Sistemas Basados en Conocimiento

Los métodos generales desarrollados para la resolución de problemas y técnicas de búsqueda al inicio de la era de la Inteligencia Artificial demostraron no ser suficientes para resolver los problemas orientados a las aplicaciones, ni fueron capaces de satisfacer los difíciles requerimientos de la investigación.

A este conjunto de métodos, procedimientos y técnicas, se lo conoce como Inteligencia Artificial Débil. La principal conclusión que se derivó de este trabajo inicial fue que los problemas difíciles sólo podrían ser resueltos con la ayuda del conocimiento específico acerca del dominio del problema.

La aplicación de estas ideas dio lugar al desarrollo de los denominados Sistemas Basados en Conocimiento (Knowledge Based Systems) y al aparecimiento de la Ingeniería Cognoscitiva, como una rama de la Inteligencia Artificial, que estudia los sistemas basados en el conocimiento. La definición de un sistema basado en conocimiento puede ser la siguiente:

Componentes: software de interfaz, base de datos, programa computacional.

Una relativamente nueva categoría de sistemas de información orientada al servicio es el sistema experto, llamado así porque su base de datos guarda una descripción de habilidades en la toma de decisiones de experiencias humanas en un estrecho dominio de procedimientos, tales como interpretación médica de imagen, impuestos, diseño de piping, configuración de hardware en un sistema de computadores, equipamiento para reparar malfuncionamientos o, en la preparación de cerveza.

La motivación para construir sistemas expertos es el deseo de replicar el escaso, in estructurado y quizás el pobremente documentado conocimiento empírico de especialistas que de este modo puede ser rápidamente usado por otros.

Un programa computacional que usa inteligencia artificial resuelve problemas en un dominio especializado que ordinariamente requiere experiencia humana.

El primer sistema experto fue desarrollado en 1965 por Edward Feigenbaum y Joshua Lederberg de la Universidad de Standford en California, EEUU, y se lo llamó Dendral. Fue diseñado para analizar componentes químicos.

Dado que cada condición que puede ser encontrada puede ser descrita por una regla, los sistemas expertos basados en reglas no pueden manejar eventos no anticipados, pero pueden evolucionar con el uso, y permanece limitado a un estrecho dominio de problemas.

Otra variante de sistemas expertos, uno que no posee esta limitación, emplea una base de conocimiento que consiste de descripciones estructuradas de situaciones, de problemas del mundo real y de decisiones actualmente hechas por expertos humanos.

En medicina, por ejemplo, el registro de un paciente contiene descripciones de datos personales, exámenes físicos y de laboratorio, diagnóstico clínico, tratamiento propuesto, y los resultados de tales tratamientos.

Dada una gran base de datos con tales registros en una especialidad médica, el médico puede indagar acerca de eventos análogos a los relacionados con el paciente. Esto en contraste con el sistema que idealmente intenta reemplazar al ser humano, ya que en casos como estos sólo podría usarse este tipo de conocimiento como una herramienta que ayuda en la toma de decisiones.

El software requerido para este tipo de sistemas se ha ido complicando con el tiempo ya que su desarrollo demanda tiempo, un buen equipo de programadores y un buen producto final.

Se percibe este trabajo como una tarea para el ingeniero y consiste de:

  • Identificación y análisis de los requerimientos del usuario.
  • Desarrollo de las especificaciones del sistema (software y hardware).
  • Diseño del software.
  • Implementación
  • Testeo
  • Mantenimiento

Tareas típicas para sistemas expertos involucran clasificación, diagnóstico, monitoreo, diseño, inventario y planificación para esfuerzos especializados.

EVOLUCIÓN DE LA INTELIGENCIA ARTIFICIAL

La Inteligencia Artificial «nació» en 1943 cuando Warren McCulloch y Walter Pitts propusieron un modelo de neurona del cerebro humano y animal. Estas neuronas nerviosas abstractas proporcionaron una representación simbólica de la actividad cerebral.

Más adelante, Norbert Wiener elaboró estas ideas junto con otras, dentro del mismo campo, que se llamó «cibernética»; de aquí nacería, sobre los años 50, la Inteligencia Artificial.

Los primeros investigadores de esta innovadora ciencia, tomaron como base la neurona formalizada de McCulloch y postulaban que:

«El cerebro es un solucionador inteligente de problemas, de modo que imitemos al cerebro».

