El Economista Jorge Bravo
La Inteligencia Artificial (IA) es una expresión de moda que captura en este momento la imaginación, el interés y la preocupación de muchos, al grado de que ya piensan en regular la tecnología.
De acuerdo con Kai-Fu Lee, autor del libro “Superpotencias de la Inteligencia Artificial” y fundador de Google China, los buenos algoritmos de IA necesitan tres cosas: gran volumen de datos, capacidad de procesamiento y el trabajo de sólidos ingenieros de IA que los desarrollen.
Estos tres componentes son suficientes para comprender lo que hace falta en países como México para desarrollar y aprovechar al máximo la IA: un vibrante ecosistema digital de aplicaciones y contenidos que genere una enorme demanda de datos, una infraestructura de banda ancha que permita la capacidad de procesamiento y un sistema educativo y de talento tecnológico que promueva carreras STEM, acrónimo de ciencia, tecnología, ingeniería y matemáticas.
El primer paso en el desarrollo de un sistema de IA es la recopilación de grandes cantidades de datos, los cuales pueden provenir de distintas fuentes como el comportamiento del usuario, las redes sociales y los sensores que se encuentran en múltiples dispositivos conectados.
Quiero enfocarme en el segundo componente: la infraestructura tecnológica detrás de la IA. Desde los servidores, pasando por el almacenamiento hasta los algoritmos de aprendizaje automático.
La IA no sería posible sin la infraestructura de banda ancha. Desde los cables de fibra óptica hasta los routers y servidores, Internet es la columna vertebral de la IA. La gran cantidad de datos que se necesitan para entrenar y alimentar los modelos de IA deben ser transportados de un lugar a otro de manera rápida y segura.
Una vez que los datos llegan a su destino, la magia comienza. Los datos deben ser recolectados, limpiados y organizados para ser utilizados de forma efectiva.
La IA utiliza una combinación de algoritmos y técnicas de aprendizaje automático que analizan patrones y aprenden de ellos con el tiempo, redes neuronales artificiales y procesamiento de lenguaje natural para comprender, procesar y analizar grandes cantidades de datos y aprender de ellos. Estos algoritmos están diseñados para mejorar su precisión y eficiencia a medida que procesan más datos.
Esta combinación de tecnologías permite que las máquinas aprendan y realicen tareas que antes sólo podían ser realizadas por humanos (inteligencia natural), pero a una velocidad sorprendente e infinitamente cada vez mayor que supera la capacidad humana (Inteligencia Artificial).
En esencia, la IA es la capacidad de las máquinas para aprender, analizar y tomar decisiones como si fueran humanos, pero mucho más rápido y preciso. Todo esto es posible gracias a algoritmos complejos y modelos de aprendizaje automático que requieren grandes cantidades de datos y potencia de procesamiento.
Los procesadores de alto rendimiento son esenciales para el procesamiento de la IA. Son unidades o cerebros artificiales que no se ven a simple vista. Están en los Centros de Datos, pero también se encuentran a nivel de consumo masivo en computadoras, smartphones y consolas de videojuego.
Permiten manejar grandes cantidades de datos, ejecutar programas de cómputo, procesar gráficos espectaculares y realizar cálculos complejos de manera mucho más rápida. La cantidad de procesamiento necesaria para entrenar y ejecutar los modelos de IA es enorme, lo que hace que estos procesadores sean una parte crítica de la infraestructura de la IA.
En el mundo del procesamiento y el cómputo, varias empresas son líderes para manejar grandes cargas de procesamiento: Nvidia, Intel, AMD.
Además de los procesadores, para potenciar los algoritmos los sistemas de IA requieren una potencia informática crucial. Aquí es donde entra el almacenamiento en la Nube, otra parte importante de la infraestructura de la IA. Los modelos de IA requieren grandes cantidades de datos para ser entrenados y ejecutados, por lo que es importante tener un sistema de almacenamiento escalable y confiable.
Los líderes en almacenamiento en la Nube son Amazon Web Services, Microsoft Azure, Google Cloud y Huawei Cloud, cuya tecnología y servidores permiten almacenar grandes cantidades de datos de IA.
Finalmente, los algoritmos y modelos de IA necesitan ser probados y refinados antes de ser utilizados en aplicaciones del mundo real. Los entornos de desarrollo y pruebas de IA son cruciales para probar y mejorar los modelos de IA. Estos entornos suelen utilizar herramientas y plataformas como Jupyter Notebook y TensorFlow para el desarrollo y pruebas de modelos de IA.
Son modelos y herramientas de IA preconstruidos que los desarrolladores pueden usar para construir sus propios algoritmos de IA. Esto hace que sea mucho más fácil y rentable para las empresas incorporar IA en sus productos y servicios.
Obviamente, el desarrollo de algoritmos y los sistemas de IA deben implementarse y mantenerse. Esto requiere un ejército de ingenieros, algunos de élite o genios, otros muy calificados y científicos de datos que se dediquen a monitorear el rendimiento del sistema, realizar mejoras y garantizar que funcione sin problemas. Es en este punto donde se incorpora el sistema educativo, el talento tecnológico y las carreras STEM de cada país.
¿Y qué hacen los gobiernos? Algunos políticos son tan visionarios y futuristas que quieren correr sin haber aprendido a caminar. O sea, quieren regular la IA, sus sesgos y ética, y en ello colocan sus aspiraciones políticas.
A los gobiernos les corresponde acompañar los tres pasos para aprovechar al máximo la IA: 1) diseñar las políticas públicas para desarrollar el ecosistema y la economía digitales que generen grandes volúmenes de datos; 2) facilitar, contribuir y otorgar certidumbre a las inversiones para el despliegue de infraestructura de Internet que soporte el procesamiento que demanda la IA, y 3) diseñar un sistema educativo que empodere la innovación, la ciencia, la tecnología y las carreras STEM. Y entonces sí, venga la regulación.