El pasado mi\u00e9rcoles 17 de octubre en el hotel Plaza El Bosque se llev\u00f3 a cabo el s\u00e9ptimo desayuno del Club CIO de este 2018. La presentaci\u00f3n \u201cInteligencia Artificial: Presente y futuro\u201d estuvo a cargo de \u00c1lvaro Soto, profesor del Departamento de Ciencias de la Computaci\u00f3n (DCC) de la Universidad Cat\u00f3lica, quien expuso sobre IA, su desarrollo y potenciales aplicaciones.\u00c1lvaro Soto comenz\u00f3 su presentaci\u00f3n entregando una definici\u00f3n para lo que entendemos como Inteligencia Artificial: el estudio de modelos computacionales -algoritmos- que permite a m\u00e1quinas percibir, razonar y actuar con gran flexibilidad. El camino que ha seguido el desarrollo de la IA al interior del DCC comenz\u00f3 el 2002, con una m\u00e1quina capaz de navegar un espacio por s\u00ed misma. Sin embargo, seg\u00fan indic\u00f3 \u00c1lvaro, esta m\u00e1quina solo pod\u00eda entender el espacio como ocupado o desocupado, y carec\u00eda de la capacidad de hacer sentido de dicho espacio.<\/p>\n
Otros dos conceptos aparecen luego: machine learning (algoritmos capaces de aprender de la experiencia) y Deep learning (aprendizaje de estructuras jer\u00e1rquicas composicionales). El machine learning permite a un algoritmo aprender a trav\u00e9s de inducci\u00f3n (por ejemplo, luego de ver mil fotos de caras humanas y mil fotos que no contienen caras humanas, el algoritmo es capaz de detectar en una foto si hay caras o no), mientras que para explicar el Deep learning Soto lo compar\u00f3 con la manera en que asociamos letras en s\u00edlabas, s\u00edlabas en palabras y palabras en oraciones. Con estas herramientas, una m\u00e1quina puede ser capaz, por ejemplo, de reconocer movimientos del cuerpo humano de forma individual y luego hacer sentido del conjunto de comportamientos para entender un macrocomportamiento.<\/p>\n
Sin embargo, si bien una m\u00e1quina es capaz de reconocer con cierto \u00e9xito objetos o patrones en una imagen, es mucho m\u00e1s complejo lograr que entienda la sem\u00e1ntica de \u00e9sta, la forma en que se relacionan dichos objetos o patrones. \u00c9sta es el \u00e1rea en que falta m\u00e1s desarrollo, seg\u00fan explic\u00f3 Soto, y para ello en el DCC se utilizan fuentes de datos como wordnet (una base de datos l\u00e9xica que almacena relaciones sem\u00e1nticas entre palabras), Microsoft Coco (im\u00e1genes de objetos comunes en contexto) y Concept Net 5 (que relaciona conceptos con im\u00e1genes).
\nGracias a estos adelantos, 3 a\u00f1os atr\u00e1s el DCC fue capaz de desarrollar un robot que realiza tareas de inventario en supermercados recorriendo los pasillos durante la noche. Este robot puede determinar problemas de etiquetado de precios, stock, ubicaci\u00f3n de productos en g\u00f3ndolas, temperatura, entre otros.<\/p>\n
Pero la incorporaci\u00f3n de robots en espacios comunes con humanos hace necesario dotarlos de comportamientos sociales, ya sea para evitar que choquen con personas a su paso o para ser capaces de entender indicaciones con texto sencillo en lenguaje com\u00fan. Adem\u00e1s, se vuelve importante que el sistema no solo tome decisiones, sino que sea capaz de fundamentar las razones por las cuales toma dichas decisiones.<\/p>\n
Por \u00faltimo, \u00c1lvaro indic\u00f3 que el gran desaf\u00edo se encuentra actualmente en lograr que las m\u00e1quinas funcionen tan intuitivamente como el cerebro humano y que sean capaces de discriminar el valor de los datos -pasando de simples algoritmos a ingenier\u00eda de datos-, pero que el desarrollo de la IA tiene el potencial de implementarse en cualquier industria, otorgando una gran herramienta para la innovaci\u00f3n.<\/p>\n
Puede revisar las fotograf\u00edas del evento y la presentaci\u00f3n en los siguientes enlaces:<\/p>\n