Pero si consideramos la enorme complejidad del mismo esto es ya prácticamente imposible, ni que mencionar que el hardware de la época ni el software estaban a la altura para realizar semejantes proyectos.

Se comenzó a considerar el pensamiento humano como una coordinación de tareas simples relacionadas entre sí mediante símbolos. Se llegaría a la realización de lo que ellos consideraban como los fundamentos de la solución inteligente de problemas, pero lo difícil estaba todavía sin empezar, unir entre sí estas actividades simples.

Es en los años 50 cuando se logra realizar un sistema que tuvo cierto éxito, se llamó el Perceptrón de Rossenblatt. Éste era un sistema visual de reconocimiento de patrones en el cual se asociaron esfuerzos para que se pudieran resolver una gama amplia de problemas, pero estas energías se diluyeron enseguida.

Fue en los años 60 cuando Alan Newell y Herbert Simon, que trabajando la demostración de teoremas y el ajedrez por ordenador logran crear un programa llamado GPS (General Problem Solver: solucionador general de problemas). Éste era un sistema en el que el usuario definía un entorno en función de una serie de objetos y los operadores que se podían aplicar sobre ellos. Este programa era capaz de trabajar con las torres de Hanoi, así como con criptoaritmética y otros problemas similares, operando, claro está, con microcosmos formalizados que representaban los parámetros dentro de los cuales se podían resolver problemas. Lo que no podía hacer el GPS era resolver problemas ni del mundo real, ni médicos ni tomar decisiones importantes. El GPS manejaba reglas heurísticas (aprender a partir de sus propios descubrimientos) que la conducían hasta el destino deseado mediante el método del ensayo y el error.
En los años 70, un equipo de investigadores dirigido por Edward Feigenbaum comenzó a elaborar un proyecto para resolver problemas de la vida cotidiana o que se centrara, al menos, en problemas más concretos. Así es como nació el sistema experto.

El primer sistema experto fue el denominado Dendral, un intérprete de espectrograma de masa construido en 1967, pero el más influyente resultaría ser el Mycin de 1974. El Mycin era capaz de diagnosticar trastornos en la sangre y recetar la correspondiente medicación, todo un logro en aquella época que incluso fueron utilizados en hospitales (como el Puff, variante de Mycin de uso común en el Pacific Medical Center de San Francisco, EEUU).

Ya en los años 80, se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial, tales como el LISP o el PROLOG. Es en esta época cuando se desarrollan sistemas expertos más refinados, como por el ejemplo el EURISKO. Este programa perfecciona su propio cuerpo de reglas heurísticas automáticamente, por inducción.

Los fines de la IA

Las primeras investigaciones acerca de la inteligencia artificial estaban principalmente dirigidas al hallazgo de una técnica universal para la solución de problemas. Este intento a gran escala ha sido abandonado y las investigaciones actuales están dirigidas al diseño de numerosos programas para ordenadores capaces de imitar los procesos de toma de decisiones de expertos, como médicos, químicos, basados en los conocimientos de especialistas en cada materia, son ahora utilizados para diagnosticar enfermedades, identificar moléculas químicas, localizar yacimientos de minerales e incluso diseñar sistemas de fabricación. Investigaciones acerca de la percepción han sido aplicadas a los robots y se han diseñado algunos capaces de «ver». La meta final consiste en crear un sistema capaz de reproducir todas las facetas de la inteligencia humana.

robots que educan

La rápida evolución de la inteligencia artificial en el mundo está cambiando cientos de campos laborales y transformando la forma en que se educa. Apenas están en sus primeras etapas, pero ya existen varios robots inteligentes que asisten el trabajo de los profesores. La inteligencia artificial será uno de los temas a tratar en la Cumbre Líderes por la Educación. Baxter, el robot de la Universidad Javeriana, puede reconocer las emociones de los niños mientras desarrollan un juego didáctico. Foto: Sergio Acero/SEMANA

La rápida evolución de la inteligencia artificial en el mundo está cambiando cientos de campos laborales y transformando la forma en que se educa. Apenas están en sus primeras etapas, pero ya existen varios robots inteligentes que asisten el trabajo de los profesores.

Le puede interesar: ¿En qué hemos avanzado y qué nos falta para mejorar la calidad de los docentes en el país?

