Definir la Inteligencia Artificial (IA) es algo muy elaborado, puesto que es un concepto que está en constante cambio y evolución. La Inteligencia Artificial va más allá de las máquinas que van a destrozar al mundo como en Terminator, y no es toda esta ciencia ficción que se ve en las películas postapocalípticas. De esta manera, es extremadamente necesario dar una explicación real de qué es la IA. Así que, básicamente, la Inteligencia Artificial son todas las máquinas que pueden leer, razonar y escribir por sí solas. En cierta manera, es como si pudieran tomar sus propias decisiones de la manera en que los humanos o animales lo hacen.

De este modo, se puede clasificar a la Inteligencia Artificial en tres niveles: Inteligencia Artificial Estrecha (ANI, por sus siglas en inglés), que se le denomina así cuando la IA es capaz de realizar una tarea específica. Por otra parte está la Inteligencia General Artificial (AGI), que es cuando la IA equivale a la inteligencia de un humano. Y se denomina la Inteligencia Artificial Superior (ASI) cuando la IA trasciende la inteligencia humana.

Aun así, sea una inteligencia superior, igual o inferior, la base gracias a la cual la IA funciona son los algoritmos. Básicamente, estos son una serie de instrucciones que se deben de seguir para completar una tarea dada.

En su libro The Master Algorithm, Pedro Domingos dice que un algoritmo es una secuencia de instrucciones que le dicen a una computadora qué debe hacer. Los algoritmos son reducibles a tres simples operadores lógicos: AND, OR y NOT. Cuando estos operadores se unen se pueden lograr códigos increíbles, pero lo más asombroso de todo es que la raíz de los algoritmos sigue asociaciones racionales simples.

Como parte de la IA, se encuentra el Aprendizaje Automático o machine learning (ML), que Erik Brynjolfsson y Andrew McAfee, de Harvard Review, catalogaron como la sección más importante de la IA para las empresas. Los algoritmos de ML usan estadísticas para encontrar patrones en cantidades masivas de datos. Luego, utilizan estos patrones para hacer predicciones.

La gente usualmente cuando se refiere a algoritmos imagina todas las operaciones que ocurren para que vean sus anuncios de Facebook o cuando observan sus videos en TikTok, pero va un poco más allá. El hecho es que la mayoría de nosotros no conoce bien cómo funcionan nuestras computadoras (o nuestros teléfonos o relojes), pero tendemos a tener al menos una idea general de lo que es el código. Debido a que es menos familiar, el algoritmo tiende a enfatizar nuestra incertidumbre.

Entonces, ¿qué hace que los algoritmos sean especiales? Pues, en términos generales, cuando la gente habla de algoritmos en estos días, está hablando de algo más específico, como las operaciones que impulsan nuestros feeds de noticias en redes sociales. De una forma u otra, la mayoría de estos sistemas son ejemplos de una tecnología mencionada previamente, que es el Aprendizaje Automático. Es así como en lugar de procesar repetidamente un conjunto estable de instrucciones, los sistemas basados ​​en el ML se reescriben a medida que funcionan. Es esto lo que asusta a algunas personas, ya que hace que los algoritmos suenen como si estuvieran vivos, posiblemente hasta sintientes. (Para ser claros, no son ninguno).

Incluso dentro de la informática, el Aprendizaje Automático es notablemente opaco, pero también es cada vez más importante para la forma en que se vive, por lo que es aún más relevante dispersar esa niebla. Sin embargo, parte del problema es que los algoritmos de ML se programan a sí mismos de manera efectiva, lo que significa que a veces pueden ser impredecibles o incluso un poco extraños. Sus operaciones a veces son oscuras, hasta para los mismos programadores.

Siendo así, las industrias están recorriendo el camino que conduce a la transformación digital y la automatización, y la IA es la compañera constante. No muchos saben que la Inteligencia Artificial permaneció estancada durante décadas, pero en este instante está experimentando un crecimiento y desarrollo masivos. Ahora la pregunta es: ¿qué hace que la IA sea tan poderosa? Bien, la respuesta es la presencia de los lenguajes de programación más populares para el Aprendizaje Automático y la Inteligencia Artificial.

De esta manera, se probaron y estudiaron diversos lenguajes de programación para ver cuáles eran los mejores en términos de potencial y de facilidad de uso. 

Python

Python es el lenguaje más usado a nivel global con 8.2 millones de usuarios. Es un lenguaje de sistema operativo multiplataforma y propósito general. Su sintaxis simple, poca codificación y alta disponibilidad de bibliotecas listas para usar lo hace aún más popular entre los desarrolladores. Es un lenguaje de programación de IA de código abierto que se puede usar para crear pequeños scripts que lo vuelven todavía más adecuado para IA.

