Inteligencia Artificial aplicada a la solución de problemas nacionales
CIENCIAS.
Alianza UNAM trabaja en futuros usos de la IA en México.
Cuando escuchamos hablar de inteligencia artificial (IA) se nos viene a la mente historias de películas, en las que las máquinas son capaces de pensar y tomar decisiones por encima de los seres humanos.
Pero hasta dónde este tipo de historias es ciencia ficción ¿algún día las máquinas serán capaces de tomar decisiones que podrían someter a los seres humanos?
Aunque en los últimos años, el campo de la inteligencia artificial se ha desarrollado de manera acelerada, hasta ahora no hay indicios de que esto vaya a ocurrir. Sin embargo, esto no niega el hecho de que esta rama de la ciencia de la computación, se ha colado, sin que nos demos cuenta, en el día a día de nuestras vidas de manera sorprendente.
Entre otras muchas cosas, la IA es la responsable de que lleguemos a tiempo a nuestro destino cuando buscamos una ruta en Waze, o de que el celular nos ordene las fotos por lugares o por temáticas sin que las hayamos etiquetado. Está detrás de que un asistente de voz como Siri, Alexa y otros más que cumplen nuestras ordenes cuando les pedimos que enciendan la luz, pongan música o que nos den el estado del tiempo. También le debemos que las plataformas de streaming nos sugieran qué ver o qué música escuchar.
Un campo en evolución.
La inteligencia artificial surgió en la década de los 50’s del siglo pasado como una rama de las ciencias de la computación. Esta disciplina trata de desarrollar sistemas informáticos que sean capaces de reconocer patrones (imágenes o sonidos), de comprender, actuar y aprender.
En otras palabras, la IA trata de desarrollar sistemas informáticos capaces de realizar tareas que normalmente se atribuyen a la inteligencia humana que van desde, jugar ajedrez, conducir vehículos, entender distintos idiomas, detectar enfermedades, entre otras muchas posibilidades, casi tantas como el número de tareas que realizamos las personas en el día a día.
Entre otros factores, el desarrollo de este campo se debe a que muchos especialistas en ciencias de la computación se han enfocado al desarrollo de una metodología conocida como “aprendizaje profundo”. Esta a su vez se basa en un modelo, conocido desde el siglo pasado, llamado “redes neuronales”, comentó el doctor Iván Vladimir Meza Ruíz, del Instituto de Investigaciones en Matemáticas Aplicadas y en Sistema de la UNAM (IIMAS), durante la conferencia “El laboratorio de Inteligencia Artificial de la UNAM”.
El investigador aclara que muchos de los algoritmos que se utilizan actualmente fueron desarrollados en las últimas décadas del siglo pasado, pero debido a que no se disponía de sistemas de procesamiento relativamente baratos como con los que contamos hoy en día, con computadoras cada vez más pequeñas y, a la vez, más poderosas, se suspendió la investigación en este campo de las ciencias computacionales.
Eventualmente, con la evolución de las computadoras y gracias a que ya se cuenta con acceso a una enorme cantidad de datos, en el 2010 se retomaron las ideas que se habían desarrollado a finales de los 90´s, lo que dio lugar a un nuevo modelo computacional conocido como “aprendizaje profundo”.
Los modelos de redes neuronales, o de aprendizaje profundo, son modelos matemáticos-computacionales que intentan reproducir el funcionamiento del cerebro humano. Una de sus características es que pueden “aprender” reforzando ciertas conexiones en base a nueva información.
Existen varios tipos de redes neuronales. Uno muy común es conocido como “Perceptrón”:
Para ejemplificar cómo funciona este modelo, supongamos que somos un extraterrestre que no conocemos la salsa de chile, pero sabemos que a la gente le gusta y queremos aprender a prepararla:
Como nosotros nunca hemos hecho una salsa, necesitamos hacer pruebas con los elementos de la entrada (ingredientes), ya que, si uno de ellos es incorrecto, por ejemplo, agregamos un zapato, nuestra mezcla será un desastre y lo que obtendremos será una salida que no es deseada. Es decir, el primer paso es contar con datos eficientes, que produzcan buenas salsas y eliminar aquellos que no necesitamos.
Una vez que identificamos cuáles son los ingredientes adecuados, el siguiente paso es saber la cantidad necesaria de cada uno de ellos. Esto lo vamos a conocer a base de prueba y error, es decir vamos a realizar distintas combinaciones, cada una con diferentes cantidades y tendremos una persona que pruebe cada mezcla y dependiendo de la cara que ponga, decidiremos si modificamos las cantidades de los ingredientes.
Por ejemplo, si ponemos poco jitomate, poco chile, poca agua y mucha sal, no obtendremos una buena salsa y sin lugar a duda obtendremos una cara muy triste, entonces regresaremos a nuestros datos para buscar dónde estuvo la falla y haremos otra prueba con menos sal y así sucesivamente, hasta conseguir una salida que sea cercana a lo que deseamos, es decir una carita feliz. Pero antes de llegar al resultado deseado vamos a tener muchas versiones de salsas.
Lo anterior es un ejemplo sencillo de cómo funcionan las redes neuronales. En la práctica los problemas tienen muchos más elementos de entrada.
Pensemos en el sistema que detecta el spam en los correos electrónicos, los datos de entrada son todas las palabras que vienen en un mensaje; a cada palabra se le asocia un peso que da la indicación si es spam o no y en base a esto, el sistema decide si es un mensaje deseado.
Una Alianza en acción.
Durante el 2022, se estableció en la UNAM “Alianza”, un proyecto de vinculación multisectorial cuyo objetivo es consolidar una propuesta orientada a fortalecer el desarrollo, la investigación y la implementación de nuevas tecnologías, con énfasis en la inteligencia artificial y la inclusión en la economía digital, así como a detonar propuestas específicas para alguno de los problemas que enfrenta México.
Este proyecto es un esfuerzo conjunto entre la Universidad Nacional Autónoma de México (UNAM), y Huawei Latinoamérica y el Caribe, las Secretarías de Relaciones Exteriores (ser) y de Economía, el Consejo Nacional de Fomento para la Inversión, el Empleo y el Crecimiento Económico, la Agencia de Cooperación Alemana para el Desarrollo Sostenible y la Red de Soluciones de Desarrollo Sostenible de la ONU.
Además, participarán todas las instituciones nacionales que estén realizando trabajo en inteligencia artificial para generar proyectos innovadores y que contribuyan a la solución de problemáticas sociales.
Entre los problemas que actualmente se están trabajando en este Laboratorio destacan la identificación de inundaciones, la cosecha de fresas y la secuenciación del DNA para tuberculosis, entre otros.
Estos problemas son muy grandes, se necesitan una gran cantidad de datos para que los sistemas aprendan a solucionarlos. La forma en la que se trabaja en este proyecto es una nueva manera que tiene la UNAM de compartir sus recursos, para que diferentes grupos de investigación encuentren solución a problemas nacionales.
Por: Consuelo Doddoli.
Sitio Fuente: Ciencia UNAM