La inteligencia artificial entra en Internet y detecta intrusos o preferencias de uso

A Internet le sigue faltando inteligencia. La necesaria para poner orden en la inmensa cantidad de informaci¨®n que circula por la Red y, lo que es m¨¢s importante, para sacarle provecho sin caer en la desesperaci¨®n. Pero este d¨¦ficit, para muchos end¨¦mico de Internet, podr¨ªa enjugarse en un futuro pr¨®ximo aplicando soluciones expuestas en el XI Congreso Europeo de Aprendizaje Autom¨¢tico (ECML) celebrado recientemente en Barcelona. "Estamos avasallados por la informaci¨®n", resum¨ªa Ram¨®n L¨®pez de M¨¢ntaras, uno de los organizadores del mismo.

Ense?anza cl¨¢sica

En el congreso, una de las reuniones m¨¢s importantes en inteligencia artificial (IA), buena parte de las soluciones centran sus esfuerzos en la Red y en las tecnolog¨ªas de la informaci¨®n. En opini¨®n de L¨®pez de M¨¢ntaras, el desarrollo de sistemas inform¨¢ticos basados en la capacidad de autoaprendizaje, uno de los campos de expansi¨®n de la IA, va a permitir un notable avance en ¨¢reas consideradas clave para el futuro de Internet. Entre ellas, la explotaci¨®n de bases de datos, el comercio electr¨®nico o la seguridad.La clave de todo ello es la aplicaci¨®n de conceptos ya cl¨¢sicos del autoaprendizaje al mundo de Internet. En IA el objetivo es desarrollar sistemas que permitan a las m¨¢quinas, a los ordenadores, dar una soluci¨®n a un problema concreto. Y lo que se pretende es que esa soluci¨®n surja de la experiencia previa de la m¨¢quina en el tratamiento de problemas similares. A eso se le llama dotarlas de inteligencia y a la capacidad de generar soluciones, aprendizaje autom¨¢tico.

Aplicaciones

En campos cl¨¢sicos de la IA, que igualmente han hallado reflejo en el congreso de Barcelona, se ense?a a las m¨¢quinas a partir de programas inform¨¢ticos con algoritmos basados en mecanismos de aprendizaje t¨ªpicamente humanos. Los m¨¢s usuales son los de tipo inductivo (generan una regla general a partir de casos concretos); los basados en la experiencia (resuelven problemas similares a los acumulados en la memoria del ordenador) y los de reforzamiento o de ¨¦xito y fracaso (otorgan mayor valor a las respuestas correctas y menor a las incorrectas). A ellos se suman los llamados sistemas multiclasificadores en los que se combinan los m¨¦todos anteriores, adem¨¢s de t¨¦cnicas estad¨ªsticas o basadas en reglas.El uso de estos m¨¦todos permite, por ejemplo, identificar si un melanoma es maligno o benigno. ?C¨®mo? Introduciendo en el ordenador los datos relativos a un paciente. La m¨¢quina, por similitud con casos anteriores, identifica el diagn¨®stico y plantea una soluci¨®n. En paralelo, ejecuta un ¨¢rbol de decisiones (desgrana un camino con varias disyuntivas respondiendo a cuestiones tipo s¨ª o no) y completa el resultado con un an¨¢lisis estad¨ªstico.

Donde destaca el volumen de aplicaciones es en el aprendizaje basado en casos. En Barcelona se vieron casos orientados a la ense?anza asistida por ordenador, a la mejora de la interpretaci¨®n de partituras musicales, al perfeccionamiento de sistemas de reconocimiento de la voz o de la escritura (ofrecen mejores interpretaciones a la voz del usuario o a su graf¨ªa) o, como el ya citado del melanoma, sistemas expertos evolucionados que permiten elaborar un diagn¨®stico m¨¦dico por comparaci¨®n con otros similares.

Pero tambi¨¦n hay soluciones -en opini¨®n de L¨®pez de M¨¢nta-ras cada vez habr¨¢ m¨¢s- orientadas a resolver problemas de una cierta complejidad relacionados con las tecnolog¨ªas de la informaci¨®n. Entre otros, la detecci¨®n de intrusos en la Red mediante un software que identifica autom¨¢ticamente la entrada de personas no autorizadas a trav¨¦s de protocolos TCP/IP; la clasificaci¨®n de perfiles de compra o de apetencias por la navegaci¨®n en la Red, la predicci¨®n de oscilaciones en la bolsa, los tests de calidad en circuitos impresos y la obtenci¨®n de conocimientos concretos a partir de bases de datos enormes. En este ¨²ltimo caso, empiezan a desarrollarse aplicaciones en el mundo de la gen¨®mica y en la predicci¨®n gen¨¦tica.Para la mayor parte de este ¨²ltimo grupo de aplicaciones, destaca L¨®pez de M¨¢ntaras, aplicar inteligencia artifical no implica necesariamente desarrollar m¨¦todos m¨¢s costosos o complejos. "Suele ser m¨¢s complejo que un robot evite un suelo resbaladizo que localizar un intruso en la Red", afirma. S¨ª ser¨ªa m¨¢s complejo, pero ello forma parte de otro ¨¢mbito, conjugar lo que se conoce como control adaptativo con los m¨¦todos de aprendizaje autom¨¢tico. Su desarrollo est¨¢ permitiendo experimentar, entre otros, vuelos no tripulados o sistemas pensados para alertar incendios forestales, detectar bancos de peces o, algo aparentemente m¨¢s simple, fumigar grandes extensiones de cereales. En todos ellos, el desarrollo de redes neurales juega un papel clave.