Lo que más agrada de Python es que es fácil de entender y aprender para los estudiantes que están empezando, pues sus keywords están en inglés y tiene una sintaxis definida con precisión. De igual manera, al ser un lenguaje multiparadigma, Python permite integrarse con otros lenguajes como C, C++, Java y Cobra, mientras permite varios estilos de programación, como son programación orientada a objetos (POO), programación imperativa y programación funcional.

PROS:

• Es extremadamente fácil de escribir.
• Minimalismo. Se pueden desarrollar aplicaciones con un menor número de líneas de código a comparación de otros lenguajes como Java.
• La mayoría de los cursos que hay para IA y ML son en este lenguaje.
• Tiene muchas librerías y frameworks.
• Comunidad muy grande.

CONTRAS:

• Es más lento a comparación de otros lenguajes como Java.
• No es compatible con el desarrollo de apps móviles.
• No es una buena opción para el desarrollo de juegos.

C++

C++ podría ser considerada la alternativa más obvia para IA, y merece ser llamado el mejor lenguaje para ML. Los motores de búsqueda utilizan C++ para aprovechar menos tiempo de respuesta. Es muy interesante porque se puede utilizar para construir redes neurales. La mejor ventaja del lenguaje son sus cálculos rápidos que resuelven cálculos complejos del desarrollo de la IA. Con la capacidad de un lenguaje de programación de bajo y alto nivel, C++ tiene un mayor nivel de control y eficiencia en comparación con cualquier otro lenguaje.

Debido a que C++ tiene una sintaxis compleja, puede que no siempre sea la primera opción como lenguaje de programación de IA, pues tiene limitaciones porque la biblioteca estándar es pequeña y no admite la recolección de basura. Aunque tiene una mayor eficiencia de control, los proyectos grandes de C++ son difíciles de mantener y su desarrollo requiere mucho tiempo.

C++ es el lenguaje informático más rápido, proporciona una ejecución más rápida y tiene menos tiempo de respuesta que se aplica en motores de búsqueda y desarrollo de juegos de computadora. Además, el lenguaje permite un uso extensivo de algoritmos y es eficiente en el uso de técnicas estadísticas de IA. Otro factor importante es que admite la reutilización de programas en desarrollo debido a la herencia y el ocultamiento de datos, por lo que es eficiente en tiempo y ahorro de costos.

PROS:

• Bueno para encontrar soluciones a problemas complejos de IA.
• C++ es una programación de múltiples paradigmas que admite principios orientados a objetos, por lo que es útil para lograr datos organizados.

CONTRAS:

• Pobre en multitasking. C++ es adecuado únicamente para implementar el núcleo o la base de sistemas o algoritmos específicos.
• Muy complejo (dificulta que los desarrolladores lo usen para escribir programas de IA).

R

El lenguaje R es un lenguaje estándar que se utiliza para el análisis estadístico y numérico. Su uso se ve principalmente en los campos de la biología, la sociología y las finanzas. Durante mucho tiempo, este lenguaje fue asociado a ciencia y datos, pues R es un lenguaje interpretado y tipado dinámicamente. Es de los mejores para estadística, ya que se pueden producir diagramas, introducir símbolos matemáticos y trabajar con fórmulas en cualquier momento necesario.

Es un lenguaje de propósito general muy útil para Inteligencia Artificial, pues tiene varios paquetes, como RODBC, Gmodels, Class y Tm, que se utilizan en el campo de la IA y el ML. Estos paquetes ayudan en la implementación de algoritmos de Aprendizaje Automático fácilmente. Muchas organizaciones usan R para análisis de datos, modelado de Big Data y visualización.

PROS:

• Sus bibliotecas para procesar grandes cantidades de datos son mejores que otros lenguajes como Python, ya que su paquete NumPy es comparativamente poco refinado.
• R permite el trabajo en varios paradigmas de programación como la funcional, el cálculo vectorial y la POO.

• Tiene una amplia variedad de bibliotecas y paquetes para ampliar sus funcionalidades.
• Capaz de trabajar en conjunto con C, C++ y Fortran

CONTRAS:

• Es un lenguaje muy difícil de aprender. La curva de aprendizaje indica que es muy complejo para la mayoría de los estudiantes y requiere conocimientos previos de algún otro lenguaje para poder comprenderlo. De igual manera, si el programador o la programadora no conoce cómo funcionan las librerías, es muy difícil que pueda utilizarlas.
• Velocidad. A comparación de otros lenguajes como Python o Matlab, las bibliotecas de R hacen que sea muy tardado al cargar. 
• R requiere que el almacenamiento de información ocurra en la memoria física a comparación con otros lenguajes como Python. Siguiendo esta línea, el primero requiere mucha más memoria para almacenar la misma información.

