CAPITULO 1

Retrocediendo en el tiempo hasta mediados de la década de 1990. Acaba de

recibir su primer correo electrónico, conectado a través de un módem de acceso
telefónico con una velocidad máxima de 56 kilobytes por segundo (es decir, 1/18
de megabyte por segundo). Escuchaste sobre esto llamado World Wide Web.
Estás pensando: ¿Esto es una moda? ¿Es solo una forma geek de comunicarse?
¿Será realmente útil? ¿Alguna vez irá a la corriente principal?
En 1995, el correo electrónico apenas existía (Hotmail se lanzó en 1996), el envío
de documentos por fax seguía siendo la norma, no había teléfonos inteligentes ni
Wi-Fi, Google no se inventaría por tres años más (1998) y las redes sociales
estaban limitadas a mensajes de texto. sistemas basados en tablones de
anuncios. La idea de hacer una videollamada desde un dispositivo de mano, no
importa de forma gratuita, era inimaginable. No fue fácil comprender hasta qué
punto Internet transformaría el mundo, sirviendo de plataforma para impulsar la
innovación.

El futuro del teléfono inteligente

Para 2025, su teléfono inteligente se habrá convertido en su dispositivo informático

principal. Sin embargo, no será lo que esperamos. Será más como una
combinación de tecnologías y dispositivos conectados. Con él puede cumplir
cómodamente con prácticamente todas sus necesidades comerciales y
personales. Las computadoras portátiles, los equipos de escritorio y los
dispositivos más grandes serán en gran parte redundantes, confinados a
aplicaciones de nicho. El investigador jefe de la investigación de mercado Kantar y
vicepresidente de investigación de Ex-Gartner, Carolina Milanesi, está de acuerdo.

Interactuando de formas novedosas

Tu dispositivo personal estará aún más interconectado con otros dispositivos,

eliminando la necesidad de una pantalla de teléfono inteligente incorporada. En
cambio, podrá proyectar imágenes en prácticamente cualquier cosa. Los lentes
(gafas graduadas, lentes de contacto, etc.) se convertirán en su pantalla, gracias a
los avances en la realidad aumentada (AR), permitiendo que el texto y los gráficos
se superpongan a cualquier cosa que mire, incluidas las superficies cotidianas,
como las paredes. Las compañías que incluyen a Google (con Google Glass como
un intento inicial) son jugadores AR notables. Una compañía llamada Innovega ha
estado trabajando varios años en ioptik, una lente de contacto en la cual puedes
proyectar imágenes, reemplazando lentes más grandes. Una compañía japonesa,
Aerial Burton, ha ideado hologramas 3D tangibles, utilizando láseres de
femtosegundo súper rápidos. Su dispositivo puede mostrar texto e imágenes en el
aire, sin usar una pantalla. Los avances en la detección y seguimiento del
movimiento natural, incluidos los gestos con las manos, el seguimiento del globo
ocular, el tacto háptico, etc. aumentarán nuestras capacidades de entrada
información, aumentando la riqueza de expresiones que se pueden capturar.
CAPITULO 2

La inteligencia artificial (AI) ha sido el foco de escritores de ciencia ficción y

productores de películas durante décadas. Contrariamente a la representación
típica de Hollywood de AI como un señor supremo malvado, el tipo débil de AI ya
impregna el mundo moderno de muchas maneras útiles. ¿Qué es la Inteligencia
Artificial? La inteligencia artificial (IA) es la rama de la informática relacionada con
hacer que las computadoras se comporten como los humanos. Los principales
investigadores y libros de texto de AI definen este campo como "el estudio y
diseño de agentes inteligentes", en el cual un agente inteligente es un sistema que
percibe su entorno y toma medidas que maximizan sus posibilidades de éxito.
John McCarthy de MIT, quien creó el término en 1955, lo define como "la ciencia y
la ingeniería de hacer máquinas inteligentes".
Una forma de clasificar AI es en relación con la inteligencia humana, es decir, en
tres categorías: estrecha, general y súper inteligencia.

Inteligencia Nariz Artificial (ANI)

También conocida como IA débil, es un tipo de inteligencia artificial que, como su

nombre indica, se enfoca estrechamente en un tipo de trabajo. Resulta que ya
estamos muy familiarizados con este tipo de IA. Desde el nivel del consumidor,
puede ver Inteligencia Narrativa Artificial (ANI), por ejemplo, en la forma en que su
banco detecta patrones de gastos anormales, con algoritmos especializados en
reconocer transacciones sospechosas. Los asistentes virtuales Siri y Google Now
de Apple también son un tipo de ANI. Las recomendaciones de Amazon, Netflix y
LinkedIn, adaptadas a sus preferencias particulares, conexiones, etc., también son
un tipo de ANI, basado en algoritmos altamente refinados.

