¿Qué es un algoritmo?

Este es el primer artículo de Mitos de la Inteligencia Artificial, una serie que abordará los fundamentos y conceptos más importantes en inteligencia artificial, machine learning y matemáticas.

La idea es ofrecer una referencia clara y sencilla que permita comprender, a cualquier lector, el funcionamiento de diversas herramientas que operan a partir del análisis de datos. En la medida de lo posible, se evitará el uso de conceptos grandilocuentes (en la mayoría de los casos no contribuyen a mejorar el entendimiento) y tecnicismos innecesarios pero, si no hay otra alternativa, se ofrecerá una explicación previa con ideas intuitivas y ejemplos.

Debido al reciente auge del análisis de datos y las nuevas herramientas de inteligencia artificial, la palabra algoritmo y otros conceptos relacionados se emplean con mayor frecuencia, aunque no siempre de forma precisa. Por ejemplo, en algunos casos la palabra algoritmo es confundida erróneamente con logaritmo; si bien ambas palabras suenan de forma similar y guardan una relación importante con las matemáticas, resulta incorrecto utilizarlas como sinónimo.

Figura 1. Gráfica de Google Trends de las búsquedas sobre “inteligencia artificial” en México

En algunas situaciones, el uso de la palabra algoritmo está acompañado de un esoterismo que ha sido reforzado por la popularidad y, tal vez, por el entendimiento insuficiente de las herramientas y aplicaciones de inteligencia artificial. ¿Cuántas veces nos han tratado de convencer de la eficiencia de un producto o herramienta sólo porque su funcionamiento “está basado en algoritmos y millones de datos” sin ofrecer ninguna explicación clara de cómo funciona? Algo así como una falacia de autoridad, argumento ad verecundiam, pero apoyada en una computadora.

Pero entonces, ¿qué significa algoritmo? ¿Cómo se puede representar y para qué se utiliza? ¿Cuál es la relación que tienen los algoritmos con la inteligencia artificial y el machine learning? Sin afán de pretender que este artículo se convierta en una referencia universal, el objetivo de este texto consiste en ofrecer una explicación clara y sencilla sobre estas preguntas, con base en la experiencia adquirida por el autor en el ámbito profesional y como profesor de posgrado en temas de análisis de datos e inteligencia artificial.

¿Cuál es el origen de la palabra algoritmo?

Para entender el origen de este concepto comencemos por recordar uno de los libros más populares para enseñar matemáticas en México: Álgebra,de Aurelio Baldor.

Figura 2. Portada del libro Álgebra de A. Baldor

 La portada de esta obra muestra una serie de libros en el costado derecho, uno de estos tiene escrito el nombre Al-Goritmi y justo al lado aparece el nombre Al-Juarismi: uno de los matemáticos más importantes de la historia que realizó grandes aportaciones en el álgebra y ayudó a popularizar los números arábigos. Justamente, la palabra algoritmo tiene su origen en la versión latinizada del nombre de este matemático persa que vivió en una época en donde, por supuesto, no existía ChatGPT, ni computadoras, ni grandes cantidades de datos.

¿Qué es un algoritmo y cómo se puede representar?

Tomando como referencia la definición publicada por la RAE, un algoritmo se define como “un conjunto ordenado y finito de operaciones que permite hallar la solución de un problema”,de igual forma se puede considerar como una serie limitada de pasos que sirven para resolver un problema o tarea de forma estructurada. Es importante observar que, de origen, la palabra algoritmo no tiene ninguna relación directa con las computadoras o la inteligencia artificial y, de hecho, es posible diseñar algoritmos para tareas de cualquier naturaleza. Por ejemplo, el algoritmo para preparar una taza de café con una máquina de cápsulas quedaría definido de la siguiente forma:

1. Encender la máquina.

2. Revisar el depósito de agua. ¿Hay agua suficiente para preparar una taza de café?

1. Sí: continuar el proceso.

2. No: llenar de agua el depósito.

3. Buscar las cápsulas. ¿Hay cápsulas?

1. Sí: selecciona la cápsula del tipo de café que deseas.

2. No: es necesario comprar más cápsulas.

4. Introducir cápsula.

5. Apretar el botón START.

De manera alternativa, un algoritmo también se puede representar gráficamente y puede resultar una forma más sencilla de entender su funcionamiento. Esta es la representación del algoritmo para preparar café:

Figura 3. Representación gráfica de un algoritmo: recurso visual de gran utilidad para mostrar claramente su funcionamiento y las operaciones que realiza

De igual forma, un algoritmo también se puede representar a través es un pseudocódigo que puede ser implementado en un lenguaje de programación.

