El aprendizaje automático y el análisis asistido son algunas de las herramientas que utiliza en la actualidad la llamada ‘inteligencia asistida’.

Inteligencia artificial, computación cognitiva, aprendizaje automático, minería de datos, procesamiento del lenguaje natural: La terminología que rodea a los esfuerzos por mejorar la forma en que las empresas acceden, clasifican y analizan las enormes cantidades de contenido que se crean cada día es casi tan amplia como el propio contenido, y no menos confusa. Las palabras se utilizan a menudo de forma intercambiable, y aunque algunas tienen definiciones claras, otras no.

Las afirmaciones de que la inteligencia artificial (IA) transformará la atención sanitaria, el derecho y los «negocios» en su conjunto son abundantes, pero al no estar definido el término, es difícil distinguir lo que es cielo azul y lo que es una oportunidad real.

Con todo, desde los hogares inteligentes hasta los coches autodirigidos y los chatbots, etiquetados como inteligencia artificial, la conversación debería empezar con una definición clara de lo que es y lo que no es la IA.

¿Qué es exactamente la IA?

La inteligencia artificial, en el sentido más amplio, es el acto de una máquina que resuelve un problema de forma similar a como lo haría un humano. La IA general no existe y probablemente nunca existirá. En cambio, lo que hoy se considera IA aplicada suele ser el acto de utilizar herramientas de software para ayudar a automatizar y acelerar procesos conocidos. Sin embargo, hay límites claros al alcance de esta automatización, sobre todo el problema del contexto y el conocimiento general.

Por ejemplo, si un contrato de asistencia sanitaria dice: «Todos los tratamientos dentales están cubiertos», un ordenador no podría analizar esto como respuesta a la pregunta «¿Están cubiertas las endodoncias?» sin saber que «endodoncia» es una forma de tratamiento dental. La respuesta a esa pregunta requiere una información que no figura en el contrato, sino en los conocimientos de la persona que lo interpreta. Este conocimiento no puede ser adquirido por un sistema informático sin un amplio apoyo humano.

Las herramientas de IA más útiles de la actualidad se acercan más a lo que se denomina «inteligencia asistida» (I.A.) que a la verdadera inteligencia artificial. Con la inteligencia asistida, los enfoques basados en la máquina apoyan un flujo de trabajo que sigue siendo ejecutado por humanos. El individuo sigue siendo responsable de aplicar su amplia experiencia e inteligencia humana al proceso, pero con una cantidad de material mucho menor. Las tareas pueden completarse de manera más eficiente, con mayor precisión y de forma más placentera debido a que el ordenador se encarga de los elementos rutinarios.

Por ejemplo, aunque la IA no sustituirá a los abogados en un futuro próximo, la inteligencia artificial puede acelerar considerablemente un proceso de eDiscovery o de fusiones y adquisiciones y aumentar la calidad de los resultados. En lugar de que un abogado revise y evalúe todos los contratos y luego traiga a expertos para que examinen determinadas cláusulas de cumplimiento, por ejemplo, la inteligencia asistida automatiza el análisis inicial de los contratos, encuentra todas las posibles cláusulas de cumplimiento, las desduplica y compara y presenta los resultados al experto, lo que permite asignar más recursos.

El aprendizaje automático (y profundo), el análisis estadístico y el procesamiento del lenguaje natural son herramientas de la inteligencia asistida. Con estas herramientas, los sistemas de inteligencia asistida pueden identificar temas y conceptos clave sin necesidad de que una persona lea cantidades masivas de contenido no estructurado.

Lenguaje natural

El procesamiento del lenguaje natural (PLN) es esencialmente la capacidad de un sistema para reconocer un flujo de símbolos como caracteres, un flujo de caracteres como palabras o un flujo de palabras como oraciones y, a continuación, asignar partes de la oración, definir roles semánticos y más, hasta que se haya alcanzado un cierto umbral de comprensión que luego puede ser utilizado para diferentes propósitos a través de una variedad de métodos. Esto puede incluir desde simples estadísticas hasta complejos algoritmos de aprendizaje automático. Muchas formas de PNL se basan en el aprendizaje automático, pero los enfoques más precisos y extensos disponibles hacen uso de grandes bases de datos de conocimientos codificados sobre el lenguaje.

El aprendizaje automático es la capacidad de una máquina para deducir un modelo a partir de flujos de información previamente analizados con el fin de clasificar contenidos (es decir, aprender y aplicar). El aprendizaje automático requiere que un sistema reciba materiales representativos de los que pueda aprender, como ejemplos de partes del discurso o imágenes, tras lo cual el sistema puede deducir las etiquetas correctas para una nueva entrada no encontrada previamente.

En resumen, cualquier sistema basado en el aprendizaje automático y el procesamiento del lenguaje natural requiere una gran cantidad de entrenamiento. Los sistemas más refinados también requieren un elemento humano muy real con una gran comprensión de la lingüística por adelantado para producir los resultados correctos de forma consistente.