Para Ashok Goel, profesor del Instituto de Tecnología de Georgia, atender cada semestre a los 300 estudiantes que asistían a su clase virtual de Inteligencia Artificial Basada en Conocimiento era una labor imposible; en especial porque muchos participaban activamente en el foro de discusión online, que era su único recurso para extender y clarificar sus dudas. Nueve profesores respondían a diario en el foro, pero incluso ellos no daban abasto. Hasta que llegó Jill Watson, la primera tutora basada en un programa de inteligencia artificial (I.A.) de la universidad. Al principio, Jill daba respuestas un poco extrañas, pero fue “aprendiendo”. La crearon a principios de 2015, con la asistencia del programa de I.A. de la gigante tecnológica IBM (curiosamente también llamado Watson), y para mediados del año ya tenía una efectividad del 95 % y representaba hasta el 40 % de todas las respuestas del foro. Los alumnos ni siquiera se dieron cuenta de que estaban hablando con un sistema computarizado hasta después de un año, en abril de 2016. Así de “humanas” eran sus respuestas.

El uso de la I.A. es un campo relativamente nuevo en la educación, pero ya logra imitar algunas funciones del ser humano. Muchas personas incluso afirman que, en un futuro cercano, la automatización inteligente transformará el rol del profesor tal como lo conocemos hoy. Pero, ¿qué puede hacer en realidad la inteligencia artificial y qué significa para el futuro de la educación? Primero, hay que entender que la I.A. no es necesariamente lo que podría parecer: la reproducción del pensamiento humano por medios artificiales que muestran películas como A.I., Inteligencia artificial de Steven Spielberg. Todavía estamos lejos de eso. Más bien, esta consiste en “una máquina capaz de tomar decisiones en forma autónoma, las cuales implican cumplir metas complejas en un contexto del mundo real”, tal como la define Enrique González, profesor del Departamento de Ingeniería de la Universidad Javeriana.

En el campo educativo, esto significa la capacidad de responder a las dudas de los estudiantes y adaptarse a sus necesidades, como lo hace el tutor digital Watson. Muchas funciones más o menos mecánicas de los docentes, como calificar exámenes o clarificar dudas frecuentes de los alumnos, ya se pueden automatizar. La I.A. puede incluso dictar un curso online adaptado a cada estudiante. Por ejemplo, la aplicación china Liulishuo, una especie de Duolingo con I.A., ofrece cursos de inglés online, y usa un sistema de machine learning para reconocer y utilizar el tipo de lecciones que muestran mejores resultados.

Por otro lado, los tutores pueden leer las emociones y el comportamiento de los aprendices. Century Tech, por ejemplo, desarrolló una plataforma de aprendizaje inteligente que sigue las interacciones de los estudiantes en el computador, desde el movimiento del cursor hasta el número de clics, buscando patrones programados por neuropsicólogos. Con esta información, ofrece un programa de estudio personalizado para cada alumno y, al profesor, una foto en tiempo real del progreso diario del estudiante.

“La adopción de la inteligencia artificial proveerá la oportunidad para desarrollar habilidades de aprendizaje más profundas y enriquecer la labor del maestro”.

También puede leer: Universidades se van a convertir en grandes bancos de datos

Para no ir más lejos, Colombia tiene a Baxter, un robot programado por un equipo de investigación de la Universidad Javeriana que tiene la capacidad de acompañar a los estudiantes mientras resuelven unos juegos didácticos, leer sus emociones, comunicarse con ellos, reforzarlos positivamente e identificar cuando tienen dificultades para  poder ayudarlos, o cuando está siendo muy fácil pasar al siguiente nivel. La I.A. “ya no solo implica cómo desarrollar los contenidos, sino cómo apoyar emocionalmente a los niños para que mejoren su rendimiento. Busca entender el contexto en el que se aprende y ajustarlo para que sea más acorde a las necesidades del estudiante”, cuenta el profesor González, director de este proyecto.

