Varias tecnologías nuevas han creado un revuelo en torno a la inteligencia artificial (IA) y lo que significa para nuestro futuro como sociedad. Cada tecnología proviene de diferentes ramas de la IA y plantea un conjunto único de ventajas y preocupaciones.
Deepfakes y las IA de clonación de voz dificultan que confíes en todo lo que ves o escuchas en Internet. Algunos dicen que es probable que ChatGPT y sistemas similares de inteligencia artificial de aprendizaje profundo generen redundancia laboral en varios campos. Surge una pregunta preocupante: "¿La IA finalmente reemplazará a los programadores?"
¿Qué es la inteligencia artificial?
La IA es una rama de la informática que se centra en la capacidad de un sistema para resolver problemas utilizando una (o más) de cuatro cualidades. Un sistema de IA puede pensar humanamente, actuar humanamente, pensar racionalmente y/o actuar racionalmente.
La historia de la inteligencia artificial
Aunque parece que la IA existe desde hace siglos, es un campo que cobró impulso a mediados del siglo XX. Una de las fechas más destacadas en la historia de la IA es 1956, este fue el año de la introducción oficial al campo de la inteligencia artificial. Esta introducción ocurrió en una conferencia en Dartmouth College.
Varios grandes nombres se relacionan con diferentes aspectos de los primeros avances en IA. Estos incluyen a Alan Turing, Marvin Minsky, Allen Newell, Herbert Simon, John Robinson y Alain Colmerauer.
actuar humanamente
En 1936, Alan Turing publicó un artículo titulado "Sobre números computables, con una aplicación al problema Entscheidung". En este documento, Turing introdujo el concepto de una máquina de Turing que, hasta el día de hoy, juega un papel importante en la IA. Demostró que, con el algoritmo correcto, una máquina de Turing puede realizar cualquier cálculo matemático.
Posteriormente, en 1937, Turing utilizó el problema de la detención para señalar las limitaciones de las máquinas inteligentes. Luego, en 1950, Turing definió la inteligencia artificial usando lo que él llama la prueba de Turing. Si un sistema de IA pasa la prueba de Turing, entonces ese sistema puede actuar humanamente.
pensar humanamente
Marvin Minsky es un nombre popular en el campo de la IA. Es conocido por desarrollar la primera máquina de aprendizaje de red neuronal conectada al azar, llamada SNARC en 1951. Las redes neuronales enseñan a las computadoras a procesar datos de manera similar al cerebro humano. La definición de IA de Minsky es que es “la ciencia de hacer que las máquinas hagan cosas que requerirían inteligencia si las hicieran los hombres”.
Allen Newell y Herbert Simon son otros dos pioneros en el campo de la IA, que se centraron en la capacidad de una máquina para simular el pensamiento humano. En 1956, presentaron el primer programa informático de procesamiento de símbolos, llamado Logic Theorist. En 1961, Newell y Simon desarrollaron el General Problem Solver (GPS), que básicamente imita el pensamiento humano.
pensar racionalmente
Ingrese a John Robinson, quien en 1965 publicó una revista titulada "Una lógica orientada a la máquina basada en el Principio de Resolución.” También inventó el cálculo de resolución para la lógica de predicados, que juega un papel vital papel en la IA.
La lógica de predicados es un lenguaje formal que utiliza la lógica para representar el pensamiento racional. Este lenguaje utiliza el marco de que las premisas correctas producirán conclusiones correctas. Por ejemplo, Alexa es una máquina; todas las máquinas facilitan el trabajo; por lo tanto, Alexa facilita el trabajo.
Avances recientes en inteligencia artificial
Como lo fue en sus inicios, el campo de la inteligencia artificial es hoy muy complejo con muchas ramas diferentes. Cada rama bajo el paraguas de AI está continuamente haciendo avances significativos.
