Introducción
IA. Modelos y paradigmas
Cuando hablamos de Inteligencia Artificial es común utilizar expresiones como IA basada en reglas, IA estadística, Machine Learning o Deep Learning como si fueran etapas delimitadas de una evolución tecnológica. Sin embargo, la relación entre estos conceptos es más compleja.
Desde una perspectiva histórica, la IA ha recorrido un camino que va desde sistemas cuyo comportamiento se especificaba mediante reglas hasta sistemas capaces de aprender modelos a partir de los datos. Y, posteriormente, hacia sistemas capaces de aprender también representaciones cada vez más complejas de esos datos.
La diferencia fundamental entre estos enfoques está en cómo se consigue que el sistema sepa qué debe hacer. En una IA basada en reglas, ese conocimiento se incorpora directamente al sistema mediante las reglas que el programador establece. En Machine Learning, en cambio, el sistema aprende un modelo a partir de los datos mediante un algoritmo de aprendizaje.
La historia de la IA puede contemplarse, en buena medida, como la historia de diferentes paradigmas desarrollados para abordar problemas similares mediante estrategias diferentes: desde la especificación explícita del conocimiento mediante reglas hasta la construcción de modelos a partir de los datos. Dentro de ese campo de la IA han coexistido y siguen coexistiendo diferentes paradigmas, entendiendo por paradigma una forma general de plantear cómo abordar un determinado tipo de problema y cómo construir el procedimiento necesario para resolverlo.
La diferencia entre estos paradigmas no reside necesariamente en los problemas que pretenden resolver, sino en la forma en que plantean su resolución y, especialmente, en cómo incorporan el conocimiento necesario para obtener un resultado.
Veamos a continuación cuáles son esos paradigmas y cuales sus características
El paradigma heurístico o cómo programar el conocimiento. Las primeras aproximaciones a la IA estuvieron fuertemente vinculadas a la IA simbólica y a los sistemas basados en reglas. La idea fundamental era relativamente directa: si somos capaces de representar explícitamente el conocimiento necesario y establecer las reglas de razonamiento correspondientes, podemos diseñar un algoritmo que aplique esas reglas para obtener una respuesta.
Un ejemplo elemental sería: SI A implica B ENTONCES C.. En este paradigma, el experto cuyo conocimiento se pretende representar, determina las reglas que utilizará el sistema. lo que prima son las reglas que se establecen a priori y los datos son aquello sobre lo que éstas se aplican. Por ello, el proceso se puede representar esquemáticamente así:
- Reglas + datos → inferencia → resultado
Esta concepción dio lugar a los sistemas expertos, que tuvieron un importante desarrollo especialmente durante las décadas de 1970 y 1980. Su fortaleza era precisamente aquello que posteriormente se convertiría en una de sus limitaciones: el conocimiento podía representarse de forma explícita y, en determinadas condiciones, resultar interpretable. Sin embargo, el mundo real difícilmente puede reducirse a un conjunto completo de reglas.
¿Qué ocurre cuando existen miles de situaciones diferentes? ¿Qué sucede cuando las reglas son demasiado numerosas? ¿Y cuando ni siquiera sabemos formular explícitamente las reglas que utiliza una persona para reconocer una imagen, interpretar un texto o distinguir un patrón?
Aquí aparece el problema fundamental: podemos saber qué resultado queremos obtener sin saber formular explícitamente todas las reglas necesarias para obtenerlo. Una alternativa consiste entonces en analizar los datos para identificar en ellos regularidades, relaciones o patrones que puedan utilizarse para obtener el resultado buscado sin intentar especificar de antemano todas las reglas. Este planteamiento está en la base del enfoque estadístico de la IA.
La estadística ofrece una forma de abordar determinados problemas que es alternativa a la heurística. En lugar de intentar especificar todas las reglas, observamos los datos para buscar regularidades, relaciones y distribuciones que permitan describirlos o realizar inferencias. Por ello el esquema cambia: Datos → análisis estadístico → regularidades/inferencia → resultado
Esto introduce una transformación importante, ya que el conocimiento necesario para resolver el problema no tiene por qué estar completamente expresado mediante reglas diseñadas previamente por el programador. Puede inferirse matemáticamente a partir de los propios datos.
