Читать книгу La propiedad intelectual de las obras creadas por inteligencia artificial - Pablo Fernández Carballo-Calero - Страница 8

El término IA contiene una referencia explícita a la noción de inteligencia. Sin embargo, desde el momento en que la “inteligencia” (tanto en las máquinas como en los seres humanos) es un concepto vago –aunque ha sido estudiado extensamente por psicólogos, biólogos y neurocientíficos–, los investigadores de la IA utilizan sobre todo la noción de “racionalidad”. Ésta se refiere a la capacidad de elegir la mejor acción para alcanzar un determinado objetivo, teniendo en cuenta ciertos criterios que se deben optimizar y los recursos disponibles. Por supuesto, la racionalidad no es el único ingrediente del concepto de inteligencia, pero es una parte importante del mismo. Así las cosas, tomando como referencia el imprescindible libro de RUSSELL y NORVIG, Artificial Intelligence: A Modern Approach13, un sistema de IA es, ante todo, racional.

Ahora bien, ¿cómo logra un sistema de IA la racionalidad? Como se señala en la definición ofrecida por la Comisión Europea, lo hace percibiendo el entorno en el que está inmerso a través de ciertos sensores, recopilando e interpretando a continuación los datos, razonando sobre lo que percibe o procesando la información derivada de esos datos, decidiendo cuál es la mejor opción, y actuando en consecuencia a través de ciertos mecanismos modificando de esta forma el entorno. Los sistemas de IA pueden utilizar reglas simbólicas o aprender un modelo numérico, y también pueden adaptar su comportamiento analizando la forma en que el entorno se ve afectado por sus acciones anteriores. Resulta muy ilustrativa al respecto una gráfica que representa de forma esquemática un sistema de IA y las orientaciones que el Grupo ofrece para comprender la misma.

Una representación esquemática de un sistema de IA

*Fuente: “A definition of AI: Main capabilities and scientific disciplines”. High-Level Expert Group on Artificial Intelligence, p. 2.

Sensores y percepción. En la figura 1, los sensores del sistema están representados como un símbolo wifi. En la práctica pueden ser cámaras, micrófonos, un teclado, una página web u otros dispositivos de entrada, así como sensores táctiles, de temperatura, presión, distancia, etc. En general, es necesario dotar al sistema de IA de sensores adecuados para percibir aquellos datos presentes en el entorno que sean relevantes para el objetivo que le ha sido asignado por su diseñador humano. Por ejemplo, si queremos construir un sistema de IA que limpie automáticamente el suelo de una habitación cuando esté sucio, los sensores podrían incluir cámaras para tomar una foto del suelo.

En cuanto a los datos recopilados, suele ser útil distinguir entre datos estructurados y no estructurados. Los datos estructurados son los que se organizan según modelos predefinidos (como en una base de datos relacional), mientras que los datos no estructurados no tienen una organización conocida (como en una imagen o un texto).

Razonamiento/procesamiento de la información y toma de decisiones. En el núcleo de un sistema de IA se encuentra su módulo de razonamiento/procesamiento de la información, que toma como entrada los datos procedentes de los sensores y propone una acción a realizar en función del objetivo a alcanzar. Esto significa que los datos recogidos por los sensores deben ser transformados en información que el módulo de razonamiento/procesamiento pueda comprender. Continuando con el ejemplo de un sistema de limpieza de IA, la cámara proporcionará una imagen del suelo al módulo de razonamiento/procesamiento de la información, y este módulo debe decidir si limpiar el suelo o no (es decir, cuál es la mejor acción para lograr el objetivo deseado). Si bien puede parecer fácil para nosotros pasar de una imagen de un suelo a la decisión de si necesita ser limpiado, esto no es tan fácil para una máquina, porque una imagen es sólo una secuencia de 0s y 1s. En consecuencia, el módulo de razonamiento/procesamiento de la información tiene que:

i) Interpretar la imagen para decidir si el suelo está limpio o no. En general, esto significa ser capaz de transformar los datos en información y modelar esa información de manera sucinta, incluyendo todos los datos pertinentes.

ii) Razonar sobre este conocimiento o procesar esta información para producir un modelo numérico (es decir, una fórmula matemática) con el objeto de decidir cuál es la mejor acción. En este ejemplo, si la información derivada de la imagen es que el suelo está sucio, la mejor acción es activar la limpieza, de lo contrario la mejor acción es quedarse quieto14.

Actuación: Una vez decidida la acción, el sistema de IA está listo para ejecutarla a través de los mecanismos disponibles. En la Figura 1, los mecanismos están representados como brazos articulados, pero no tienen por qué ser físicos. Los mecanismos podrían ser también un software. En nuestro ejemplo de limpieza, el sistema de IA podría producir una señal que activase una aspiradora si la acción es limpiar el suelo. Por poner otro ejemplo, un sistema conversacional (es decir, un chatbot) actuaría generando textos para responder a los enunciados planteados por los usuarios. En este punto, la acción realizada va a modificar posiblemente el entorno por lo que, la próxima vez, el sistema necesitará utilizar de nuevo sus sensores para percibir una información que probablemente haya cambiado en un entorno modificado.

Los sistemas de IA racionales no siempre eligen la mejor acción para su objetivo, logrando así sólo una racionalidad limitada debido a restricciones en recursos como el tiempo o la potencia de cálculo. Los sistemas racionales (rational AI systems) son una versión muy básica de los sistemas de IA. Modifican el entorno, pero no adaptan su comportamiento a lo largo del tiempo para mejorar en la consecución de sus objetivos. Un sistema racional de aprendizaje (learning rational system) es un sistema que, después de emprender una acción, evalúa el nuevo entorno (a través de la percepción) para determinar cuán exitosa fue su acción y adaptar a continuación sus reglas de razonamiento y métodos para la toma de decisiones.