El Aristóteles digital

Estos avances han llevado a la suposición de que, algún día, bastará un sistema automatizado para educar, lo que llaman un “Aristóteles digital”, en referencia al reconocido filósofo y tutor de la Antigüedad. Semejante esquema podría resolver las dificultades de personalización que tiene el sistema educativo actual. Cada quién iría a su ritmo y tendría un profesor personalizado, presente en cualquier dispositivo digital, no solo para la etapa escolar sino a lo largo de la vida.  Algunos pensadores, como el británico experto en educación Anthony Seldon, han llegado incluso a sugerir que los robots empezarán a reemplazar a los profesores en menos de diez años.

Sin embargo, Rose Luckin, profesora de Diseño de Aprendizaje Centrado en el Estudiante en University College de Londres, asegura que, aunque “los tutores artificiales son muy buenos para entregar información clara a los estudiantes, enseñar es mucho más que esto, y las propiedades importantes de un maestro, como su habilidad para interactuar efectiva e inteligentemente,  no son posibles con esta tecnología”. En este sentido, la I.A., más que competir con los profesores, va a ser una gran ayuda para ellos. “Vamos a encontrar robots que entren a apoyar la clase, ya sea ayudando a los profesores con el manejo de la Big Data o desarrollando dinámicas pedagógicas”, dice Ronald Gutiérrez, profesor de la maestría en Informática Educativa de la Universidad de La Sabana.

Le sugerimos: El evento más esperado en educación

En noviembre, Gutiérrez lideró una investigación con un robot inteligente, a quien llamaron Clarens, en el colegio distrital Francisco José de Caldas para incentivar la participación en clase. Estaba programado para alzar la mano ante las preguntas del profesor y formular, a su vez, una pregunta clarificatoria. Como cuenta Gutiérrez, el experimento condujo no solo a un aumento en la participación en clase, sino a que los estudiantes pelearan por responderle la duda a Clarens. Se apropiaron del conocimiento para volverse, a su modo, los maestros del robot. Aplicaciones tan sencillas pueden mejorar la experiencia educativa de los estudiantes. “La adopción de asistentes I.A. proveerá la oportunidad para desarrollar habilidades de aprendizaje más profundas y enriquecer la labor del maestro. Esta profundización podrá resultar en docentes que se valgan de la ciencia de datos para tener mayor conocimiento sobre el proceso de aprendizaje de su estudiante”, concluye la profesora Rose Luckin.

El futuro de la medicina con la inteligencia artificial

El constante desarrollo de la Inteligencia Artificial (IA) ha colaborado al avance de muchos campos, entre ellos la medicina, en donde ha incursionado con robots que realizan un diagnóstico con base en una serie de preguntas a los pacientes, androides que cuidan a ancianos y hasta los que auxilian a los médicos en las intervenciones quirúrgicas.

Por otro lado, la incorporación de la IA también se ve reflejada en la incorporación de instituciones médicas a plataformas como Sophia Genetics en donde se comparten a nivel global datos de genómica, los cuales permiten hacer un diagnóstico con mayor rapidez, así como elegir los tratamientos más adecuados para los pacientes.

En el caso de los auxiliares médicos, cabe señalar que se encuentran revolucionando el sector salud, al brindan a pacientes y médicos beneficios en la disminución de “riesgos humanos” gracias a la precisión nanomilimértica con la que funcionan por lo que las intervenciones son menos invasivas, provocando que la recuperación sea más rápida y reduciendo el tiempo en quirófano.

A nivel mundial, los autómatas Da Vinci lideran como auxiliares de cirujanos, estos equipos robóticos fueron desarrollados por la empresa estadounidense Intuitive Surgical y su uso fue aprobado por la Administración de Alimentos y Medicamentos (FDA, por sus siglas en inglés) en el año 2000, luego de las intervenciones a distancia que se realizaron desde Estados Unidos a los soldados heridos en Irak.

Los resultados obtenidos con ellos son alentadores, pues en los últimos 10 años cerca de dos millones de personas alrededor del mundo han sido intervenidas con éxito.

Al respecto, José Soto Bonel, presidente de la Organización Española de Hospitales y Servicios de Salud, señaló durante su visita a México, previo al Primer Encuentro de Líderes de la Salud, que  la Inteligencia Artificial proyecta un futuro prometedor en el sector salud gracias a los avances tecnológicos.

Por ejemplo, aseguró que «los robots que están saliendo actualmente en el mercado ya no necesitan al médico para que los dirija, han aprendido, se les indica únicamente cuál es la intervención quirúrgica que van a hacer y la saben hacer ellos solos»