Inteligencia Artificial General (AGI)

Mientras que los agentes de ANI pueden ser impresionantes haciendo un trabajo
altamente especializado, no pueden competir con la gama combinada de
funciones complejas realizadas por los seres humanos. La Inteligencia General
Artificial es el tipo de inteligencia artificial que puede combinarse con la inteligencia
humana, pudiendo realizar cualquier tarea intelectual que sea humanamente
posible. Esto incluye la capacidad de "razonar, planificar, resolver problemas,
pensar de forma abstracta, comprender ideas complejas, aprender rápidamente y
aprender de la experiencia", según lo describe la profesora Linda Gottfredson.
Hasta el día de hoy, AGI no se ha logrado. ¿Cómo podemos saber cuándo se
realiza? Luke Muehlhauser, del Machine Intelligence Research Institute presenta
cuatro pruebas para AGI que se han propuesto.
Prueba de Turing

Tal vez la más conocida es la Prueba de Turing, que examina la capacidad de una
máquina para exhibir un comportamiento inteligente equivalente o indistinguible
del de un ser humano. Alan Turing propuso que un evaluador humano juzgara el
lenguaje natural conversaciones entre un humano y una máquina que están
diseñadas para generar respuestas similares a las humanas. Un escenario de
victoria sería el siguiente: un programa resolverá la prueba si puede engañar a la
mitad de los jueces haciéndoles creer que es humano mientras interactúa con
ellos en una conversación de forma libre durante 30 minutos e interpreta la
información audiovisual. Me comuniqué con el físico Luis Flores Castillo, miembro
del equipo que descubrió el bosón de Higgs en el CERN. Señala que "la prueba
de Turing tiene un problema interesante asociado: apunta intrínsecamente a la
inteligencia a nivel humano, y no tiene ninguna disposición, ni expectativa, para la
posibilidad de superinteligencia". El experto en inteligencia artificial de Ben Coffee,
Ben Goertzel sugiere una prueba, la "prueba de café", como una definición
operativa potencial para AGI: entrar en una casa estadounidense promedio y
descubrir cómo hacer café, incluyendo identificar la máquina de café, averiguar
qué hacen los botones, encontrar el café en el gabinete, etc.

La prueba de empleo

Nils Nilsson, uno de los fundadores de AI, una vez sugirió una definición operativa
muy exigente para AGI, la prueba de empleo. Sostiene que las máquinas que
muestran una verdadera inteligencia a nivel humano deberían ser capaces de
hacer muchas de las cosas que los humanos pueden hacer. Entre estas
actividades se encuentran las tareas o "trabajos" en los que trabajan las personas.
Para pasar la prueba de empleo, los programas de IA deben ... [tener] al menos el
potencial [de automatizar por completo] trabajos económicamente importantes.
Esto nos lleva directamente a una de las áreas de investigación enfocada en AI: el
aprendizaje automático, o la capacidad de las computadoras para aprender por sí
mismas. En general, AGI plantea un problema filosófico más profundo, como lo
resalta Flores Castillo: "la conciencia me parece íntimamente entretejida con la
libertad y la emoción". La pregunta entonces es si AGI podría realmente alcanzar
la emoción, la libertad y la conciencia. ¿O estas cualidades están reservadas
exclusivamente para los seres humanos?

Aprendizaje automático

El aprendizaje automático es un tipo de inteligencia artificial (IA) que proporciona a

las computadoras la capacidad de aprender sin estar programadas explícitamente.
El aprendizaje automático se centra en el desarrollo de programas informáticos
que pueden enseñar a crecer y cambiar cuando se exponen a nuevos datos. Es
un subcampo de la informática que evolucionó a partir del estudio del
reconocimiento de patrones y la teoría del aprendizaje computacional en la
inteligencia artificial.
El aprendizaje automático explora la construcción y el estudio de algoritmos que
pueden aprender y hacer predicciones sobre datos. Tales algoritmos operan
construyendo un modelo a partir de entradas de ejemplo para hacer predicciones
o decisiones basadas en datos, en lugar de seguir instrucciones de programa
estrictamente estáticas.

