El asombroso viaje de la inteligencia artificial: desde sus inicios a hoy

La inteligencia artificial (AI) ha recorrido un largo camino desde sus humildes comienzos. Todo empezó como una idea de ciencia ficción pero que viene evolucionado hasta convertirse en una realidad que hoy impacta todas las industrias, incluidas la gestión de proyectos y la construcción.

El término ‘artificial intelligence’ (AI) fue acuñado por John McCarthy en 1956 durante el histórico 'Dartmouth Summer Research Project', entre otras cosas, por su neutralidad como término, que le permitía alejarse de ideas como la cibernetica y de algunos personajes destacados, como Norbert Wiener, que podian eclipsarlo, pero que sentó las bases para el desarrollo de esta disciplina.

Aunque hoy se emplean definiciones de la AI simples y bellas como “cerebros digitales dentro de grandes computadoras” ( Ilya Sutskever ), en aquella época, la AI se definía como el intento de crear máquinas capaces de pensar y aprender como los humanos.

Aunque el progreso inicial fue lento, los hitos clave en la historia de la AI han moldeado la tecnología tal como la conocemos hoy.

El año 1966, el primer producto AI en capturar la imaginación del público fue ELIZA (nombrado en homenaje a un personaje de ‘Mi fair lady’ llamada Eliza Doolittle), programa desarrollado por Joseph Weizenbaum en el MIT Professional Education .

ELIZA simulaba una conversación simple en lenguaje natural y, aunque era un experimento básico, fue uno de los primeros ejemplos de AI que interactuaba con humanos de manera “creíble”. Este hito despertó interés, pero también dejó claro cuán lejos estaba la AI de comprender realmente el lenguaje humano.

El interés por la AI aumentó el año 1997 con la derrota del genio del ajedrez Garry Kasparov por el super ordenador Deep Blue de IBM . Fue la primera vez que una máquina derrotaba a un campeón mundial, marcando un antes y un después en la percepción pública sobre las capacidades de la AI.

La IA continuó su ascenso en 2016 cuando el programa de AI de Google , AlphaGo, venció a Lee Sedol, campeón mundial de Go. Este juego, mucho más complejo que el ajedrez, representó un desafío monumental que AlphaGo resolvió gracias a un enfoque basado en redes neuronales profundas y aprendizaje por refuerzo.

El match entre AlphaGo y Lee Sedol fue un evento monumental seguido por mas de 200 millones de personas y transmitido en vivo por muchos canales como YouTube . Lideres como Elon Musk , Eric Schmidt y Sundar Pichai siguieron el evento de cerca, impresionados por los avances en AI y conscientes de las implicaciones más amplias que estos avances tendrían en el mundo.

El ascenso del ‘Machine Learning’

Estos logros no habrían sido posibles sin los avances en ‘machine learning’ (ML), una rama de la AI que permite a las máquinas aprender de los datos en lugar de ser programadas explícitamente. Durante los primeros años, los modelos de ML estaban limitados por su capacidad para procesar grandes cantidades de datos, pero a medida que el hardware y el software evolucionaron, también lo hicieron los algoritmos de ML.

El ML permitió a las máquinas encontrar patrones en datos que los humanos no podían detectar. Es importante entender que el manejo de los datos empezó a tener creciente importancia en la AI.

El impacto de las redes neuronales

Las redes neuronales, inspiradas en la estructura del cerebro humano, fueron propuestas en la década de 1950, pero no fue hasta la llegada de la computación moderna que demostraron su verdadero potencial. A pesar de su promesa inicial, las redes neuronales se estancaron durante años debido a limitaciones en la capacidad de procesamiento y la falta de datos suficientes para entrenarlas de manera efectiva.

Sin embargo, en los últimos años, el descubrimiento de la eficiencia de las unidades de procesamiento gráfico (GPU), pensadas inicialmente para ser usado en videojuegos pero que tienen la ventaja de realizar cálculos en paralelo, y la disponibilidad de grandes cantidades de datos, permitió un renacimiento en el campo de las redes neuronales, sentando las bases para lo que hoy conocemos como ‘Deep Learning’.