Java

El lenguaje de programación Java es el segundo más popular a nivel global para ML e IA. Java en sí es fácil de implementar en diversas plataformas debido a su tecnología de virtual machine que logra que una vez que estén escritos y compilados los códigos en la plataforma, los programadores no deben volver a compilar. A esto se le conoce como el Principio de WORA (Once Written Read/Run Anywhere). Este lenguaje estándar, multiparadigma y  de propósito general permite que los códigos corran de forma rápida y adecuada. Se utiliza mucho para NLP y algoritmos de búsqueda, así como para redes neurales.

A pesar de que la ejecución de los programas es mucho mejor a comparación de otros lenguajes de programación, el aprendizaje y la programación de este lenguaje es más complejo. Se usa en una gran variedad de cosas, como juegos, web y aplicaciones móviles y de escritorio. A pesar de ser una muy buena opción, el campo del Aprendizaje Automático está dominado principalmente por Python y por R.

PROS:

• Se utiliza en una gran variedad de aplicaciones móviles, web y de escritorio.
• Portátil. Permite que el programador corra y escriba códigos donde sea, pues funciona en todas las plataformas como Windows, Mac, Linux, Raspberry Pi y más, debido a su tecnología Virtual Machine.
• Es fácil de hacer el debug y de utilizar. 

CONTRAS:

• Java es más lento que otros lenguajes como C++, ya que tiene menor velocidad en la ejecución y mayor tiempo de respuesta.
• Java sigue siendo un lenguaje de programación de IA relativamente “inmaduro”, al tener algunas actualizaciones necesarias que aún no ocurren, como JDK 1.1 que sigue en beta.

Julia

Julia es un lenguaje de programación dinámica relativamente nuevo. Es el mejor para IA y ML, especialmente cuando una tarea requiere un análisis numérico computacional de alto nivel. Es un lenguaje open source, de gama alta y de propósito general que consta de numerosas librerías, cálculos floating-point, generación de números aleatorios y comparación de expresiones regulares. Los distintos aspectos del diseño y la estructura de Julia incluyen un sistema de tipos con polimorfismo paramétrico, un lenguaje de programación dinámico único y múltiples despachos como su paradigma de programación central.

Al ser un lenguaje tan moderno, Julia retoma conceptos y funcionalidades de entornos cualitativos como R y Python, mientras posee la velocidad de lenguajes de producción como Java y C++ para resolver problemas basados en análisis y Big Data. Muchas de sus características están bien diseñadas para la ciencia computacional y el análisis numérico de alto rendimiento.

PROS:

• Velocidad. Al ser diseñado para facilitar el análisis estadístico, Julia es uno de los programas más rápidos que existen.
• Sintaxis más flexible que permite que algunas cosas se expresen de forma más tersa. No es tan extremo como Perl o Ruby, pero tiene más diversidad sintáctica que Python.
• Macros y habilidades de metaprogramación. Macros AST de estilo LISP que permiten manipular el código como datos. Todas las macros tienen el prefijo @, por lo que siempre se sabe cuándo se están utilizando.
• Mejor soporte para programación funcional. Sin recursividad perezosa e infinita, pero debido a la forma en que funciona el compilador, el uso de muchas funciones pequeñas suele ser más rápido que menos funciones largas.

CONTRAS:

• Al ser un lenguaje tan nuevo, es inmaduro. No hay tantas librerías como en Python.
• No es tan popular aún, por lo que no existe tanta documentación para principiantes.
• No hay compatibilidad con la POO clásica aunque haya bibliotecas de terceros con macros para esto.

LISP

Siguiendo al lenguaje más nuevo de la lista, viene el más antiguo. Lisp (List Processing) se puede utilizar de forma eficaz para ML, ya que es muy flexible y se adapta a la solución. Es un lenguaje de tipado dinámico y propósito general conocido por su rápida creación de prototipos y la creación de nuevos objetos. También permite reorganizar el programa mientras se ejecuta. LISP ha tenido un impacto positivo en la creación de muchos lenguajes de programación de Aprendizaje Automático como Python, Julia y Java.

Lisp es uno de los lenguajes de programación adecuados más antiguos y populares para el desarrollo de IA. Hoy no habría ningún progreso en la IA si no fuera por LISP. Tenía ideas muy útiles (if-then-else, constructores, recursividad) para expresar las ideas que tenían los programadores. LISP es más eficaz para resolver cuestiones específicas. Se adapta a la solución para la que está escribiendo el programador. Eso es lo que lo diferencia de otros lenguajes de IA. Hoy en día, se usa principalmente para problemas de lógica inductiva y Aprendizaje Automático.

