Inteligencia Artificial en acción (parte 4)
“La tecnología es mejor cuando junta a las personas”: Matt Mullenweg (programador estadounidense, conocido por crear el sistema de gestión de contenido WordPress)
🖋 David Moisés Terán Pérez *
Continuamos con esta saga que desarrolla un tema vigente, importante y disruptivo, además de ser un hito tecnológico: “Los diferentes tipos de Inteligencia Artificial y sus diversas aplicaciones en la cotidianidad”, con la finalidad de conocer esta herramienta tecnológica, así como sus implicaciones en nuestra cotidianidad. ¡Que la imaginación sea el límite! En esta ocasión -y para esta cuarta entrega se hará una descripción/comparativa de dos inteligencias utilizadas en aplicaciones muy específicas, y son: IBM Watson Health®; y de Google DeepMind® (AlphaGo®). Comencemos.
- Introducción a IBM Watson Health®
IBM Watson Health®: Es una plataforma de la inteligencia artificial (IA), diseñada para transformar la industria de la salud, mediante el análisis de datos médicos complejos, la asistencia en los diagnósticos, y la personalización de tratamientos. Basado en tecnologías del procesamiento del lenguaje natural (NLP), del aprendizaje automático, (machine learning), y los grandes almacenes de datos (Big Data); por lo tanto, IBM Watson Health®, ayuda a los médicos, a los investigadores, y a las organizaciones sanitarias, a tomar decisiones más precisas y rápidas (IBM, 2023).
Aplicaciones clínicas de IBM Watson Health®:
- Diagnóstico asistido por la inteligencia artificial (IA) en oncología: Watson para la oncología, es una de las herramientas más conocidas de IBM Watson Health®. Analiza historiales médicos, informes de patología y estudios clínicos para recomendar opciones de tratamiento personalizadas para pacientes con cáncer. Por ejemplo, en el Manipal Hospitals (en la India), Watson ayudó a oncólogos a identificar tratamientos con un 93% de concordancia con las recomendaciones de los expertos (Manipal Hospitals, 2021).
- Descubrimiento de fármacos y en la genómica: Watson for Drug Discovery, acelera la investigación farmacéutica, analizando millones de artículos científicos y de datos genómicos. En el año 2020, colaboró con Pfizer™, para identificar posibles terapias contra la COVID-19, reduciendo el tiempo de análisis de meses a sólo días (Pfizer, 2020).
- Gestión de las enfermedades crónicas: En la diabetes mellitus, Watson Health analiza datos de glucosa en la sangre, los hábitos alimenticios, y la actividad física para ofrecer recomendaciones personalizadas. Un estudio con la American Diabetes Association, mostró una mejora del 25% en el control glucémico de los pacientes (American Diabetes Association, 2022).
- Predicción de brotes epidemiológicos: Durante la pandemia de la COVID-19, Watson Health analizó datos de las redes sociales, de los registros hospitalarios, y de la movilidad, para predecir brotes. En colaboración con el CDC, identificó zonas de riesgo con un 85% de precisión (CDC, 2021).
- Optimización de los recursos hospitalarios: En la Clínica Cleveland, Watson optimizó la asignación de camas y de quirófanos, reduciendo los tiempos de espera en un 30% (Cleveland Clinic, 2022).
Conclusión: IBM Watson Health®, sigue siendo un referente en la inteligencia artificial (IA) aplicada a la salud, aunque su adopción masiva depende de superar desafíos técnicos y económicos. Su impacto en la oncología, en la salud pública, y en la gestión hospitalaria, demuestra el potencial de la inteligencia artificial (IA) para salvar vidas.
