Resumen corto:AI Superpowers o en español Superpotencias de la inteligencia artificial: China, Silicon Valley y el nuevo orden mundial  explica cómo las economías estadounidense y China estan controlando el mercado de la inteligencia artificial y cómo su desarrollo puede afectar al futuro de nuestra especie.

¿Quien es Kai-Fu Lee?

Kai-Fu Lee es un doctor del campo de la programación con experiencia en empresas cómo Apple, Microsoft, SGI, presidente de Google China y fundador del fondo de inversión Sinovation. Tras años en la cuna del emprendimiento Silicon Valley, y el nuevo epicentro de emprendimiento en Asia, Zhongguancun, nos cuenta sus experiencias. 

Cómo experto con experiencia en Estados Unidos y China, el autor ha podido ver cómo estás sacando partido a algunas de las mejores mentes del mundo para tomar control de la que podría ser la tecnología más importante hasta la historia.

La inteligencia artificial en la actualidad

Hoy en día todo el mundo habla de inteligencia artificial, hasta el punto de convertirse en un término asociado al humo en el sector del emprendimiento, pero en China lo ha superado y hasta los niños de párvulos hacen las mismas preguntas que los CEOs estadounidenses.

La clave del crecimiento reciente de la inteligencia artificial ha sido el desarrollo del deep learning. El deep learning nació cómo concepto en los años 50, cuando Marvin Minsky y John McCarthy crearon los cimientos del campo. Años después, en los 80, se podían diferenciar dos tendencias: deep learning basado en reglas, y las redes neuronales.

Si tenemos algo de contacto con el emprendimiento sabemos que el actual favorito gracias  a Google son las redes neuronales. Pero para entender porque, veamos la base de cada enfoque. El deep learning basado en reglas hace uso de programar con una norma cada vez e ir aumentando la complejidad con el tiempo. 

El deep learning basado en redes neuronales hace uso de la experiencia, en lugar de establecer normas de antemano, permiten que la imagen analice muchas y que le mostremos la respuesta, de forma que al final “aprende” cuál es la imagen correcta.

La desventaja del segundo enfoque es la cantidad de información que hay que procesar. Esto limitó su desarrollo, pero a partir de mediados de la década del 2000 se hizo posible gracias al ...