Ecuatorianos trabajan con inteligencia artificial para solucionar problemas nacionales

A lo largo de su historia, la inteligencia artificial ha evolucionado a la par de la aplicabilidad que se le puede dar a esta disciplina para resolver problemas principalmente tecnológicos. Uno de los más destacados en la última década ha sido la incógnita de cómo hacer para que las máquinas aprendan a tomar decisiones de forma autónoma.

Autos que se conducen solos, asistentes que traducen instantáneamente o sugerencias de compra personalizadas... son ejemplos de complejas tareas que antes eran una quimera, pero que hoy son posibles gracias al ‘Machine Learning’, una disciplina de la inteligencia artificial (AI, por sus siglas en inglés) que permite a las computadoras aprender por sí mismas.

Sí, las computadoras también aprenden y lo hacen mediante algoritmos, como los desarrollados por ingenieros del Laboratorio de Investigación en Inteligencia y Visión Artificial de la Escuela Politécnica Nacional (EPN).

¿Cómo lo hacen? A través del aprendizaje por refuerzo, un método de Machine Learning en el que los algoritmos aprenden a partir de su propia experiencia para ser capaces de tomar la mejor decisión ante diferentes situaciones.

Este grupo de profesionales ecuatorianos diseña algoritmos para que las máquinas progresen con una actividad encargada, es decir, para adquirir habilidades al recibir un estímulo o un castigo, dependiendo de si hicieron bien o mal la tarea encomendada de acuerdo a un proceso de prueba y error.

Marco Benalcázar, director de este laboratorio de la EPN, explica que el aprendizaje por refuerzo se volvió más famoso cuando en el año 2015 la empresa Google DeepMind diseñó un algoritmo que logró vencer en el juego de Go (considerado uno de los juegos de mesa más complicados que existen) al jugador profesional Lee Sedol por 5 partidas a 1.

Haciendo referencia a este contexto histórico, el experto manifiesta que existen problemas en el tema de los juegos, por ejemplo, en donde “no es una decisión la que determina el resultado, sino una asociación de movimientos”.

Según Benalcázar, el problema de los otros tipos de Machine Learning es que no son capaces de lidiar con escenarios donde se tiene que tomar una serie de decisiones para lograr un objetivo, a diferencia del aprendizaje por refuerzo.

Es por esta razón, que desde el año 2015, el grupo de investigación liderado por este doctor de Ingeniería Electrónica, comenzó a adaptar dentro de su laboratorio este mecanismo de aprendizaje para resolver algunos problemas puntuales.

El experto junto a sus compañeros de investigación crearon el proyecto denominado ‘Inteligencia artificial a través de aprendizaje por refuerzo’, con el cual buscan saber cómo poder adaptar algoritmos que le permitan a las computadoras desarrollar precisamente una de esas capacidades innatas a las que se refiere: aprender.

Ellos lo hacen a través de los juegos porque según Benalcázar, “son escenarios donde es más fácil diseñar experimentos que permitan evaluar los desarrollos”.

“Este tipo de aprendizaje se fundamenta en un esquema bajo el cual se realizan una serie de acciones con las que se recibe un estímulo si se alcanza el objetivo o un castigo si no se alcanza”, manifiesta el ingeniero.

Pero, ¿cómo se castiga o se premia a una computadora?

Benalcázar explica una computadora puede ser descrita como un sistema de bits, es decir, que está compuesta y trabaja con números. Teniendo en cuenta esto, la forma en la que representan un estímulo o un castigo para la máquina, es el mismo mecanismo con el cual representa su información, es decir, números. 

"La esencia de estímulo o castigo sería darle un número positivo cuando logra realizar la tarea o un número negativo cuando no lo logra. Estos valores los damos en función del problema en el cual estamos intentando aplicar este esquema de aprendizaje", sostiene.

En la última prueba que diseñaron, los expertos utilizaron el juego del tres en raya modificado. El juego del tres en rayas consiste en una matriz de 3x3 en el que participan dos personas, el cual es considerado como un juego sencillo, sin embargo, según Benalcázar, "si vamos escalando a matrices de 5x5 o 7x7 habrá muchos más estados distintos y es ahí donde se vuelve más interesante el uso de algoritmos".

El ingeniero detalla que el tiempo para que la máquina aprenda una tarea bajo este método dependerá de la complejidad o de la cantidad de estados que haya en un problema determinado. Por ejemplo, en el juego del Go, al ser mucho más complejo que el tres en raya, una computadora tardaría varios días de entrenamiento y se necesitaría varías tarjetas gráficas más, por la cantidad de núcleos requeridos.

“Quizás de todos los problemas que existen en la inteligencia artificial, el aprendizaje por refuerzo sea el más interesante porque es aplicable a todo escenario donde haya que tomarse una serie o sucesión de acciones para alcanzar un objetivo", destaca.

Y es que este tipo de herramienta, además de ser utilizada para juegos, puede ser aplicada para desarrollar sistemas de robótica, toma de decisiones y servir en distintos sectores.

Benalcázar pone el ejemplo de la industria automovilística, en la que el área de ensamblaje de vehículos está constituida por robots que cumplen tareas determinadas y que involucran una serie de movimientos. Esos robots podrían hacer de manera más rápida y precisa los movimientos gracias a este algoritmo. 

"Los juegos, al tratarse de programas, son un campo donde nos es muchos más fácil manipular. Pero, la ventaja de esto, es que si desarrollamos algo en un juego, puede ser potencialmente aplicable a situaciones que involucren a personas o que involucran o hardware", enfatiza.

El experto aclara que en el caso ecuatoriano, este tipo de algoritmos podría servir dentro de la producción de camarón, atún o inclusive de banano, en donde en algún momento intervienen máquinas. El algoritmo podría automatizar algunas partes del proceso para obtener una mayor producción y un menor gasto de recursos.

Además, Benalcázar sugiere que el país podría apostar por el desarrollo tecnológico, dentro del cual, “una de las cosas relativamente más fáciles de hacer es el desarrollo del software”. Según él, con esto se podrían producir técnicas y soluciones de inteligencia artificial que sirvan no solo para Ecuador sino para todo el mundo y por ende, el mercado y el consumo sería mucho más amplio.

No obstante, el ingeniero puntualiza que esos ejemplos serían en el primer grado de aplicabilidad. El otro grado sería la ayuda y toma de decisiones a nivel empresarial. 

"Este algoritmo podría alimentarse de datos sobre el contexto en que una persona, una empresa o incluso un político tenga que tomar una decisión y en función de eso sugerir una sucesión de acciones para que se pueda tener un punto de referencia o apoyo", argumenta.

Ahora, dentro del campo de aplicación, el equipo liderado por Benalcázar se encuentra desarrollando un aparato de reconocimiento de gestos de las manos basado en el algoritmo que ellos mismos crearon.

Explica que si logran desarrollar por completo un sistema aplicado al reconocimiento de la mano que funcione con una buena precisión, podría servir para que quienes tengan discapacidad auditiva o de habla puedan comunicarse con otras personas. 

"Ahí nosotros tenemos un producto directo para el beneficio de la sociedad. Sin embargo, nuestro laboratorio, por la naturaleza misma de la investigación, no desarrolla productos en particular, sino que trata de resolver y descubrir principios y métodos potencialmente aplicables en ingeniería a varios campos", concluye.

El experto considera que la inteligencia artificial va a ser uno de los elementos que le permita al mundo recuperarse en el contexto de la crisis ocasionada por la pandemia de coronavirus. Lo que se proponen ahora es materializar estos algoritmos en otras aplicaciones que beneficien directamente a la sociedad.