Facultad de Ingeniería y Ciencias Bási... > Docente autónomo como ponente en el Enc...

Docente autónomo como ponente en el Encuentro Internacional ‘Tendencias de la Inteligencia Artificial’

Facultad de Ingeniería y Ciencias Básicas

Pensando en las facilidades de los escenarios virtuales para conectar y acercar comunidades, el pasado 10 de junio se llevó a cabo el ‘Encuentro Internacional Tendencias de la Inteligencia Artificial’, un evento organizado por la Red de Programas de Ingeniería de Sistemas y Afines, REDIS, de la cual hace parte el programa de Ingeniería Informática UAO, con la representación de la directora de programa Diana Carolina Rivera Velasco.

El evento contó con la participación de 11 ponentes, quienes hablaron sobre lo último en Inteligencia Artificial (IA). Desde la UAO, el docente Víctor Adolfo Romero Cano participó con su ponencia ‘Inteligencia Artificial y Sistemas Autónomos’, una charla enfocada en las capacidades que debe tener un agente y/o máquina inteligente para alcanzar la inteligencia humana, con base en las teorías de Yann LeCun y Judea Pearl.

Para comenzar, el docente planteó una definición de Inteligencia Artificial (IA), en la que hace referencia al estudio o desarrollo de agentes inteligentes, los cuales se entienden como dispositivos capaces de percibir su ambiente y tomar acciones, con el fin de maximizar las posibilidades de éxito para alcanzar metas y objetivos.

En este sentido, se inicia una discusión en torno a las capacidades que requieren los agentes inteligentes para lograr simular la inteligencia humana, para lo cual el docente Romero plantea la importancia de que las máquinas puedan razonar y tomar acciones teniendo en cuenta la inferencia causal y la presencia física.

Para entender el planteamiento del docente es importante conocer el significado de:

Inferencia: es una conclusión alcanzada con base en evidencias, es decir deducir algo derivado de una premisa.
Razonar: es la capacidad de hacer inferencias. Para que un sistema sea realmente inteligente, deberá ser capaz de extraer evidencia, procesarla y hacer inferencia que respalde su proceso de razonamiento.
Tomar acciones: es hacer algo de manera concertada para alcanzar un objetivo o solucionar un problema, con base en el razonamiento.
Inferencia causal: es el proceso de sacar una conclusión con base en evidencias, pero teniendo en cuenta el efecto que puede generar, es algo que en IA está en una etapa muy inmadura.
Asociación: es la capacidad de relacionar un objeto o actividad, con un concepto o palabra.Por ejemplo, los sistemas de aprendizaje automático actuales logran, de manera sobresaliente asociar la imagen de un gato con la palabra gato.
Contrafactual: toda situación que no ha sucedido ni ha sido experimentada por el ser humano, pero que podría haber ocurrido, es decir “¿qué hubiese pasado si yo hubiese hecho tal cosa?”

Ahora bien, ¿cómo lograr que la IA alcance su máximo potencial y se asemeje aún más a la inteligencia humana?

Hay que enseñar a las máquinas o sistemas inteligentes a preguntarse el ¿por qué? de las cosas, para ello es importante el razonamiento. Judea Pearl propone una escalera de la causalidad, que contiene todas las capacidades que debe tener una maquina para alcanzar la inteligencia humana.

1- La máquina debe tener la capacidad de asociación.

2- Debe ser capaz de razonar sobre el efecto de sus actos desde la intervención y lo contrafactual, es decir, si yo meto la mano en agua caliente qué me pasará y que hubiese pasado si yo no hubiese metido la mano en el agua caliente.

“Es necesario equipar las máquinas con modelos físicos y conceptuales, una vez dotadas con esta capacidad ellas deben ser capaces de postular nuevos modelos sobre la realidad y verificarlos con evidencia empírica por medio de la interacción física, como seres humanos somos testigos que aprendemos con base en las experiencias e interacción con nuestro entorno” mencionó el docente.

Para finalizar, el docente recalcó la importancia del trabajo realizado por el Semillero de Investigación en Robótica y Sistemas Autónomos UAO, y expuso algunos casos de máquinas y sistemas desarrollados, los cuales sirven de punto de partida para el estudio de la inteligencia artificial, la interacción y el efecto de las decisiones, en su mayoría enfocados en el sector automotriz y agricola.

Si deseas conocer algunos de estos proyectos desarrollados, ingresa aquí.