La Inteligencia Artificial ha cobrado mayor notoriedad en los últimos meses. Dejó de ser parte solamente de los laboratorios de investigación y desarrollo de empresas y universidades y llegó a las manos de las personas que cuentan con un dispositivo con acceso a Internet. Sin embargo, este tipo de herramientas reflejan solo una parte de su potencial y de una revolución tecnológica que lleva años gestándose.

De hecho, existen múltiples áreas de investigación científica y de progreso donde la Inteligencia Artificial tiene aplicación y en las que ha ido adquiriendo cada día más relevancia, impactando, influyendo y mejorando actividades cotidianas.

Vale aclarar que, si bien cada vez escuchamos más el término Inteligencia Artificial, lo cierto es que en determinados contextos sería más adecuado hablar de Aprendizaje Automático (mejor conocido como Machine Learning), que es una disciplina dentro de la Inteligencia Artificial. Sin embargo, lo que observamos es que para despertar mayor interés algunas veces se utiliza el término Inteligencia Artificial como sinónimo.

Machine Learning, un campo indispensable de la Inteligencia Artificial

En un sentido amplio del concepto, la Inteligencia Artificial hace referencia a sistemas o máquinas que imitan la inteligencia humana para realizar tareas que pueden mejorar a partir de la información que recopilan. Sin embargo, emular las capacidades humanas es una tarea compleja y comprende múltiples elementos.

La Inteligencia Artificial es un término general aplicable a la idea de que una máquina inteligente puede aprender y tomar decisiones de forma independiente en función de la información proporcionada a su entorno y que es capaz de actuar sin supervisión humana. Sin embargo, esta idea en la actualidad es más cercana al ámbito de la ciencia ficción que a lo que podemos encontrarnos en la realidad.

Si las computadoras comienzan a "pensar por sí mismas" estaremos frente a un futuro con posibilidades infinitas donde mucho de lo que antes se creía inimaginable podría llegar a ser posible. Sin embargo, por ahora la Inteligencia Artificial autosostenible todavía parece estar muy lejos de ese escenario.

Por el contrario, la parte de la Inteligencia Artificial conocida como Aprendizaje Automático ha sido el elemento de mayor desarrollo en múltiples áreas y las personas han podido experimentar en primera persona a través de herramientas que se han vuelto muy populares como ChatGPT el progreso que podría significar para la humanidad este avance tecnológico. Eso ha sido posible en parte gracias al aumento en la capacidad de procesamiento, el uso de grandes volúmenes de datos y el desarrollo de algoritmos, que han acelerado el proceso de mejora de las capacidades de esta tecnología en una gran cantidad de industrias.

En este sentido, Machine Learning otorga a las máquinas la capacidad de encontrar patrones en grandes cantidades de datos, clasificarlos y actuar sobre ellos. Debido a estas características, importantes desarrollos de lo que identificamos como Inteligencia Artificial, tiene como base Machine Learning.

Por ejemplo, las herramientas que ahora permiten generar imágenes, videos o texto que se han popularizado recientemente, están basadas en la denominada Inteligencia Artificial Generativa que, como su nombre lo indica, permite generar nuevos datos a partir de datos existentes. Aunque se presenta como Inteligencia Artificial, se trata de un tipo de algoritmo de Aprendizaje Automático.

Machine Learning aplicado a ciberseguridad

En el campo de la ciberseguridad, Machine Learning también ha aportado varios beneficios, incluyendo un escaneo eficiente, una detección más rápida y precisa. De hecho, algunas empresas de ciberseguridad han estado aprovechando esta tecnología durante años para mejorar las capacidades de identificación, clasificación y detección.

Retomando las principales ideas de lo que explicamos en 2017 cuando publicamos una serie de artículos sobre el estado de la Inteligencia Artificial en el ámbito de la ciberseguridad, a continuación, repasamos cómo se aplica Machine Learning en el desarrollo de tecnologías para la protección de usuarios.

En ciberseguridad y en particular en la industria antimalware, Machine Learning se refiere a tecnologías integradas en una solución que se alimentó con grandes cantidades de muestras limpias y maliciosas correctamente etiquetadas, y que aprendió a diferenciarlas. Debido a este entrenamiento (Aprendizaje Automático Supervisado), los algoritmos son capaces de analizar, identificar y actuar contra la mayoría de las amenazas potenciales.

La automatización de este proceso mediante Machine Learning hace que la solución de seguridad sea más rápida y contribuye para que los humanos expertos sean capaces de trabajar con un alto volumen de muestras que aparecen cada día y que en los últimos años creció exponencialmente. En ESET, el Aprendizaje Automático Supervisado se ha denominado “detección automatizada”.

Los algoritmos que no tienen este entrenamiento (Aprendizaje Automático No Supervisado), son prácticamente inútiles para la seguridad. La razón es que clasifican los datos con sus propias categorías y no necesariamente distinguen entre elementos inofensivos y malware; de hecho, son más adecuados para encontrar similitudes o anomalías en una gran cantidad de información, que difícilmente podrían ser identificados por las personas.

La experiencia humana, un factor clave

Como dijimos, existen varios elementos que han permitido este desarrollo: grandes volúmenes de información (Big Data), disponibilidad de algoritmos de Machine Learning y enormes bases de datos de muestras correctamente etiquetadas. Todo esto contribuyó al aumento en las tasas de detección, bajos (o nulos) falsos positivos y a que el proceso sea más rápido y eficaz.

Aunado a lo anterior, no se debe dejar de lado el conocimiento y la experiencia humana adquirida a lo largo de más de tres décadas; sin este conocimiento, los elementos divergentes del conjunto de muestras difícilmente podrían ser etiquetados por Machine Learning. Por ello, estamos convencidos de que ni siquiera el mejor Aprendizaje Automático puede reemplazar a los investigadores, quienes han construido los cimientos y continúan mejorando las herramientas.

En este contexto, todo el trabajo de investigación y desarrollo persigue un objetivo común: crear un espacio digital cada vez más seguro y proteger el progreso tecnológico. Pero no debemos dejar de lado que, junto con la tecnología aplicada a las soluciones de seguridad, se requieren más elementos importantes, como la educación, concientización, legislaciones, investigación o desarrollos cada vez más seguros, solo por mencionar algunos del vasto entorno de la seguridad digital.