- Google DeepMind® (AlphaGo®)
Google DeepMind®, una subsidiaria de Alphabet Inc.: Es una de las compañías líderes en investigación sobre la inteligencia artificial (IA). Fundada en 2010, y adquirida por Google™ en 2014; DeepMind®, se ha destacado por desarrollar algoritmos de aprendizaje por refuerzo (reinforcement learning) y redes neuronales profundas que han superado capacidades humanas en dominios complejos (DeepMind, 2023). Uno de sus hitos más famosos es AlphaGo®, el primer programa de inteligencia artificial (IA) en derrotar a un campeón mundial humano en el juego de estrategia Go®, considerado mucho más complejo que el ajedrez, debido a su enorme espacio de posibilidades (Silver, et. al., 2016).
Aplicaciones de AlphaGo®:
- La victoria histórica contra Lee Sedol (2016): En el año 2016, AlphaGo®, hizo historia al derrotar 4-1 al campeón mundial Lee Sedol, un momento considerado como el “Sputnik de la inteligencia artificial (IA)”, por su impacto en la percepción pública de las capacidades de la inteligencia artificial (Metz, 2016).
- AlphaGo® Zero: El aprendizaje sin datos humanos: DeepMind® lanzó AlphaGo® Zero, una versión que aprendió a jugar Go® desde cero, sin usar datos de partidas humanas, solamente mediante auto-juegos y aprendizaje por refuerzo. En 40 días, superó a todas las versiones anteriores (Silver, et. al., 2017).
- Generalización a otros juegos: AlphaZero® y MuZero®:
- AlphaZero (2017): Dominó no solamente Go®, sino también el ajedrez y el shōgi en solamente 24 horas de entrenamiento autónomo (DeepMind, 2017).
- MuZero (2020): Aprendió a jugar Atari™, Go®, ajedrez y shōgi sin conocer las reglas previamente, solamente mediante predicción de estados futuros (Schrittwieser, et. al., 2020).
- Predicción de estructuras de proteínas: AlphaFold®: Uno de los mayores avances científicos de DeepMind® es AlphaFold®, un sistema que predice la estructura 3D de las proteínas con precisión casi experimental. En 2020, resolvió el “problema de plegamiento de las proteínas”, un desafío de 50 años en Biología (Jumper, et. al., 2021).
- Diagnóstico médico con la inteligencia artificial (IA):
- Detectar enfermedades oculares: DeepMind® colaboró con el Moorfields Eye Hospital (de El Reino Unido) para identificar retinopatía diabética y degeneración macular con un 94% de precisión (De Fauw, et. al., 2018).
- Predicción de fallo renal agudo: Un modelo de DeepMind® anticipa esta condición con 48 horas de anticipación, ayudando a salvar vidas (Tomašev, et. al., 2019).
- Optimización del consumo energético en Google™: DeepMind® redujo el consumo de energía en los centros de datos de Google™ en un 40% mediante la inteligencia artificial (IA) que predice patrones de carga, y ajusta la refrigeración automáticamente (DeepMind, 2016).
- Predicción de energía eólica: En 2019, DeepMind® mejoró la previsión de la producción de energía eólica en las granjas de Google™ en un 20%, optimizando la entrega a la red eléctrica (DeepMind, 2019).
Conclusión: DeepMind®, continúa expandiendo su impacto en la inteligencia artificial (IA) general (AGI), con proyectos como Gato®, un modelo multimodal que realiza múltiples tareas. Su enfoque en la ciencia abierta (ejemplo: Liberar AlphaFold DB con 200 millones de estructuras proteicas), marca un precedente en colaboración científica global.
Hasta aquí con estas dos inteligencias artificiales, a sus principales características; así como a sus aplicaciones más representativas en la cotidianidad. La próxima semana, desarrollaremos contenido para las siguientes inteligencias artificiales (IA): Amazon Rekognition® y MidJourney®/DALL·E®.
Reciban un cordial saludo desde la siempre hermosa, imponente, perfecta e inigualable: ¡Bahía de Banderas (Puerto Vallarta y la Riviera Nayarit)! Muchas gracias. (Continuará…)
Referencias:
American Diabetes Association. (2022). AI in diabetes management: IBM Watson’s impact. Recuperado de: https://www.diabetes.org/resources/statistics/ai-diabetes-management (Consultado en Abril del 2025).
