin que nos diéramos cuenta y hace muy poco nos enteramos de ello, y ahora las tenemos presentes atravesándonos en cada minuto de nuestros días, sin ponemos a pensar un momento, ¿verdad?

Pongámosnos a pensar todas las situaciones en las que interactuamos con diversas aplicaciones que usamos para estudiar y/o trabajar y/o para realizar una actividad particular.

¿En cuántas de ellas hay una IA presente y que sabemos que interactuamos con la misma?

Por otra parte, ¿Cuántas aplicaciones que no usamos de manera directa tienen una IA que actúa sobre nosotros y no nos enteramos?

También en algún momento mientras cursaba el posgrado de Inteligencia Artificial en la UBA IALAB, me hice muchas preguntas y más, durante las primera clases, una de ellas tiene que ver con el costado bueno y el otro costado.

Sabemos que las herramientas de software en si mismas no tienen un costado «malo», es decir un uso que pueda provocar un daño, sino que es la manera en la que el ser humano la usa. Esto aplica para la IA, en todo sentido.

Es un campo que se está explorando y que va cambiando vertiginosamente.

En todas estas cuestiones hay una relación entre la «humanidad» y la «tecnologia» y que la historia nos va indicando a evolución de ambas.

Ahora bien, ¿Cómo interviene aquí la IA? 

Otro aspecto que debemos considerar es la automatización de tareas que reemplazan a los humanos y hasta incluso, las realizan mejor. Consecuentemente aparece una primera variable que a muchos los está asustando: los riesgos que conlleva.

Los siguientes términos debemos conocerlos ya que de alguna manera componen o participan de nuestra interacción con una IA, conscientes o no:

Inteligencia Artificial (IA)

La IA refiere a la simulación de procesos de inteligencia humana por parte de máquinas, especialmente software (sistemas informáticos). Estos procesos incluyen el aprendizaje (la adquisición de información y reglas para utilizarla), el razonamiento (usando reglas para alcanzar conclusiones aproximadas o definitivas), y la autocorrección.

Algoritmo

Un algoritmo es una secuencia finita de instrucciones o pasos que se siguen para realizar una tarea o resolver un problema. Un ejemplo muy sencillo: una receta de cocina.

Automatización

Es el proceso de hacer que un sistema funcione automáticamente, reduciendo la necesidad de intervención humana.

Machine Learning (Aprendizaje Automático)

Es una rama de la IA que se centra en el desarrollo de algoritmos que permiten a las máquinas aprender de los datos y mejorar su rendimiento con el tiempo sin ser programadas explícitamente.

Deep Learning (Aprendizaje Profundo)

Es un subcampo del aprendizaje automático que utiliza redes neuronales profundas para modelar y entender patrones complejos en grandes conjuntos de datos.

Redes Neuronales

Son sistemas de computación inspirados en la estructura y función del cerebro humano, compuestos por nodos (neuronas) que están interconectados.

Procesamiento del Lenguaje Natural (NLP)

Es un subcampo de la IA que se ocupa de la interacción entre computadoras y lenguajes humanos, permitiendo que las máquinas comprendan, interpreten, y generen texto o habla humana.

Algoritmos de Recomendación

Son los conjuntos de algoritmos diseñados para sugerir productos, servicios o contenido a los usuarios basándose en sus preferencias y comportamiento pasado.

Big Data

Son conjuntos de datos extremadamente grandes y complejos que requieren tecnologías avanzadas de procesamiento y análisis.

Sistemas Expertos

Son programas de computadora que utilizan conocimiento experto codificado para emular el proceso de toma de decisiones de un ser humano.

Visión por Computadora

Es el campo de la IA que se centra en que las máquinas comprendan e interpreten el mundo visual, extrayendo información útil de imágenes y videos.

Inteligencia Artificial General (AGI)

Es el tipo hipotético de IA que tiene la capacidad de realizar cualquier tarea cognitiva humana, entendiendo y aprendiendo de forma similar a los humanos.

Inteligencia Artificial Débil

Son los sistemas de IA que están diseñados y entrenados para realizar una tarea específica, como jugar al ajedrez o reconocer imágenes.

Ética de la IA

Es el campo de estudio que analiza los dilemas éticos y morales asociados con el desarrollo y uso de tecnologías de inteligencia artificial.

Reconocimiento de Voz

Es la tecnología de IA que permite a las máquinas interpretar y transcribir el habla humana en texto o comandos ejecutables.

Comentario o reflexión final

Habiendo llegado al final de este articulo, te propongo que lo retomes y que hagas el siguiente ejercicio: ¿Cuánto de todo lo que he escrito lo puedes relacionar con alguna de las actividades del proceso de control de calidad de software?

Te doy algunas ayudas.

  • ¿Podríamos aplicar el NLP para la tarea de Diseño de Casos de Prueba?
  • ¿Podríamos usar Machine Learning para la Predicción de los errores?
  • ¿Podríamos aplicar Automatización para Pruebas Exploratorias?

Gracias por llegar hasta aquí, y me puedes seguir en LinkedIn.

Fuente de inspiración:

  • https://www.genome.gov/

Gus Terrera

Apasionado por el agile testing y la ia.