Sin duda que es una suerte que la Inteligencia Artificial se pusiera de una vez de moda. Pero también es cierto que hoy en día a cualquier machine learning se le denomina inteligencia artificial.
Ante todo me gustaría aclarar algunas cuestiones en este primer artículo. Si nos vamos a las raíces y al diccionario de la RAE, inteligencia en sus primeras 7 acepciones:
Del lat. intelligentia.
- f. Capacidad de entender o comprender.
- f. Capacidad de resolver problemas.
- f. Conocimiento, comprensión, acto de entender.
- f. Sentido en que se puede tomar una proposición, un dicho o una expresión.
- f. Habilidad, destreza y experiencia.
- f. Trato y correspondencia secreta de dos o más personas o naciones entre sí.
- f. Sustancia puramente espiritual.
Y unimos “inteligencia” con “artificial”, en fin, nada de lo que denominamos inteligencia artificial es inteligencia. Especialmente la primera acepción, pues implicaría que la máquina artificial, hecho por el hombre, tendría que tener la capacidad endógena de entender o comprender, y nada más lejos de la realidad, actual y bastante futura. La capacidad de resolver problemas, obviamente, aunque si somos puristas, esa capacidad no la tienen ni muchos humanos.
De hecho, en la definición de inteligencia NO aparece el concepto de “aprendizaje”, y por ello, para mí el aprendizaje NO conlleva necesariamente mucha inteligencia, de hecho, muchos animales y humanos, aprenden por imitación y la mayor de las veces ni siquiera conlleva entendimiento de lo que hacen.
De hecho, uno de los fallos más relevantes de lo que se denomina hoy Inteligencia Artificial tiene que ver con la falta de capacidad de auto explicarse de los sistemas “inteligentes”. Algo que en los años 80 era innato a los sistemas expertos, debían de poder explicar razonadamente sus decisiones o razonamientos.
Más aún el llamado Machine Learning en general, conlleva poco de Inteligencia, pues en la mayoría de los casos, muchos algoritmos, como Deep Learning, son eso, algoritmos, que conllevan en sí mismos la capacidad de aprender o tener memoria, como es el caso de nuestro algoritmo de Inteligencia Colectiva de KNOWDLE.
Un algoritmo puede tener capacidades propias como cualquier motor de inferencia que conlleven el aprendizaje, pero NO necesariamente implican inteligencia.
En segundo lugar, la falibilidad de la inteligencia natural frente a la computación. Un autómata finito determinístico o programa resuelve, mediante algoritmo o no, un problema, y lo resuelve siempre igual. Mismos datos, iguales resultados. La IA se basa en la probabilidad de acierto, y el aprendizaje conlleva la mejora de dicha probabilidad de acierto, no con la certeza de acierto…
Por tanto, consideremos que para que exista Inteligencia Artificial deben darse diferentes cuestiones, un cierto “entendimiento” es decir, que debe poder explicarse “semánticamente” y por tanto el razonamiento “artificial” debe ser “entendido por un “humano”, debe darse un cierto nivel de aprendizaje, y sobre todo, debe existir un elevado nivel de inferencia con múltiples soluciones con diferentes probabilidades… sin duda, si le diéramos “permiso” a una inteligencia artificial como la de “KNOWDLE” para tomar decisiones, tomaría la que más probabilidad tiene, en nuestro caso la función óptima del bien común, pero mientras el humano toma sus propias decisiones, seleccionar contenidos o compras, el sistema debe de ir aprendiendo de las decisiones del usuario frente a las decisiones de la máquina de forma que se produzca una convergencia futura…
Leo muchas patentes que se proponen hoy en día y con dos cajitas de “machine learning” ya se auto califican de “inteligencia artificial”. Bueno, si somos puristas no lo son. Otro punto importante a considerar es el mal uso que se viene realizando de las redes neuronales. Un error muy generalizado es combinarlo con las técnicas de clustering y etiquetado para determinar los perfiles de las personas. Como si fuéramos siempre iguales…
Primero, sobre las etiquetas, nadie es “ROMANTICO” o “AVENTURERO” siempre… ni siquiera en “diferentes” mismas circunstancias. Ni siquiera en las mismas estaciones del año. No es normal que seas romántico en horario laboral salvo que seas un actor en plena actuación…
Las redes neuronales tienen su aplicación, pero sinceramente, el perfil de un usuario dista mucho de acomodarse a una red neuronal… por compleja que esta pueda ser… Ciertamente las redes neuronales aprenden con cierta fiabilidad, pero aprenden, en cuestiones que NO suponen grandes cambios en poco espacio de tiempo… funcionan razonablemente en escenarios estables, por ejemplo, una matrícula de un coche, o la cara de una persona…
Por eso, desde esta columna, procuraremos aclarar de la mejor manera posible aquellos conceptos relativos a la Inteligencia Artificial, que desde hace años es una de mis mayores pasiones, y ciertamente, siempre he sido bastante purista en mi profesión. Por eso, nuestros sistemas de inteligencia artificial aún están en embrión, y son muy modulares y flexibles, y aún nos queda mucho I+D+i por abordar. Pero es cierto que hemos dedicado ya más de 5 años y podemos decir que hemos dado grandes pasos para interconectar “funcionalidades” que aportan rasgos de “inteligencia artificial” y lo hacen con mucho acierto…
Y lo hacen con una característica única, con inteligencia colectiva… pero eso lo explicaremos en la siguiente columna.
Fuente: Baquia.com
