Para aclarar algunas otras respuestas a esta pregunta: el aprendizaje autorreferencial ha sido un área de investigación desde finales de los años 80 con algunos resultados interesantes: Metalearning.
Entonces, sí, ya tenemos programas que pueden actualizarse basándose en evidencia nueva (en el sentido temporal) (redes neuronales recurrentes), o cambiar reordenando sus propios módulos (programación genética) o actualizando sus propios parámetros (programación evolutiva), etc. Como dice Jürgen Schmidhuber, “el metaaprendizaje puede ser el objetivo más ambicioso pero también más gratificante del aprendizaje automático”.
Pero la pregunta es, ¿qué tan bien es justo la inteligencia artificial actual cuando compite con los humanos? Esta es una pregunta muy compleja. Y solo para rascar la superficie, necesitamos mirar a humanos contra máquinas en varias perspectivas diferentes:
- ¿Por qué los motores de reserva en línea se consideran la opción más inteligente para mejorar el negocio de los viajes en línea?
- ¿Qué tecnología existe que pueda debilitar o redirigir los huracanes?
- ¿Qué implicaría una presidencia de Trump para la industria tecnológica en términos de competencia por el talento?
- ¿Por qué el email marketing es la mejor herramienta para retener clientes en la industria de viajes?
- ¿Cuántos años le tomará a China cerrar la brecha tecnológica con los Estados Unidos?
1. En algunas tareas de búsqueda muy específicas, la IA puede superar a los humanos por un amplio margen.
Tenemos algoritmos de ajedrez que siempre vencerán a nuestros mejores jugadores de ajedrez humanos. IBM Watson (computadora) es capaz de ganar contra cualquier humano respondiendo trivialidades.
2. La IA se está poniendo al día rápidamente en la tarea de reconocimiento de patrones.
Visual: computadora de Google que reconoce el gato. Microsoft Kinect
Audio – Reconocimiento de voz, Shazam
Resumen: procesamiento del lenguaje natural, inferencia de secuencias enteras, bioinformática … básicamente todos los problemas de aprendizaje automático fuera de la visión artificial y las tecnologías del lenguaje.
3. Los algoritmos de IA pueden comunicar conceptos abstractos entre sí a una velocidad mucho más rápida y una latencia mucho más baja que los humanos
Representación del conocimiento y razonamiento
4. El desafío fundamental en la IA es el razonamiento, la reaplicación del conocimiento del dominio y la aplicación del aprendizaje fuera del dominio.
La inteligencia en los organismos vivos superiores es algo difícil de entender. Pero una cosa de la que estamos seguros es que para que el conocimiento sea más útil, los resultados del aprendizaje deben reutilizarse de manera flexible. Para los humanos, a eso le llamamos razonamiento y creatividad.
En las máquinas, nuestras soluciones a los problemas suelen ser ambiciosas: creamos un algoritmo que resuelve muy bien un problema o tipo de problemas en particular, y el programa ni siquiera considera otros problemas.
La moraleja de la historia es que, hasta ahora, la inteligencia artificial solo ha sido capaz de enriquecer la vida humana y ayudar en los esfuerzos humanos. Las máquinas son incapaces de un alto nivel de creatividad y razonamiento hasta el punto de que actúan contra el interés humano sin reglas explícitas por parte del programador. (virus, spywares).
Aparte: Stephen Hawking podría ser un gran físico teórico, pero escucharlo hablar sobre IA es similar a escuchar a Steve Jobs hablar sobre física teórica.