La Inteligencia Artificial (IA) es un término que está de moda en muchos ámbitos del quehacer humano. De manera general, se podría definir como la automatización de las habilidades humanas. Hacer programas de computadoras que simulen habilidades humanas. En este artículo se comentan las principales habilidades humanas que han dado forma a esta disciplina, mencionando brevemente el tipo de problemas que se resuelven.

Uno de los primeros conflictos que tuvo esta disciplina al nacer (y aún ahora) es el de explicar una definición de inteligencia artificial. Si definir "inteligencia" es complicado, aumentarle el adjetivo "artificial" lo complicó mucho más. Para efectos de este artículo, se podría decir que la IA es la parte de las ciencias computacionales que se dedica a emular, simular o automatizar las habilidades humanas. Esto quiere decir, escribir programas de computadora que se comporten como si fuera un humano. Al menos eso fue en sus inicios.

Pero, ¿cuáles habilidades humanas? Podríamos hacer un listado de ellas y con eso mencionar las áreas en las que se divide la IA. Para empezar, la habilidad de resolver problemas. Muchos de los problemas se pueden plantear como procesos de búsqueda. En el ajedrez, por ejemplo, se requiere buscar hasta encontrar la mejor jugada que acerque al éxito del juego. Se diseñaron algoritmos para realizar búsquedas eficientes para encontrar la mejor jugada considerando varias tiradas adelante; de esta forma se encuentra la mejor movida. Los esfuerzos en IA se enfocaron al diseño de algoritmos eficientes para guiar la búsqueda de soluciones y hacerla más rápida y eficiente.

Otros problemas requieren utilizar conocimiento humano para resolverlos. Se crearon lenguajes de representación de conocimiento humano donde el más utilizado es con base en reglas del tipo: SI premisa ENTONCES conclusión. Con este lenguaje se han escrito muchos de los sistemas expertos famosos en la historia con resultados aceptables cuando el conocimiento está bien definido. Sin embargo, estos sistemas tienen el inconveniente de que no admiten incertidumbre ni en las premisas ni en las conclusiones. Un ejemplo proviene del diagnóstico médico: SI fiebre ENTONCES infección. Pero a veces hay otras razones para la fiebre. Cuando los científicos de IA plantearon formas de manejo de incertidumbre, se dio un paso adelante en el uso de técnicas de IA en aplicaciones reales.

Para manejar la incertidumbre se intentó utilizar teoría de probabilidad, pero resultó impráctico por el número de parámetros requeridos para una inferencia. También se desarrollaron métodos llamados ad hoc, pero se demostró que no eran eficientes. Nacieron entonces mecanismos como las redes Bayesianas, (ya comentadas en este medio, en una entrevista en septiembre 2019). Las redes Bayesianas permiten modelar el conocimiento considerando la incertidumbre. El INEEL ha desarrollado muchos proyectos usando redes Bayesianas en diagnóstico, predicción y representación de comportamiento de transformadores, turbinas de gas y turbinas eólicas, entre otros equipos.

La visión artificial es otra área de la IA que, junto con adelantos importantes en la electrónica y en óptica, ha permitido desarrollar técnicas de reconocimiento de imágenes y reconocimiento de patrones que permiten identificar a un individuo o identificar un producto en una línea de producción. Estas técnicas se han extendido a imágenes con movimiento y se han incorporado a dispositivos como los drones, utilizados en múltiples actividades.

Hablar, leer, escribir y entender el lenguaje natural o, más bien, los lenguajes humanos nos han mostrado la forma en que una computadora pueda hacer lo mismo. Hoy en día, es increíble la forma en que ha evolucionado la técnica y somos capaces de crear máquinas que puedan mantener una conversación de manera que nos cuesta trabajo pensar que el interlocutor no es una persona. Todos tenemos en el teléfono celular muestras de ello. Y no se diga la capacidad actual de entender un texto en español y mostrar su equivalente en inglés, o en cualquier otro lenguaje.

Por último, la habilidad humana que más se ha estudiado y que ha dado paso a nuevas disciplinas es la habilidad de aprender. Tomando las experiencias de psicólogos, pedagogos y filósofos, se analizaron las formas y los procesos de aprendizaje en los seres humanos, tanto en las etapas tempranas de su desarrollo como en la adquisición de experiencia en un campo específico para volverse experto. Se realizaron diferentes propuestas de automatización del aprendizaje, dando lugar a las técnicas conocidas como aprendizaje automático (machine learning en inglés) o descubrimiento de conocimiento en datos (KDD por sus siglas en inglés).

El método de aprendizaje más común y utilizado es con base en ejemplos. Tomando ciertos atributos de un objeto, o de un concepto, se discrimina en un proceso de clasificación. También se pueden hacer agrupaciones (clustering en inglés) de ejemplos con alguna característica en común. Entonces, dado un conjunto grande de datos de entrenamiento, al considerar un nuevo caso, se puede definir qué tipo de enfermedad representan los síntomas; el tipo de cliente que tenemos; las preferencias de consumo de los clientes y muchas otras aplicaciones actuales.

Finalmente, en los últimos años se han desarrollado nuevas técnicas que algunos llaman inteligencia computacional, mientras que otros le siguen llamando IA. Algoritmos genéticos, redes neuronales artificiales y lógica difusa son las más utilizadas. Los algoritmos genéticos siguen la idea de la evolución de las especies donde se proponen soluciones a un problema (generalmente de optimización). El proceso se repite hasta que las soluciones hijas sean igual de buenas que las soluciones padres. La lógica difusa utiliza reglas como se comentó anteriormente, pero lo importante es que las premisas y conclusiones no son solo falsas o verdaderas, sino que tienen un grado de pertenencia a la característica. Se forman conjuntos difusos y se integran términos como "poco", "muy", en la formación de reglas. Las redes neuronales tienen un número definido de entradas que son las variables del problema a resolver, y una o más salidas según las conclusiones que se requieran tomar. Son mecanismos matemáticos que se asemejan a las neuronas del cerebro y se requieren entrenar con muchos ejemplos conocidos para ir ajustando los parámetros de la red. Dado un nuevo ejemplo del problema, la red pueda dar la respuesta más apropiada según el entrenamiento recibido.

Existen otras habilidades humanas como decidir, diagnosticar, pronosticar o planificar, pero estas se realizan como combinaciones de las habilidades comentadas. También existen otras técnicas formadas con la combinación de diferentes herramientas, como las búsquedas + manejo de incertidumbre + aprendizaje, que han permitido atacar problemas cada vez más retadores. La medicina y la milicia fueron las primeras beneficiarias de estas técnicas de IA, pero ahora bancos, energía, seguridad e industria y, en general, todas las actividades de la sociedad reciben el beneficio de la IA.

Como dice Stuart Russell en su libro de texto de IA, la idea es crear sistemas que presenten un comportamiento racional y resuelvan problemas, no necesariamente como hacemos los humanos.

Autor:
Pablo H. Ibargüengoytia González