PROS:

• El lenguaje impulsa a los programadores a escribir mejores programas, pues como en C/C++ y Java, los desarrolladores crean programas más pequeños y eficaces que corren más rápido.
• La familia de lenguajes de programación Lisp facilita la creación de macros extensibles que posibilitan la creación de extensiones y complementos para su software.

CONTRAS:

• Falta de bibliotecas y librerías.
• Sintaxis demasiado compleja.

Prolog

Prolog es el primer lenguaje de programación lógica utilizado para Inteligencia Artificial y lingüística computacional. Prolog se utiliza para la planificación automatizada, la reescritura, el sistema de tipos y la demostración de teoremas. Es un lenguaje de programación declarativo donde los programas se expresan en términos de relaciones, y la ejecución ocurre al efectuar consultas sobre estas relaciones. Prolog es especialmente útil para aplicaciones de análisis de idiomas, razonamiento simbólico y bases de datos. 

Prolog es un lenguaje de programación lógica y fonética computacional que tiene su lógica de primer orden. Fue uno de los principales lenguajes de programación lógica y sigue siendo el más conocido entre estos lenguajes de programación lógica en la actualidad. Este es un lenguaje declarativo donde los programas se expresan en términos de relaciones, y la ejecución ocurre al efectuar consultas sobre estas relaciones. Prolog es especialmente útil para aplicaciones de análisis de idiomas, razonamiento simbólico y bases de datos.

PROS:

• Prolog tiene un manejo de listas incorporado esencial para representar estructuras de datos basadas en árboles.
• Es eficiente para la creación rápida de prototipos de programas de IA que se lanzarán módulos con frecuencia.
• Permite la creación de bases de datos simultáneamente con la ejecución del programa.

CONTRAS:

• A pesar de la antigüedad de Prolog, no se ha estandarizado completamente en el sentido de que algunas características difieren en la implementación, lo que hace que el trabajo del desarrollador sea engorroso.

El desarrollo de nuevas tecnologías y avances en materias como IA, ML y Blockchain lleva al mundo a eficientar los procesos en un periodo de tiempo reducido. Los mejores lenguajes de programación para IA explicados previamente habilitan software e interfaces humanas. Existen muchos lenguajes de programación disponibles para la ejecución de una tarea específica. C++ y Python se han utilizado ampliamente desde la última década, lo que allanó el camino para usarlos también para la programación de IA. Aunque los algoritmos están ampliamente disponibles, Python es el mejor lenguaje para programar IA debido a su facilidad de aprendizaje y su una amplia disponibilidad de bibliotecas para la ejecución del programa.

En cualquier caso, Python es fundamental para el Aprendizaje Automático en comparación con otros lenguajes de programación. Otro ejemplo es que Lisp es el más pagado. Sin embargo, la demanda de expertos en Lisp es pequeña. Muchos factores influyen en la popularidad del idioma, y ​​esto cambia rápidamente de un año a otro.

Python tiene un uso mucho más desarrollado que todos los demás lenguajes de programación. Asimismo, es imperativo mencionar que para proyectos de ML más importantes, la ventaja la tiene el lenguaje R, en particular en la simplicidad de la escritura. En comparación con Lisp, Python se ve socavado por varias bibliotecas de Aprendizaje Profundo, mientras que Lisp no se sugiere para esta zona.

Cuando se habla de Java, es superior a Python para desarrollar aplicaciones de escritorio, móviles, web y juegos. Asimismo, el interés por Java es mayor. En este sentido, seguramente Java es un lenguaje estable y disponible durante mucho tiempo. Sin embargo, es mucho más difícil aprender a comparación con Python, especialmente para los principiantes. Igualmente, es necesario dedicar mucho tiempo y atención a Java previo a comprender sus primeros proyectos genuinos de Aprendizaje Automático.

La Inteligencia Artificial está trayendo cambios a todo el mundo y está aquí para quedarse. Nadie quiere quedarse atrás, en persona o en términos comerciales. Es por eso que se necesita comprender cómo funciona la programación de IA y qué lenguajes de IA existen. El mundo no será el mismo en 20 años debido a la IA. Hoy ya vemos coches autónomos y, aunque creemos que es avanzado, las personas que lo desarrollan lo consideran una ANI. La Inteligencia Artificial todavía se encuentra en su forma juvenil. Grandes cosas están por venir.

Es importante comprender la Inteligencia Artificial y no mirarla como se describió en la película Terminator. Sí, algo así puede suceder, pero la probabilidad de que eso ocurra es muy baja. La conclusión es que se tiene que aprovechar la IA y las oportunidades que brinda, como una mejor atención médica, una detección más rápida de enfermedades, comunicaciones, automatización, educación, etc.