Bueno, pues resulta que hay una tercera vía, una tercera vía que alguna vez he mencionado en este blog, pero muy ligeramente y que hoy voy a comentar un poco más, aunque sin entrar en muchas profundidades.
Las tres olas de la inteligencia artificial
Leyendo el libro coral 'Introduction to digital humanism', llego hasta el capítulo titulado 'Trustworthy artificial intelligence: comprehensible, transparent and correctable' firmado por Ute Schmid. En ese capítulo, y siendo en realidad el tema principal la explicabilidad de la inteligencia artificial, la investigadora alemana menciona esas tres olas de la inteligencia artificial, la tercera de las cuales incluiría a la inteligencia artificial neurosimbólica.
 |
| Ute Schmid |
- Enfoques basados en conocimiento ('knowledge-based'): aunque la autora no lo expresa exactamente así, estaríamos hablando de ese tipo de soluciones en que existía la entonces denominada representación del conocimiento y que resolverían problemas o deducirían cursos de acción (inferencia) con base en ese conocimiento. No resulta difícil, en efecto, reconocer la inteligencia artificial simbólica y muy específicamente los sistemas expertos. La autora, que se centra sobre todo en la compresibilidad y posibilidad de corrección de los diferentes métodos, nos habla de que este tipo de soluciones con el término describir ('describe') y creo que es claramente admisible que son soluciones dotadas de explicabilidad.
- Machine learning intensivo en datos ('data-intensive'): El enfoque alternativo, el de los algoritmos que aprenden con base en datos o experiencia, es decir, estaríamos en el campo del 'machine learning' y, muy especialmente, del deep learning. Aunque no en todos los casos, en buena parte de ellos, especialmente en lo que tiene que ver con el deep learning, hablaríamos de algoritmos no explicables. La autora califica a esta ola con la palabra categorizar ('categorize').
- Enfoques que se adaptan al usuario: en esta tercera ola se buscaría que las soluciones de inteligencia artificial se adaptasen a los intereses de los usuarios dependiendo del contexto. La autora caracteriza esta ola con la palabra explicar ('explain') y serían el tipo de soluciones objetivo, unas soluciones, no sólo capaces de generar explicaciones sino también de una interacción que, eventualmente, pudiese conducir a correcciones al modelo.
La inteligencia artificial neurosimbólica
De cara a ilustrar lo que significa la inteligencia artificial neurosimbólica, la autora cita el artículo 'From statistical relational to Neuro-symbolic artificial intelligence'.
Se trata de un artículo no muy largo, pero sí técnico, en que, en esencia, se hace una revisión de hasta catorce modelos neuro-simbólicos que se clasifican en torno a siete dimensiones diferentes que son previamente explicadas. El artículo finaliza planteando cinco retos para el futuro de esta inteligencia artificial neurosimbólica.
La idea que parece quedar es que se trata de una línea de investigación prometedora, pero probablemente todavía reducida a eso, investigación, aunque con la velocidad a que avanza la inteligencia artificial actualmente, cualquier hallazgo, cualquier idea afortunada, podría cambiar el panorama y llevar a este tipo de soluciones al 'prime time' con resultados, probablemente, espectaculares.
Conclusiones
Aunque no parece que todavía estén preparados para un despliegue masivo y comercial, los sistemas de inteligencia artificial que combinan la visión basada en lógica y conocimiento (simbólicos) con la orientación conexionista y basada en datos, pueden ser una extraordinaria propuesta para futuras soluciones de inteligencia artificial.
Unas soluciones que, además de combinar la demostrada potencia de los sistemas neuronales con la explicabilidad de los simbólicos, nos hacen intuir una mayor cercanía con el funcionamiento del cerebro humano y, por tanto, la posibilidad de una mejor emulación de sus capacidades.