Superinteligencia Artificial (ASI)

Nick Bostrom, filósofo de la Universidad de Oxford y principal pensador AI, define

la superinteligencia como "un intelecto que es mucho más inteligente que los
mejores cerebros humanos en prácticamente todos los campos, incluida la
creatividad científica, la sabiduría general y las habilidades sociales". La
Superintelligencia Artificial (ASI) puede variar desde una computadora que es solo
un poco más inteligente que un ser humano a una que es billones o billones de
veces más inteligente.

Posible amenaza existencial

Esta es la amenaza existencial de la que Stephen Hawking, Bill Gates y Elon Musk
entre otros han estado hablando. Es una amenaza real que debe abordarse con
cuidado. Elon Musk ha donado recientemente $ 10 millones al Future of Life
Institute, que "estudiará cómo mantener la inteligencia artificial amigable con la
inteligencia artificial". ¿Puede la humanidad frenar la capacidad potencial de ASI
para aniquilar la vida humana?

Conectando la Ley de Moore con la IA

¿Cuál es la conexión entre la Ley de Moore y la IA? El columnista Kevin Drum lo

presenta de una manera aleccionadora, le pide al lector que considere que el
volumen del lago Michigan (en onzas líquidas) es aproximadamente el mismo que
la capacidad de nuestro cerebro (en cálculos por segundo). Imagínese que de
alguna manera el lago Michigan se vació y se le dio la tarea de volver a llenarlo
(¿por qué yo podría preguntar?). La regla es que empiece por dejar caer una onza
de agua (aproximadamente dos cucharadas) y esperar 18 meses para que se
caiga el doble de líquido. Debe continuar, duplicando la cantidad cada 18 meses,
hasta que termine la tarea. ¿Cuánto tiempo tomaría esto? Resulta que si
comenzaste en 1940, para el año 2000 apenas verías un ligero brillo en el lecho
del lago. Para 2010, solo se habrían acumulado unas pocas pulgadas de agua. En
ese punto, puede sentirse tentado a pensar que, después de 70 años de arduo
trabajo, todo el esfuerzo es inútil. Pero la parte impactante es que dentro de 15
años, para el año 2025, terminaría, llenaría el lago a su capacidad. Es alucinante,
pero las matemáticas no mienten, este es el verdadero poder del crecimiento
exponencial y va en contra de nuestra intuición lineal. A pesar de ver la evidencia
de la Ley de Moore justo delante de nosotros, es fácil ignorar el verdadero poder
del crecimiento exponencial. Eso es porque nuestra intuición es lineal. En este
momento en su mayor parte creemos que nuestra tecnología es linda.
No solo es útil, sino increíblemente poderoso
De Siri a la asistente de inteligencia artificial de Iron Man

Según Peter Diamandis, en una década, los asistentes de inteligencia artificial de

próxima generación se parecerán más a JARVIS de Iron Man, con capacidades
ampliadas para comprender y responder, gracias al trabajo con IBM Watson,
DeepMind y Vicarious, entre otros. "En una década", señala Diamandis, "será
normal que le dé acceso a su IA para escuchar todas sus conversaciones, leer sus
correos electrónicos y escanear sus datos biométricos porque la ventaja y la
comodidad serán tan grandes".

El siguiente paso para la Ley de Moore?

Siguiendo la Ley de Moore en algún momento dentro de las próximas dos

décadas, descubriremos que ya no podemos reducir los circuitos en un
microprocesador ya medido a escala atómica, actualmente a 10 nanómetros. Por
lo tanto, el próximo paso sería cuántico informática, que realizaría cálculos
significativamente más rápido que cualquier computadora basada en silicio.
Según Jerry Chow, gerente del grupo Experimental Quantum Computing de IBM,
la computación cuántica tiene potencial para cosas como descubrimiento de
fármacos, diseño de fármacos (pruebas de combinaciones de fármacos por
billones a la vez), diseño químico y, con suerte, aplicaciones en el ámbito de la
bio-farmacia. Otras posibles aplicaciones incluyen resolver problemas complejos
de física que actualmente están más allá de nuestra comprensión y crear un
cifrado indescifrable mediante el uso de la criptografía cuántica.
Estamos haciendo un progreso constante hacia la disponibilidad de la
computación cuántica, considerada como el "Santo Grial" en la intersección de la
física, la mecánica cuántica y la informática.