6 Mejores Libros de Aprendizaje Automático y Inteligencia Artificial de Todos los Tiempos

El mundo de la inteligencia artificial puede ser intimidante debido a la terminología y los diferentes algoritmos de aprendizaje automático que están disponibles. Después de haber leído más de 50 de los libros más recomendados sobre aprendizaje automático, he compilado mi lista personal de libros que debes leer.

Los libros que se eligieron se basan en los tipos de ideas que se presentan y en cómo se presentan conceptos como el aprendizaje profundo, el aprendizaje por refuerzo y los algoritmos genéticos. Lo más importante es que la lista se basa en los libros que mejor pavimentan el camino hacia el futuro para los futuristas y los investigadores hacia la construcción de una inteligencia artificial responsable y explicable.

#6. Cómo Funciona la Inteligencia Artificial: De la Magia a la Ciencia por Ronald T. Kneusel

“Cómo Funciona la Inteligencia Artificial” es un libro conciso y claro diseñado para delinear los conceptos fundamentales del aprendizaje automático. Este libro facilita el aprendizaje sobre la rica historia del aprendizaje automático, desde el inicio de los sistemas de inteligencia artificial legados hasta el advenimiento de las metodologías contemporáneas.

La historia es compleja, comenzando con los sistemas de inteligencia artificial bien fundamentados, como las máquinas de soporte vectorial, los árboles de decisión y los bosques aleatorios. Estos sistemas anteriores pavimentaron el camino para avances innovadores, lo que llevó al desarrollo de enfoques más sofisticados como las redes neuronales y las redes neuronales convolucionales. El libro discute las increíbles capacidades ofrecidas por los Modelos de Lenguaje Grande (LLM), que son la fuerza impulsora detrás de la inteligencia artificial generativa de vanguardia en la actualidad.

Entender los conceptos básicos, como cómo la tecnología de imagen a imagen puede replicar imágenes existentes y incluso crear nuevas e inéditas a partir de instrucciones aparentemente aleatorias, es fundamental para comprender las fuerzas que impulsan a los generadores de imágenes de hoy en día. Este libro explica bellamente estos aspectos fundamentales, lo que permite a los lectores comprender las complejidades y la mecánica subyacente de las tecnologías de generación de imágenes.

Ron Kneusel, el autor, demuestra un esfuerzo admirable al explicar sus perspectivas sobre por qué el modelo LLM de OpenAI y su ChatGPT significan el comienzo de la verdadera inteligencia artificial. Presenta meticulosamente cómo los LLM distintos exhiben propiedades emergentes capaces de comprender intuitivamente la teoría de la mente. Estas propiedades emergentes parecen volverse más pronunciadas e influyentes en función del tamaño del modelo de entrenamiento. Kneusel discute cómo una mayor cantidad de parámetros generalmente resulta en los modelos LLM más proficientes y exitosos, brindando una comprensión más profunda de la dinámica de escalabilidad y la eficacia de estos modelos.

Este libro es un faro para aquellos que desean aprender más sobre el mundo de la inteligencia artificial, ofreciendo una visión general detallada y comprensible de la trayectoria evolutiva de las tecnologías de aprendizaje automático, desde sus formas rudimentarias hasta las entidades pioneras de hoy en día. Ya sea que seas un principiante o alguien con un conocimiento sustancial del tema, “Cómo Funciona la Inteligencia Artificial” está diseñado para brindarte una comprensión refinada de las tecnologías transformadoras que siguen dando forma a nuestro mundo.

#5. Vida 3.0 por Max Tegmark

“Vida 3.0” tiene un objetivo ambicioso: explorar las posibilidades de cómo coexistiremos con la inteligencia artificial en el futuro. La Inteligencia Artificial General (IAG) es la consecuencia eventual e inevitable del argumento de la explosión de inteligencia planteado por el matemático británico Irving Good en 1965. Este argumento establece que la superinteligencia será el resultado de una máquina que pueda mejorar continuamente. La famosa cita para la explosión de inteligencia es la siguiente:

“Dejemos que una máquina ultrainteligente se defina como una máquina que puede superar con creces todas las actividades intelectuales de cualquier hombre, por muy inteligente que sea. Dado que el diseño de máquinas es una de estas actividades intelectuales, una máquina ultrainteligente podría diseñar máquinas aún mejores; sin duda, habría una ‘explosión de inteligencia’, y la inteligencia del hombre quedaría muy atrás. Así, la primera máquina ultrainteligente es la última invención que el hombre necesita hacer.”