Centers for Disease Control and Prevention (CDC). (2021). AI and public health surveillance. Recuperado de: https://www.cdc.gov/coronavirus/2019-ncov/science/ai-surveillance (Consultado en Abril del 2025).
Cleveland Clinic. (2022). How AI is improving hospital operations. Recuperado de: https://my.clevelandclinic.org/about/innovations/ai-hospital-management (Consultado en Abril del 2025).
De Fauw, J.; Ledsam, J. R.; Romera Paredes, B.; Nikolov, S.; Tomasev, N.; Blackwell, S. & Ronneberger, O. (2018). Clinically applicable deep learning for diagnosis and referral in retinal disease. Nature Medicine, 24(9), p.p. 1 342-1 350. Recuperado de: https://doi.org/10.1038/s41591-018-0107-6 (Consultado en Abril del 2025).
DeepMind. (2016). DeepMind® AI reduces Google™ data centre cooling bill by 40%. Recuperado de: https://deepmind.com/blog/article/deepmind-ai-reduces-google-data-centre-cooling-bill-40 (Consultado en Abril del 2025).
DeepMind. (2017). AlphaZero: Shedding new light on chess, shogi, and Go®. Recuperado de: https://deepmind.com/blog/article/alphazero-shedding-new-light-grand-games-chess-shogi-and-go (Consultado en Abril del 2025).
DeepMind. (2019). Machine learning can boost the value of wind energy. https://deepmind.com/blog/article/machine-learning-can-boost-value-wind-energy (Consultado en Abril del 2025).
DeepMind. (2023). About DeepMind®. https://deepmind.com/about (Consultado en Abril del 2025).
IBM. (2023). IBM Watson Health®: AI-powered healthcare solutions. Recuperado de: https://www.ibm.com/watson-health (Consultado en Abril del 2025).
Jumper, J.; Evans, R.; Pritzel, A.; Green, T.; Figurnov, M.; Ronneberger, O. & Hassabis, D. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), p.p. 583-589. Recuperado de: https://doi.org/10.1038/s41586-021-03819-2 (Consultado en Abril del 2025).
Manipal Hospitals. (2021). IBM Watson for oncology at Manipal hospitals. Recuperado de: https://www.manipalhospitals.com/blog/watson-for-oncology (Consultado en Abril del 2025).
Metz, C. (2016). In two moves, AlphaGo® and Lee Sedol redefined the future. Wired. Recuperado de: https://www.wired.com/2016/03/two-moves-alphago-lee-sedol-redefined-future/ (Consultado en Abril del 2025).
Pfizer. (2020). IBM Watson Health® and Pfizer™ partner, to accelerate drug discovery. Recuperado de: https://www.pfizer.com/news/hot-topics/ibm_watson_health_and_pfizer_partner (Consultado en Abril del 2025).
Schrittwieser, J.; Antonoglou, I.; Hubert, T.; Simonyan, K.; Sifre, L.; Schmitt, S. & Hassabis, D. (2020). Mastering Atari™, Go®, chess and shogi by planning with a learned model. Nature, 588(7839), p.p. 604-609. Recuperado de: https://doi.org/10.1038/s41586-020-03051-4 (Consultado en Abril del 2025).
Silver, D.; Huang, A.; Maddison, C. J.; Guez, A.; Sifre, L.; Van den Driessche, G. & Hassabis, D. (2016). Mastering the game of Go® with deep neural networks and tree search. Nature, 529(7587), p.p. 484-489. Recuperado de: https://doi.org/10.1038/nature16961 (Consultado en Abril del 2025).
Tomašev, N.; Glorot, X.; Rae, J. W.; Zielinski, M.; Askham, H.; Saraiva, A. & Connelly, A. (2019). A clinically applicable approach to continuous prediction of future acute kidney injury. Nature, 572(7767), p.p. 116-119. Recuperado de: https://doi.org/10.1038/s41586-019-1390-1 (Consultado en Abril del 2025).
