Page 10 - ACTUALIDAD

de la IA es que lo que parecía más difícil (diagnosticar 2.5Los sistemas integrados como
enfermedades, jugar al ajedrez a nivel de gran maestro,
etc) ha resultado ser relativamente fácil y lo que paso previo hacia la IA de tipo
parecía más fácil ha resultado ser lo más difícil. La general
explicación a esta aparente contradicción hay que
buscarla precisamente en la dificultad de dotar a las Las capacidades más complicadas de alcanzar son
máquinas de conocimientos de sentido común. aquellas que requieren interaccionar con entornos no
restringidos: percepción visual, comprensión del
lenguaje, razonar con sentido común y tomar
decisiones con información incompleta. Diseñar
Los conocimientos de sentido común no se suelen sistemas que tengan estas capacidades requiere
recoger en libros o enciclopedias y sin embargo todos integrar desarrollos en muchas áreas de la IA. En
poseemos una gran cantidad de estos conocimientos particular, necesitamos lenguajes de representación de
fruto de nuestras vivencias y experiencias conocimientos que codifiquen información acerca de
interactuando con nuestro entorno ya que la cognición muchos tipos distintos de objetos, situaciones,
humana es una cognición situada y corpórea. Por acciones, etc., así como de sus propiedades y de las
ejemplo, sabemos que para mover un objeto atado a un relaciones entre ellos. También necesitamos nuevos
acuerda hay que tirar de la cuerda en vez de empujarla. algoritmos que, en base a estas representaciones,
El cuerpo, en particular los detalles del sistema sensor puedan responder de forma robusta y eficiente
y del sistema motor, determina el tipo de situaciones preguntas sobre prácticamente cualquier tema.
que un agente puede percibir y abordar. A su vez, estas Finalmente, dado que necesitarán conocer un número
situaciones conforman las habilidades cognitivas de prácticamente ilimitado de cosas, estos sistemas
los agentes. Consecuentemente, para especificar deberán ser capaces de aprender nuevos
concretamente dichas habilidades cognitivas es conocimientos de forma continua a lo largo de toda su
necesario tener en cuenta las interacciones del agente existencia. En definitiva, además de progresos
con su entorno. [3] Las aproximaciones no corpóreas individuales en cada una de estas áreas, debemos
no permiten interacciones directas con el entorno por también diseñar sistemas que integren percepción,
lo que, inevitablemente, dan lugar a falsos problemas representación, razonamiento, acción y aprendizaje.
y por lo tanto a falsas soluciones. Tienden a definir los Éste es un problema muy importante en IA ya que
problemas en términos de tareas en un entorno todavía no sabemos cómo integrar todos estos
especificadas desde una perspectiva abstracta de componentes de la inteligencia, necesitamos
objetos y relaciones. Las capacidades cognitivas no se arquitecturas cognitivas que integren a estos
deberían estudiar haciendo abstracción del sistema componentes de forma adecuada. Estos sistemas
sensor y el sistema motor. integrados son un paso previo fundamental para
conseguir algún día inteligencias artificiales de tipo
general.

3 El futuro de la IA

Entre las actividades futuras, creo que los temas de
investigación más importantes seguirán estando
basados en lo que podemos llamar “massive data-
driven AI”, es decir en explotar la posibilidad de
acceder a cantidades masivas de datos y poder
procesarlos con hardware cada vez más rápido con el
fin de descubrir relaciones entre ellos, detectar
patrones y realizar inferencias y aprendizaje mediante
modelos probabilísticos. Ejemplos claros de ello son
el sistema [2]. Sin embargo, estos sistemas basados en
el análisis de enormes cantidades datos deberán, en el
Figura 2 La inteligencia artificial es capaz de ver oír futuro, incorporar módulos que permitan explicar
y comprender cómo se ha llegado a los resultados y conclusiones
propuestas ya que la explicabilidad es una
La Fig. 2 nos da un ejemplo sobre lo que aprende la característica irrenunciable para los usuarios.
inteligencia artificial como observar esto se puede Actualmente la principal limitación de los sistemas
aplicar en cámaras, oír aplicaremos en sistemas basados en deep learning es que son “cajas negras” sin
moduladores de voz y comprender en videojuegos capacidad explicativa. Otras técnicas más clásicas de
para procesar jugadas a futuro o posibles soluciones a IA que seguirán siendo objeto de investigación son los
un problema. sistemas multiagente, el razonamiento espacial, la
planificación de acciones, el razonamiento basado en
la experiencia, la visión artificial, la comunicación
multimodal persona-máquina, la robótica humanoide
y animaloide y en particular las nuevas tendencias en

8