Page 30 - Trabajo EBOOK

29

estas capacidades requiere integrar desarrollos en base a datos.
muchas áreas de la IA. En particular, necesitamos
lenguajes de representación de conocimientos que También veremos progresos significativos gracias a las
codifiquen información acerca de muchos tipos distintos aproximaciones biomiméticas para reproducir en
de objetos, situaciones, acciones, etc., así como de sus máquinas el comportamiento de, inicialmente, animales
propiedades y de las relaciones entre ellos. También tales como insectos. No se trata únicamente de reproducir
necesitamos nuevos algoritmos que, en base a estas el comportamiento de un animal sino de comprender
representaciones, puedan responder de forma robusta y como funciona el cerebro que produce dicho
eficiente preguntas sobre prácticamente cualquier tema. comportamiento. Se trata de construir y programar
Finalmente, dado que necesitarán conocer un número circuitos electrónicos que reproduzcan las secuencias de
prácticamente ilimitado de cosas, estos sistemas órdenes que el cerebro genera para, por ejemplo, producir
deberán ser capaces de aprender nuevos conocimientos movimientos (de las alas, las patas, etc.). Algunos
de forma continua a lo largo de toda su existencia. En biólogos están interesados en los intentos de fabricar un
definitiva, además de progresos individuales en cada cerebro artificial lo más complejo posible porque es una
una de estas áreas, debemos también diseñar sistemas manera de comprender mejor el órgano y los ingenieros
que integren percepción, representación, razonamiento, buscan información biológica para hacer diseños más
acción y aprendizaje. Éste es un problema muy eficaces. Mediante la biología molecular es posible
importante en IA ya que todavía no sabemos cómo identificar que genes y que neuronas juegan un papel en
integrar todos estos componentes de la inteligencia, estos movimientos. Otra importante fuente de inspiración
necesitamos arquitecturas cognitivas que integren a para la IA es la ciencia de materiales, y en particular los
estos componentes de forma adecuada. Estos sistemas nanomateriales. Por ejemplo, para el desarrollo de
integrados son un paso previo fundamental para músculos artificiales una posible tecnología consiste en
conseguir algún día inteligencias artificiales de tipo intercalar capas de caucho de silicio con capas de
general. polímero electroactivo de tal forma que el conjunto
flexiona al aplicar un campo eléctrico [Anderson et al.
3 El futuro de la IA 2014]. También hay resultados interesantes en cartílagos
Entre las actividades futuras, creo que los temas de artificiales construidos mediante filamentos de polímeros
investigación más importantes seguirán estando basados con moléculas atractoras de agua para mimetizar las
en lo que podemos llamar “massive data-driven AI”, es propiedades de los cartílagos naturales [Chen et al. 2009].
decir en explotar la posibilidad de acceder a cantidades Finalmente, se están usando compuestos de caucho de
masivas de datos y poder procesarlos con hardware cada silicona cargado con nanopartículas de níquel para pieles
vez más rápido con el fin de decubrir relaciones entre artificiales ya que la resistencia del compuesto disminuye
ellos, detectar patrones y realizar inferencias y con la presión a que es sometido, o también sensores
aprendizaje mediante modelos probabilísticos. capacitivos, es decir cuya capacidad cambia con la
Ejemplos claros de ello son el sistema [2]. Sin embargo, presión [2]
estos sistemas basados en el análisis de enormes Esta aproximación pluridisciplinar a la IA mimetizando a
cantidades datos deberán, en el futuro, incorporar la biología y el uso de resultados en ciencia de materiales
módulos que permitan explicar cómo se ha llegado a los puede producir un efecto sinérgico que cambie
resultados y conclusiones propuestas ya que la profundamente la naturaleza de la IA e incluso quizá
explicabilidad es una característica irrenunciable para nuestra comprensión de que es la inteligencia.
los usuarios. Actualmente la principal limitación de los En cuanto a las aplicaciones, algunas de las más
sistemas basados en deep learning es que son “cajas importantes seguirán siendo aquellas relacionadas con la
negras” sin capacidad explicativa. Otras técnicas más web, los video-juegos, y los robots autónomos (en
clásicas de IA que seguirán siendo objeto de particular los automóviles con pilotaje automático, sillas
investigación son los sistemas multiagente, el de ruedas autónomas, robots domésticos, robots de
razonamiento espacial, la planificación de acciones, el exploración de planetas, etc.). La economía y la
razonamiento basado en la experiencia, la visión sociología también usarán cada vez más modelos de IA,
artificial, la comunicación multimodal persona- en particular agent-based models para simular
máquina, la robótica humanoide y animaloide y en interacciones entre grandes cantidades de agentes y llevar
particular las nuevas tendencias en robótica basada en el a cabo predicciones. También en biología molecular y
desarrollo (developmental robotics) [1]. En el caso de la farmacología veremos un uso cada vez más intensivo de
robótica existe otra una nueva propuesta basada en el la IA. Por ejemplo, muchos fármacos tienen efectos
concepto de computación en la nube (cloud secundarios inesperados, por ejemplo, la Viagra que
computating) que se conoce como Cloud inicialmente se desarrolló para hipertensión resultó ser
Robotics [1]La ventaja reside en que cada robot podrá muy efectiva para tratar la disfunción eréctil; o la
aprender de las experiencias del resto de robots a los que lovastatina, un efectivo tratamiento del
que esté interconectado a través de la nube, lo cual hipercolesterolemia, ha resultado ser un potente
debería permitir un progreso rápido de aprendizaje y antibiótico. Pues bien, en lugar de esperar que estos
mejora de las capacidades de cada uno de los robots. beneficiosos efectos secundarios se descubran por
Cuantos más robots formen parte del “cloud” más casualidad, investigadores en farmacología aplican
rápido deberían aprender y mejorar. La técnica de técnicas de IA para predecir que fármacos ya existentes
aprendizaje más apropiada para este enfoque sería el pueden tener otros usos terapéuticos y en particular
“deep learning” ya que los robots deberán aprender en predecir las propiedades antibióticas de dichos fármacos