Dentro de este paradigma encontramos técnicas como la regresión, determinados métodos probabilísticos y otros procedimientos matemáticos que serán utilizados posteriormente dentro de sistemas de aprendizaje automático. Pero es necesario evitar identificar ambas, ya que estadística ≠ Machine Learning.. Un análisis estadístico puede limitarse a describir una población, estimar parámetros o estudiar relaciones entre variables. El Machine Learning añade una finalidad específica: construir mediante un procedimiento de aprendizaje un modelo capaz de realizar una tarea sobre datos, incluidos datos que no se utilizaron durante su entrenamiento. Podemos decir que la estadística constituye uno de los fundamentos de ML, pero no todo procedimiento estadístico es Machine Learning.
Con el Machine Learning (ML) se consolida una nueva forma de plantear muchos problemas de IA. Su característica diferencial no consiste en utilizar matemáticas o estadísticas; consiste en que el sistema aprende un modelo a partir de datos mediante un algoritmo de aprendizaje. La representación del proceso general sería: Datos → algoritmo de aprendizaje → modelo → nuevos datos → resultado
En el ML se distinguen tres elementos:
- El algoritmo de aprendizaje establece cómo se aprende.
- Los datos de entrenamiento proporcionan la información a partir de la cual se aprende.
- Y el modelo es el resultado de ese proceso: una estructura matemática cuyos parámetros han sido ajustados para realizar una determinada tarea.
Lo que cambia respecto a la IA heurística es que el comportamiento concreto del modelo deja de estar completamente especificado de antemano mediante reglas explícitas. Mientras que en la IA basada en reglas, el conocimiento que determina el comportamiento del sistema se incorpora explícitamente a éste, en la IA Machine Learning este conocimiento se obtiene mediante un proceso de aprendizaje a partir de los datos.
Dentro del ML diferenciamos entre el llamado aprendizaje supervisado y el aprendizaje no supervisado.
- En el aprendizaje supervisado disponemos de ejemplos de los que conocemos el resultado esperado (entrada → resultado conocido) y el algoritmo aprende la relación entre ambos.
- En el aprendizane no supervisado desconocemos el resultado o la respuesta correcta de cada observación y el objetivo consiste en encontrar estructuras o agrupaciones presentes en los propios datos. Así funcionan, por ejemplo, algoritmos de clustering como K-means. Su esquema de funcionamiento sería el siguiente: datos → algoritmo → estructura descubierta
Finalmente, la IA Deep Learning (DL) es el Machine Learning llevado a otro nivel. No constituye un paradigma independiente situado fuera del Machine Learning. Es fundamentalmente una familia de métodos de ML basada en redes neuronales profundas.
La importancia histórica del Deep Learning procede, entre otras cosas, de su capacidad para aprender automáticamente representaciones de gran complejidad a partir de grandes cantidades de datos.
Mientras que en los sistemas tradicionales de ML era frecuente que una parte importante de la representación de los datos tuviera que ser diseñada previamente, en el Deep Learning es la propia red la que puede aprender progresivamente representaciones útiles para la tarea. Esto resulta especialmente importante en los siguientes campos:
- reconocimiento de imágenes
- reconocimiento de voz
- procesamiento del lenguaje
- traducción automática
- generación de texto
- generación de imágenes
La evolución conceptual puede expresarse entonces como una progresiva transferencia de decisiones desde el diseñador hacia el proceso de aprendizaje: Reglas explícitas → modelos aprendidos → representaciones aprendidas. Pero no debemos interpretar estas secuencia como una sucesión de paradigmas, ya que podemos constatar que los sistemas basados en reglas siguen siendo útiles cuando el conocimiento puede expresarse de manera explícita y necesitamos comportamientos deterministas o fácilmente verificables. Los métodos estadísticos continúan siendo fundamentales y el Machine Learning incorpora técnicas estadísticas, matemáticas y computacionales muy diversas. Por su parte, el Deep Learning convive con otros métodos de ML que no utilizan redes neuronales profundas.
Dicho de otro modo, no estamos ante una sucesión de tecnologías que se reemplazan unas a otras. Estamos ante diferentes formas de resolver problemas, algunas de las cuales se han mostrado especialmente adecuadas para determinados tipos de problemas y determinadas condiciones tecnológicas.