Max Tegmark lanza el libro hacia un futuro teórico de vivir en un mundo controlado por una IAG. A partir de este momento, se plantean preguntas explosivas como ¿qué es la inteligencia? ¿Qué es la memoria? ¿Qué es la computación? y, ¿qué es el aprendizaje? ¿Cómo estas preguntas y posibles respuestas llevan eventualmente al paradigma de una máquina que puede utilizar varios tipos de aprendizaje automático para lograr los avances en la auto-mejora necesarios para alcanzar la inteligencia a nivel humano y la superinteligencia resultante?

Estas son el tipo de preguntas y cuestiones importantes que explora Vida 3.0. La Vida 1.0 son formas de vida simples, como las bacterias, que solo pueden cambiar a través de la evolución que modifica su ADN. La Vida 2.0 son formas de vida que pueden rediseñar su propio software, como aprender un nuevo idioma o habilidad. La Vida 3.0 es una inteligencia artificial que no solo puede modificar su propio comportamiento y habilidades, sino que también puede modificar su propio hardware, por ejemplo, actualizando su yo robótico.

Solo cuando entendamos los beneficios y los peligros de una IAG, podremos comenzar a revisar opciones para asegurarnos de que construyamos una inteligencia artificial amigable que se alinee con nuestros objetivos. Para hacer esto, también podemos necesitar entender qué es la conciencia y cómo la conciencia de la inteligencia artificial difiere de la nuestra.

Hay muchos temas candentes que se exploran en este libro, y debería ser lectura obligatoria para cualquier persona que realmente desee entender cómo la IAG es una amenaza potencial, así como una posible línea de vida para el futuro de la civilización humana.

#4. Compatible con Humanos: Inteligencia Artificial y el Problema del Control por Stuart Russell

¿Qué sucede si tenemos éxito en la construcción de un agente inteligente, algo que percibe, que actúa y que es más inteligente que sus creadores? ¿Cómo convenceremos a las máquinas de que logren nuestros objetivos en lugar de los suyos propios?

Lo anterior es lo que lleva a uno de los conceptos más importantes del libro “Compatible con Humanos: Inteligencia Artificial y el Problema del Control”, que es que debemos evitar “poner un propósito en la máquina”, como dijo Norbert Wiener. Una máquina inteligente que es demasiado segura de sus objetivos fijos es el tipo de inteligencia artificial peligrosa. En otras palabras, si la inteligencia artificial se niega a considerar la posibilidad de que esté equivocada en su propósito y función preprogramados, puede ser imposible que el sistema de inteligencia artificial se apague a sí mismo.

La dificultad, como la describe Stuart Russell, radica en instruir a la inteligencia artificial/robot de que ninguna orden instruida debe lograrse a cualquier costo. No está bien sacrificar vidas humanas para buscar un café o asar al gato para suministrar el almuerzo. Debe entenderse que “llévame al aeropuerto lo más rápido posible” no implica que se puedan romper las leyes de tráfico, incluso si esta instrucción no es explícita. Si la inteligencia artificial se equivoca, entonces el seguro es un nivel preestablecido de incertidumbre. Con algo de incertidumbre, la inteligencia artificial puede cuestionarse a sí misma antes de completar una tarea, para buscar confirmación verbal.

En un artículo de 1965 titulado “Especulaciones sobre la Primera Máquina Ultrainteligente”, I.J. Good, un matemático brillante que trabajó junto a Alan Turing, afirmó: “La supervivencia del hombre depende de la construcción temprana de una máquina ultrainteligente”. Es completamente posible que, para salvarnos de desastres ecológicos, biológicos y humanitarios, debamos construir la inteligencia artificial más avanzada que podamos.