El aprendizaje automático es una rama de la IA que utiliza algoritmos de datos para imitar el aprendizaje humano, lo que mejora su precisión en cada iteración. Uno de los subconjuntos más destacados del aprendizaje automático es el aprendizaje profundo. El aprendizaje profundo mejora el aprendizaje automático al reducir la necesidad de una máquina de asistencia humana.
Por ejemplo, si tenía imágenes de flores que deseaba agrupar por especie, el proceso de categorización diferirá según el tipo de sistema. Si su sistema usa aprendizaje automático, entonces tendría que establecer manualmente las características que distinguen a las especies. Sin embargo, un sistema que utiliza el aprendizaje profundo determinará las mejores características distintivas para cada especie por sí solo.
El aprendizaje profundo ha creado grandes olas en la industria en los últimos años, debido a varias tecnologías. ChatGPT es una tecnología de aprendizaje profundo que actualmente está recibiendo mucha atención.
Según ChatGPT, es:
un gran modelo de lenguaje creado por OpenAI. Es un programa de inteligencia artificial (IA) diseñado para comprender el lenguaje natural y generar respuestas similares a las humanas a varios tipos de preguntas e indicaciones. El modelo se basa en una arquitectura de aprendizaje profundo llamada transformador, que es capaz de procesar grandes cantidades de datos de texto y generando respuestas basadas en patrones y relaciones que ha aprendido de eso datos.
Desde su lanzamiento en el cuarto trimestre de 2022, ChatGPT ha sido tema de mucho debate. Lo que hace que este sistema de IA se destaque son sus habilidades de procesamiento de lenguaje natural, junto con su capacidad para aprender nueva información a través del aprendizaje reforzado a partir de la retroalimentación humana (RLHF). También parece poseer una gran capacidad para escribir y corregir código. Algunos dicen que esta tecnología representa la génesis de la extinción de los programadores humanos.
Características deseadas de un programador humano que la IA no puede replicar
Un sistema de IA puede aprender a escribir código que crea software. Sin embargo, reemplazar completamente a los programadores podría ser un poco más complicado. La capacidad de un sistema de IA puede permitirle reducir la fuerza laboral al ayudar a los programadores a trabajar más rápido, pero nunca podrá reemplazar verdaderamente a los trabajadores humanos. Una característica distintiva importante entre los programadores y los sistemas de IA es el cerebro humano y sus características complejas.
Según Andrew Ng, uno de los principales nombres de la IA en la actualidad:
una sola neurona en el cerebro es una máquina increíblemente compleja que aún hoy no entendemos. Una sola 'neurona' en una red neuronal es una función matemática increíblemente simple que captura una fracción minúscula de la complejidad de una neurona biológica.
La capacidad del cerebro para generar un nuevo pensamiento a partir de un aire aparentemente delgado está más allá de la comprensión humana. Ciertamente no es algo que un sistema de IA pueda replicar. Otra característica deseable de los programadores es la perplejidad de la creatividad, que nuevamente es algo que una máquina no puede replicar.
A través del aprendizaje profundo, la IA puede dar la impresión del pensamiento humano. Algunos sistemas de IA pueden tomar decisiones simples, pero estas decisiones palidecen en comparación con las capacidades de toma de decisiones del cerebro humano. AI puede escribir código, pero no es capaz de garantizar que el código que escribe sea el código correcto. Un sistema de IA no puede replicar el juicio humano, ni hay indicios de que pueda hacerlo en el futuro.
El futuro de la IA y la programación
Las tecnologías de IA como ChatGPT han demostrado cuán útil puede ser la IA para los programadores. Genera código rápidamente y puede ayudar con el flujo de trabajo general de un programador. Sin embargo, ChatGPT también ha demostrado que incluso la tecnología de aprendizaje profundo más avanzada que tenemos actualmente no puede manejar una autonomía completa. Se sabe que ChatGPT genera respuestas sin sentido a las preguntas, según OpenAI.
Por lo tanto, es plausible suponer que el futuro de la IA en la programación es uno de "ayudantes para" en lugar de "reemplazos de" programadores.
