Javier Murillo

La inteligencia artificial sigue perfeccionándose

La llaman inteligencia artificial no porque la inteligencia sea de alguna manera falsa. Es inteligencia real, pero todavía está hecha por humanos.

En esta ocasión hay que dar cuenta de lo que realizaron los investigadores de la Universidad de Delaware y la Universidad de Massachusetts-Amherst quienes publicaron detalles de un nuevo enfoque de la inteligencia artificial que incorpora la incertidumbre, el error, las leyes físicas, el conocimiento experto y los datos faltantes en sus cálculos y, en última instancia, conduce a modelos mucho más confiables. El nuevo método proporciona garantías que normalmente faltan en los modelos de inteligencia artificial, lo que muestra cuán valioso, o no, puede ser el modelo para lograr el resultado deseado. De entrada, resulta fascinante cómo es que una materia como la IA sigue en constante perfección.

El nuevo marco matemático podría producir una mayor eficiencia, precisión e innovación para los modelos informáticos utilizados en muchos campos de investigación, salud, seguridad, comercio electrónico, etcétera. Dichos modelos proporcionan formas poderosas de analizar datos, estudiar materiales e interacciones complejas y ajustar variables de forma virtual en lugar de hacerlo en el laboratorio.

Los modelos eficaces y precisos ahorran tiempo y recursos y orientan a los investigadores hacia métodos más eficientes, nuevos materiales, mayor precisión y enfoques innovadores que de otro modo no consideraría.

El artículo describe cómo funciona el nuevo marco matemático en una reacción química conocida como reacción de reducción de oxígeno, pero es aplicable a muchos tipos de modelos. El modelo en sí identifica qué datos se necesitan para reducir el error del modelo, luego, se puede usar un nivel más alto de teoría para producir datos más precisos o se puede generar más información, lo que lleva a límites de error aún más pequeños en las predicciones y reduce el área para explorar. Esos cálculos requieren mucho tiempo para generar, por lo que a menudo estamos tratando con pequeños conjuntos de datos, de 10 a 15 puntos. Ahí es donde surge la necesidad del error de reparto.

Este nuevo método de diseño de modelos podría mejorar enormemente el trabajo en energías renovables, tecnología de baterías, mitigación del cambio climático, descubrimiento de fármacos, astronomía, economía, física, química y biología, por nombrar algunos ejemplos.

La inteligencia artificial no significa que la experiencia humana ya no sea necesaria. Todo lo contrario. El conocimiento experto que surge del laboratorio y los rigores de la investigación científica es un material fundamental para cualquier modelo computacional.

La llaman inteligencia artificial, no porque la inteligencia sea de alguna manera falsa. Es inteligencia real, pero todavía está hecha por humanos. Eso significa que la IA es una herramienta poderosa que puede agregar velocidad, eficiencia, conocimiento y precisión al trabajo de un investigador que tiene muchas limitaciones. Podríamos entrar a la vieja discusión si esta tecnología remplazará al hombre, lo hemos dicho en este espacio, se complementará, pero el hombre debe adaptarse a ella, o… al tiempo.

Y para finalizar esta columna comparto lo último sobre la IA y el SARS-CoV-2. La tecnología de inteligencia artificial para el diagnóstico de la neumonía en los pacientes con el Covid-19 ha sido registrada en Rusia como producto médico.

COLUMNAS ANTERIORES

Empoderamiento femenino en la ciencia de datos
La disputa de Musk contra OpenAI

Las expresiones aquí vertidas son responsabilidad de quien firma esta columna de opinión y no necesariamente reflejan la postura editorial de El Financiero.