IA débil vs fuerte
En 1975 Allen Newell y Herbert Simon, padres de la IA, plantearon la hipótesis del Sistema de Símbolos Físicos (SSF). Lo que propone es que cualquier sistema de símbolos físicos tiene las herramientas necesarias para realizar tareas inteligentes a través de la combinación de datos que permiten crear nuevas estructuras de información, en este sentido, los seres humanos somos capaces de mostrar comportamientos inteligentes y, por lo tanto, somos sistemas de símbolos físicos.
En el caso de la Inteligencia Artificial la base de ésta se encuentra con símbolos físico-electrónicos como los ordenadores que simulan redes neuronales. Aunque solo es una hipótesis, nos servirá para entender las bases de la IA débil versus la IA fuerte.
Los seres humanos tenemos una inteligencia general, pero para la IA también se encuentra la inteligencia especializada, es decir, que son algoritmos entrenados para aprender de un único tema e inclusos solo un área de ese tema, por ejemplo: los algoritmos que están entrenados para jugar al ajedrez y ganarle incluso al mejor jugador del mundo, no son capaces de jugar a las damas.
¿Qué es la IA débil?
Entonces, al hablarse de una IA fuerte se estaría diciendo que un ordenador no intentaría emular una mente, sino que sería una capaz de superar a la inteligencia humana. Mientras que en su contra parte se encuentra la IA débil, es la que se trata de la inteligencia especializada, aunque es mucho más eficiente que la humana en algunos casos, pero mediante distintos procesos a los que realiza el cerebro, no deja de ser específica y por lo tanto limitante, en comparación con la inteligencia artificial fuerte.
En 1980 el filósofo John Searle intentó demostrar en su artículo crítico de IA que la inteligencia artificial fuerte es un imposible, ya que, si bien se podrán crear inteligencias generales y multitareas, solo similar a la humana, no podrán percibir “estados mentales”. Por lo tanto, en el campo financiero se estaría tratando de una inteligencia artificial débil.
Aplicación de IA en los servicios financieros
En esta aplicación se incluyen la prevención de fraudes y el control en el blanqueamiento de capitales. Los sistemas tradicionales para la gestión de estos riesgos basados en reglas permanentes, no habían sido modificados durante muchos años, el digitalizar la información y datos sobre patrones de pagos, transferencias e impagos permite reducir los falsos positivos en el comportamiento de los usuarios.
El papel de la Inteligencia Artificial en la toma de decisiones para la concesión de créditos está en poder predecir los posibles impagos utilizando modelos no paramétricos, no lineales o la combinación de árboles de decisión. Sin embargo, uno de los riesgos son los posibles sesgos por falta de interpretación de los datos.
La IA para la aplicación en la predicción de variables económicas y financieras tiene una gran disponibilidad para el análisis de datos para arrojar información sobre retorno de acciones, de índices de referencia de renta variable o el tipo de cambio en tiempo real.
Un ejemplo de la implementación de Inteligencia Artificial en el campo financiero es Santander, que maneja los datos de cada cliente para analizarlos y así generar patrones predictivos que les sean de ayuda para tomar decisiones, por ejemplo; operaciones más protegidas, al utilizar datos biométricos para proteger más la información de los clientes y generar una mejor experiencia.
Por otra parte, una de estas aplicaciones son los robo-advisors, son plataformas digitales que brindan servicios como planificación financiera, permiten el acceso directo al servicio y monitorean los mercados las veinticuatro horas todos los días, además son capaces de realizar tareas repetitivas como la apertura de cuentas o la transferencia de activos.