Figura 4. Algoritmo representado en un pseudocódigo para calcular bosques aleatorios. Estos pasos se pueden implementar en una computadora para analizar una base de datos

¿Cuál es la relación que tienen los algoritmos con el machine learning yla inteligencia artificial?

El aprendizaje de máquina, popularmente conocido como machine learning, utiliza bases de datos para detectar patrones y producir reglas que permiten tomar una decisión. Para realizar esta tarea se pueden utilizar distintos algoritmos que realizan operaciones sobre la información disponible, entre las opciones más populares se encuentran: árboles de decisión, redes neuronales, regresiones, bosques aleatorios, clustering, entre otros. En todos los casos es posible utilizar una computadora para que los algoritmos procesen los datos de forma más rápida.

En general, no es necesario diseñar un nuevo algoritmo cada vez que se requiere resolver un problema de aprendizaje de máquina (se pueden utilizar las implementaciones o paquetes ya publicados). Sin embargo existe una serie de detalles técnicos importantes que deben considerarse al trabajar con problemas de machine learning: métricas, limpieza de los datos, naturaleza del problema (clasificación o regresión), penalizaciones e implementación (en mi siguiente publicación abordaré con mayor profundidad el concepto de machine learning y su funcionamiento).

¿Por qué son tan populares los algoritmos y el machine learning?

Los algoritmos de aprendizaje de máquina se utilizan para analizar los millones de datos que se generan de forma continua. Los patrones y hallazgos contenidos en esta información permiten crear productos y servicios que nos ayudan a resolver problemas de distinta naturaleza y, si se implementan de forma correcta, pueden representar ventajas comparativas en costo y eficiencia respecto a la forma tradicional de resolverlos.

Como referencia es posible identificar distintos ejemplos de servicios sustentados en algoritmos y datos, así como el problema que ayudan a resolver:

• Rutas de Google Maps para encontrar la mejor ruta.
• Búsquedas de Google (PageRank) para encontrar información relevante en internet.
• Recomendaciones Amazon: para sugerir productos similares y relevantes para el usuario.
• Shazam para determinar una canción a partir de una muestra.
• Uber H3 para calcular distancias y rutas.
• Chat GPT de OpenAI es un modelo de lenguaje que utiliza técnicas de aprendizaje de máquina y reinforcement learning.

Si bien detrás de cada una de estas aplicaciones hay equipos técnicos (científicos de datos, matemáticos, ingenieros, etc.) desarrollando estas ideas, en todos los casos es posible entender el funcionamiento de cada algoritmo (algunos de los ejemplos mencionados contienen el enlace a las publicaciones o papers originales). 

En México, recientemente se anunciaron un par de iniciativas que utilizan los conceptos de algoritmo e inteligencia artificial para resolver grandes problemas de interés público: unalgoritmo anticorrupción de la Secretaría Ejecutiva del Sistema Nacional Anticorrupción y unabase de datos incorruptible con inteligencia artificial [sic] como propuesta para la inseguridad por parte de un precandidato presidencial. Sin embargo hay una serie de preguntas importantes que se deberían responder: ¿cómo están diseñados estos algoritmos? ¿Con qué métricas se va a medir su funcionamiento? ¿Qué mejoras se esperan obtener respecto a la forma actual de resolver estos problemas? ¿De dónde salen los datos que van a alimentar estos algoritmos? ¿Cómo se puede asegurar la privacidad y protección de estos datos? Estos detalles resultan más relevantes que el mero hecho de diseñar un algoritmo.

En conclusión, se puede observar que aunque los algoritmos y el aprendizaje de máquina tienen un componente técnico importante, siempre es posible explicar su funcionamiento y la forma en la que procesan la información. Usar conceptos como “algoritmo” para validar el funcionamiento de una herramienta no debería ser lo más importante para considerarla. Resulta más importante demostrar cómo funciona, qué datos utiliza y el conjunto de métricas con las que se va a evaluar.

Carlos Castro Correa
Licenciado en Matemáticas Aplicadas y Maestro en Ciencia de Datos por el Instituto Tecnológico Autónomo de México. Consultor y profesor de Análisis de Datos e Inteligencia Artificial en distintos programas de Maestría del ITAM.