Este artículo seminal explica la teoría de la explosión de inteligencia, que establece que una máquina ultrainteligente puede diseñar máquinas aún mejores con cada iteración, lo que inevitablemente lleva a la creación de una IAG. Aunque la IAG puede ser inicialmente igual a la inteligencia humana, rápidamente superará a los humanos en un corto período de tiempo. Debido a esta conclusión inevitable, es importante que los desarrolladores de inteligencia artificial actualicen los principios básicos que se comparten en este libro y aprendan a aplicarlos de manera segura al diseñar sistemas de inteligencia artificial capaces no solo de servir a los humanos, sino también de salvar a los humanos de sí mismos.

Como describe Stuart Russell, retirarse de la investigación de la inteligencia artificial no es una opción; debemos avanzar. Este libro es una guía para diseñar sistemas de inteligencia artificial seguros, responsables y beneficiosos.

#3. Cómo Crear una Mente por Ray Kurzweil

Ray Kurzweil es uno de los inventores, pensadores y futuristas más destacados del mundo, y ha sido descrito como “el genio inquieto” por The Wall Street Journal y “la máquina de pensar definitiva” por Forbes. También es cofundador de la Universidad de la Singularidad y es más conocido por su libro innovador “La Singularidad está Cerca”. “Cómo Crear una Mente” aborda menos los problemas de crecimiento exponencial que son características de su otro trabajo, y se centra en cómo necesitamos entender el cerebro humano para revertirlo y crear la máquina de pensar definitiva.

Uno de los principios básicos que se presentan en este trabajo seminal es cómo funciona el reconocimiento de patrones en el cerebro humano. ¿Cómo los humanos reconocen patrones en la vida cotidiana? ¿Cómo se forman estas conexiones en el cerebro? El libro comienza con la comprensión del pensamiento jerárquico, que es la comprensión de una estructura que está compuesta por elementos diversos que están dispuestos en un patrón, y este patrón representa un símbolo, como una letra o carácter, y luego este patrón se forma en un patrón más avanzado, como una palabra, y eventualmente una oración. Eventualmente, estos patrones forman ideas, y estas ideas se transforman en los productos que los humanos son responsables de construir.

Como es un libro de Ray Kurzweil, no tarda en introducir el pensamiento exponencial. La “Ley de Retornos Acelerados” es una característica de este libro seminal. Esta ley muestra cómo las tecnologías y el ritmo de la aceleración están acelerando debido a la tendencia de los avances a alimentarse a sí mismos, lo que aumenta la tasa de progreso. Este pensamiento se puede aplicar a cómo estamos aprendiendo rápidamente a entender y revertir el cerebro humano. Esta comprensión acelerada de los sistemas de reconocimiento de patrones en el cerebro humano se puede aplicar hacia la construcción de un sistema de inteligencia artificial general.

Este libro fue tan transformacional para el futuro de la inteligencia artificial que Eric Schmidt reclutó a Ray Kurzweil para trabajar en proyectos de inteligencia artificial después de terminar de leer este libro seminal. Es imposible describir todas las ideas y conceptos que se discuten en un artículo corto, pero es un libro que debes leer para entender mejor cómo funcionan las redes neuronales humanas y cómo diseñar una red neuronal artificial avanzada.

El reconocimiento de patrones es el elemento clave para el aprendizaje profundo, y este libro ilustra por qué.

#2. El Algoritmo Maestro por Pedro Domingos

La hipótesis central de “El Algoritmo Maestro” es que todo el conocimiento, pasado, presente y futuro, se puede derivar de los datos mediante un solo algoritmo de aprendizaje universal que se cuantifica como el Algoritmo Maestro. El libro detalla algunas de las mejores metodologías de aprendizaje automático, y proporciona explicaciones detalladas de cómo funcionan diferentes algoritmos, cómo se pueden optimizar y cómo pueden trabajar juntos para lograr el objetivo final de crear el Algoritmo Maestro. Este es un algoritmo capaz de resolver cualquier problema que se le presente, incluyendo curar el cáncer.