‘Deep Learning’: la revolución

El ‘Deep Learning’ (DL), como subdisciplina del ML que utiliza redes neuronales profundas para realizar tareas complejas como el reconocimiento de imágenes, la traducción de idiomas y, luego, la generación de texto, tuvo como principal limitacion la dificultad para procesar secuencias largas de información, como el lenguaje natural.

Este desafío fue resuelto con el 'paper' 'Attention is all you need', publicado en 2017 por investigadores de Google liderados por Ashish Vaswani y Niky Parmar entre otros, perfeccionado el “mecanismo de atención”, clave para el desarrollo de los ‘transformers’, una arquitectura que revolucionó el procesamiento del lenguaje natural y permitió el surgimiento de los 'Large Language Models' (LLMs), como GPT-3 y GPT-4.

Los ‘transformers’ permitieron a las máquinas procesar grandes volúmenes de texto con una precisión sin precedentes, dando lugar a modelos generativos de AI como los que vemos hoy en día en aplicaciones de generación de texto, código y arte digital.

La era de la inteligencia generativa

El surgimiento de la Inteligencia Generativa (GenAI), representada por modelos como ChatGPT, ha abierto un nuevo capítulo en la evolución de la AI y su potencial transformativo es tan grande que Andrew Ng lo llama “la nueva electricidad”.

Estos modelos no solo pueden comprender y generar texto, sino que también pueden colaborar con humanos para resolver problemas complejos como la atención médica, el marketing y la educación.

Naturalmente, estos avances de la AI se estan dando en la gestión de proyectos de infraestructura.

El futuro: la AI en la gestión de proyectos de infraestructura

Si bien la AI ha revolucionado muchas industrias, el sector de la gestión de proyectos de infraestructura tiene ante sí una oportunidad sin precedentes. Las herramientas impulsadas por AI, junto con las herramientas de gestión establecidas por el Project Management Institute , están preparadas para cambiar la forma en que gestionamos proyectos de gran escala, como la construcción de puentes, autopistas, aeropuertos y sistemas de transporte.

Mediante este ambiente, existen nuevas formas de prever riesgos, optimizar recursos, y mejorar la comunicación en equipos que a menudo están dispersos geográficamente. Uno de los mayores retos que enfrentan el ‘project manager’ es lidiar con la complejidad y las incertidumbres inherentes a los grandes proyectos de infraestructura. Aquí es donde entra en juego la AI.

Con modelos predictivos, análisis de datos avanzados y capacidades de automatización, la AI puede ayudar a anticipar retrasos, gestionar presupuestos de manera más precisa y mejorar la toma de decisiones en tiempo real.

Pero no se trata solo de automatizar tareas repetitivas. La AI también está mejorando el proceso de toma de decisiones estratégico, permitiendo que el ‘project manager’ identifiquen patrones ocultos en los datos del proyecto, como desviaciones en los cronogramas o la necesidad de redistribuir recursos. Esto lleva a una mayor eficiencia y a la capacidad de adaptarse rápidamente a cambios inesperados.

En este contexto, mi misión es simple y unica: “ayudar al project manager a entregar valor en sus proyectos de infraestructura”.

Al integrar las mejores prácticas del Project Management Institute con tecnologías de IA, quiero ofrecer soluciones que no solo optimicen el rendimiento, sino que también hagan el trabajo más fácil y accesible para los profesionales de todo el mundo. Mi objetivo es hacer que las empresas gestionen mejor sus proyectos, empleando la AI para maximizar el valor de cada iniciativa.

En última instancia, la verdadera revolución no será solo tecnológica, sino en la forma en que el ‘project manager’ utilizan estas tecnologías para resolver problemas complejos con mayor agilidad y precisión. Al utilizar AI en combinación con los sólidos estándares de gestión de proyectos del Project Management Institute , estamos entrando en una nueva era de gestión de proyectos de infraestructura, donde lo que antes parecía imposible, ahora es alcanzable.

Como siempre, todo empieza en la mente de las personas.

#AI #Projec Manager