Recientemente he podido ver que el concepto de Inteligencia Artificial (IA) se está citando de manera frecuente en artículos y notas relacionadas a tecnología, aunque también en notas que tienen que ver con el combate al lavado de dinero.
Y es que la tecnología basada en la IA ha generado muy altas expectativas de impactar la forma en que vivimos al día de hoy.
Se habla de una revolución tecnológica, que impactará el mercado laboral, en donde se desplacen puestos de trabajo que actualmente están ocupados por gente y se ocupen por robots especializados; robots que incorporen tecnología inteligente, que permita prescindir de la inteligencia humana. Cierto es que ya lo estamos viviendo.
Somos testigos de artefactos electrónicos o gadgets en el mercado, que incorporan aplicaciones de IA y con las cuales podemos interactuar. Un ejemplo muy ilustrativo es el asistente SIRI de los dispositivos de la marca Apple, con los que podemos conversar en lenguaje natural. La competencia no se queda atrás, los dispositivos Android (llamados así por su sistema operativo), también cuentan con distintos asistentes virtuales, que es como se le denomina a este tipo de aplicaciones.
La IA no es una rama de la computación nueva, los primeros intentos por tener tecnología de este tipo datan de los años 50’s del siglo pasado, o sea, hace poco más o menos, 65 años, aunque no es sino hasta recientemente, que vemos aplicaciones basadas en este tipo de tecnología y que podemos utilizar de manera cotidiana.
Pero, ¿qué es la IA? Bueno, es una rama de la computación orientada al desarrollo de máquinas que piensen o se comporten (dependiendo de la corriente a la que uno se acerque a buscar la definición) en la forma en la que lo hace un humano. Muy ilustrativa es la prueba de Turing (Alan Turing, matemático, lógico y científico de la computación del siglo pasado), la cual pretende calificar la conducta de una computadora como inteligente. La prueba consiste básicamente en que un evaluador converse con una contra-parte por medio de un teletipo, si el evaluador al final no sabe si su contra-parte es una computadora o un humano, la prueba se considera superada, por supuesto, si la contra-parte es una computadora.
Por mucho tiempo los avances de la IA no fueron claros ni evidentes al mercado de la computación, debido a los pobres resultados en aplicaciones de la vida diaria, pero recientemente, gracias a los avances de otras ramas de la computación y por otro lado a los grandes volúmenes de información disponibles, la IA ha tenido mayor oportunidad de tener aplicaciones que ayuden a solucionar problemas reales.
Gran parte de los sistemas inteligentes que se han logrado al día de hoy, utilizan entre sus componentes redes neuronales, que son en esencia sistemas que simulan la forma en que trabaja un conjunto de neuronas humanas, en sus conexiones y en su comportamiento.
Una vez que se tiene preparada una red neuronal para un propósito específico, se tiene que “entrenar” con la finalidad de que la red adquiera inteligencia propia. La gran cantidad de datos que hoy existen para distintos propósitos y en diferentes campos de aplicación, permiten tener redes neuronales muy bien entrenadas y bastante efectivas. A la técnica que construye sistemas inteligentes por medio de redes neuronales y entrenadas con grandes volúmenes de datos, se le conoce como Aprendizaje de Máquina (Learning Machine) y permite descifrar comportamientos en datos que reflejan hechos y por lo tanto, predecir hechos futuros.
A pesar de los buenos resultados en sistemas construidos con redes neuronales, existe un problema: el sistema aprende tan bien, que en ocasiones es difícil entender la forma en que solucionó determinado problema, ni siquiera el programador del sistema inteligente es capaz de descifrar el comportamiento del sistema. Este tipo de situaciones se han presentado con técnicas llamadas Aprendizaje Profundo (Deep Learning) y es un problema que debe ser resuelto antes de que este tipo de técnicas avancen, ya que para muchos campos, es imprescindible saber cómo está trabajando una máquina inteligente.
En la lucha contra el lavado de dinero, los sistemas inteligentes que encontramos en el mercado, en su gran mayoría, o incorporan tecnología de Aprendizaje de Máquina (Learning Machine), o son sistemas construidos basados en reglas definidas por expertos en la materia, y a final de cuentas, estos sistemas deben contar con la interacción de un experto humano (de hecho, a este tipo de sistemas se les conoce como sistemas expertos).
Dada la criticidad de la labor contra el lavado de dinero, debemos tener la certeza de lo que está haciendo un sistema inteligente, en caso de que no la tengamos, es complicado tener sistemas totalmente autónomos. Lo cierto es que la capacidad de procesamiento y de inferencia de los sistemas inteligentes actuales, representan una poderosa herramienta para monitorear mercados, clientes, sectores, etc.
Los avances de la IA continuarán y seguramente en un futuro muy cercano, tendremos sistemas capaces de trabajar de manera autónoma y que optimicen la labor de áreas de prevención de lavado de dinero que hoy son conformadas por equipos de analistas robustos.