El lector comenzará aprendiendo sobre Naïve Bayes, un algoritmo simple que se puede explicar en una sola ecuación. A partir de ahí, se acelera a toda velocidad hacia técnicas de aprendizaje automático más interesantes. Para entender las tecnologías que nos están llevando hacia este algoritmo maestro, aprendemos sobre fundamentos convergentes. Primero, desde la neurociencia, aprendemos sobre la plasticidad del cerebro y las redes neuronales humanas. Segundo, pasamos a la selección natural para entender cómo diseñar un algoritmo genético que simule la evolución y la selección natural. Con un algoritmo genético, una población de hipótesis en cada generación se cruza y muta, y las hipótesis más aptas producen la siguiente generación. Esta evolución ofrece la mejora continua definitiva.

Otros argumentos provienen de la física, la estadística y, por supuesto, de la mejor informática. Es imposible revisar exhaustivamente los diferentes aspectos que este libro toca, debido al alcance ambicioso del libro al establecer el marco para construir el Algoritmo Maestro. Es este marco lo que ha llevado a este libro al segundo lugar, ya que todos los demás libros de aprendizaje automático se basan en él de alguna manera.

#1. Mil Cerebros por Jeff Hawkins

“Mil Cerebros” se basa en los conceptos que se discuten en el libro anterior de Jeff Hawkins titulado “Sobre la Inteligencia”. “Sobre la Inteligencia” exploró el marco para entender cómo funciona la inteligencia humana y cómo estos conceptos se pueden aplicar para construir la inteligencia artificial y los sistemas de inteligencia artificial general definitivos. Analiza fundamentalmente cómo nuestro cerebro predice lo que experimentaremos antes de experimentarlo.

Si bien “Mil Cerebros” es un libro independiente excelente, se disfrutará y apreciará mejor si se lee “Sobre la Inteligencia” primero.

“Mil Cerebros” se basa en la investigación más reciente de Jeff Hawkins y la empresa que fundó, Numenta. Numenta tiene como objetivo principal desarrollar una teoría sobre cómo funciona el neocórtex, y el objetivo secundario es cómo esta teoría del cerebro se puede aplicar al aprendizaje automático y la inteligencia artificial.

El primer gran descubrimiento de Numenta en 2010 involucra cómo los neuronas hacen predicciones, y el segundo descubrimiento en 2016 involucra marcos de referencia en el neocórtex. El libro detalla, en primer lugar, qué es la teoría de “Mil Cerebros”, qué son los marcos de referencia y cómo funciona la teoría en el mundo real. Uno de los componentes más fundamentales detrás de esta teoría es entender cómo el neocórtex evolucionó hasta su tamaño actual.

El neocórtex comenzó pequeño, similar a otros mamíferos, pero creció exponencialmente (solo limitado por el tamaño del canal de nacimiento) no creando nada nuevo, sino copiando un circuito básico repetidamente. En esencia, lo que distingue a los humanos no es el material orgánico del cerebro, sino la cantidad de copias de los elementos idénticos que forman el neocórtex.

La teoría se desarrolla aún más en cómo el neocórtex se forma con aproximadamente 150,000 columnas corticales que no son visibles bajo un microscopio, ya que no hay límites visibles entre ellas. Cómo estas columnas corticales se comunican entre sí es la implementación de un algoritmo fundamental que es responsable de todos los aspectos de la percepción y la inteligencia.

Más importante aún, el libro revela cómo esta teoría se puede aplicar para construir máquinas inteligentes y las posibles implicaciones futuras para la sociedad. Por ejemplo, el cerebro aprende un modelo del mundo observando cómo los inputs cambian con el tiempo, especialmente cuando se aplica el movimiento. Las columnas corticales requieren un marco de referencia que esté fijo a un objeto; estos marcos de referencia permiten que una columna cortical aprenda las ubicaciones de las características que definen la realidad de un objeto. En esencia, los marcos de referencia pueden organizar cualquier tipo de conocimiento. Esto lleva a la parte más importante de este libro seminal: ¿pueden los marcos de referencia ser el eslabón vital que falta para construir una inteligencia artificial más avanzada o incluso un sistema de inteligencia artificial general? Jeff Hawkins cree en un futuro inevitable en el que una inteligencia artificial general aprenderá modelos del mundo utilizando marcos de referencia similares a los del neocórtex, y hace un trabajo notable al explicar por qué cree que esto es así.