Los sistemas cognitivos artificiales: la evolución infinita del cerebro

Inteligencia artificial en los sistemas cognitivos

Los sistemas cognitivos artificiales son aquellos mecanismos basados en computadoras, interactivos y con alto grado de confiabilidad cuya tarea consiste en simular los procesos de conocimiento humano, tomar decisiones y resolver problemas complejos. En este contexto, Stuart Russell y Peter Norving (2004) en su libro Inteligencia Artificial: Un enfoque moderno destacan que la inteligencia artificial simula estos procesos y afirman que la toma de decisiones es considerada el más alto nivel de inteligencia y experiencia humana. Sumado a eso, enumeran y caracterizan  los componentes de dichos sistemas:

• Base de conocimiento: En este componente se representan los hechos y las reglas. Aquí se almacena el conocimiento en un dominio (o campo) particular (el cognitivo en este caso).
• Motor de inferencia: Es el cerebro del sistema experto y su función consiste en obtener el conocimiento relevante de la base de datos, interpretarlo y encontrar una solución pertinente para el problema a resolver. Contiene las reglas de su base de conocimientos y las aplica a los hechos conocidos para inferir otros nuevos. De este modo, proporciona razonamiento sobre la información en la base de conocimiento. 
• Módulo de adquisición de conocimiento y aprendizaje: Este componente posibilita que el sistema adquiera cada vez más saberes de diversas fuentes y lo almacene en la base de conocimiento.
• Interfaz de usuario: Es el elemento crucial del sistema cognitivo, ya que admite que un usuario inexperto interactúe con el sistema  y encuentre una solución a un problema. 
• Módulo de explicación: Le permite al usuario obtener una respuesta vinculada con el modo en que el sistema cognitivo artificial llegó a una conclusión particular. De esta manera, argumenta los resultados con la mayor exactitud. 

Los sistemas cognitivos artificiales constan de redes neuronales artificiales (nodos conectados que transmiten información entre sí) y se basan en el conexionismo (un enfoque multidisciplinario que incluye la psicología cognitiva, las neurociencias y la inteligencia artificial), el cual afirma que en el cerebro humano la información se procesa a través de patrones de propagación de la activación que posibilitan que se formen unas redes entre las neuronas que procesarán esta información recibida de manera rápida y sin necesidad de algoritmos preprogramados.

Para que estos sistemas funcionen como el cerebro humano tienen que cumplir una serie de condiciones que son enunciadas por Rudolph Russell (2018) en su libro Redes Neuronales: Guía Sencilla De Redes Neuronales Artificiales:

• Propagación de la activación: Las neuronas, cuando son activadas, influyen en aquellas con las que están conectadas. Esto puede ocurrir facilitando su activación o inhibiéndola. 

• Aprendizaje neuronal: El aprendizaje y la experiencia afectan a las conexiones entre las neuronas. 
• Procesamiento en paralelo: En este proceso, la activación se propaga en paralelo entre todas las neuronas. Gracias a esto somos capaces de interpretar gran cantidad de datos a la vez, aunque existe un límite en nuestra capacidad.
• Redes neuronales: El sistema está conformado por una gran red de neuronas agrupadas entre sí, a través de mecanismos de inhibición y activación. Dentro de estas redes también se encuentran los inputs de información y los outputs conductuales. Dichas agrupaciones representan la información estructurada que posee el cerebro y los patrones de activación desarrollan la manera en la que ocurren los procesamientos de la misma.

Complementando lo mencionado hasta el momento, los autores Ramón García Martínez y Paola Britos (2004) en su libro Ingeniería de Sistemas Expertos  exponen que las cualidades que debe reunir un sistema cognitivo artificial son las siguientes:

• Interactividad: Está dada entre todos los componentes del sistema (la máquina. los usuarios, las aplicaciones, dispositivos y servicios) para no interrumpir el flujo de información y la transferencia de conocimiento.
• Adaptación: Simulando al cerebro humano, el aprendizaje cognitivo se presenta como una versión mejorada y moldeable, preparado para ajustarse a las necesidades de cada entorno. Para conseguirlo, deberá garantizar su agilidad a la hora de comprender requisitos y objetos, así como su dinamismo en lo que respecta a la recopilación de datos.
• Contextualización: La comprensión, la identificación y la extracción de elementos contextuales son puntos clave en el proceso de aprendizaje cognitivo de las máquinas. El tiempo, la tarea, la ubicación, el perfil del usuario y los objetivos son diferentes facetas de un mismo proceso que, recurriendo a múltiples fuentes de información (estructurada y no estructurada), dotará de contexto a los datos.
• Iteración: Es el enfoque más recomendable en lo que respecta a la calidad de datos y, por esta razón, no puede faltar en ningún sistema de computación cognitiva si se quiere asegurar que este será capaz de proporcionar la información suficiente en las condiciones de actualización, exactitud y fiabilidad necesaria.

Avances científicos y tecnológicos

Los avances realizados por los sistemas cognitivos de aprendizaje se encuentran presentes en diferentes áreas de la vida cotidiana, como por ejemplo: el reconocimiento facial y/o de voz, salud, ventas, marketing, entre otros. Muchas empresas han comenzado a integrar esta tecnología en sus asuntos comerciales de rutina de manera eficiente y algunos casos exitosos son los siguientes:

• Cora - Intelligent Agent: Con el apoyo de IBM Watson, Royal Bank of Scotland desarrolló un asistente inteligente que es capaz de manejar cinco mil consultas por día. Utilizando capacidades de aprendizaje, el asistente le dio al banco la facultad de analizar los datos de reclamos de los clientes y crear un repositorio de preguntas frecuentes. El sistema no sólo analizó las consultas, sino que también fue capaz de proporcionar mil respuestas diferentes y comprender doscientos intentos de los clientes. Aprendió cómo los usuarios realizan las preguntas generales,  de qué modo manejar la consulta y transferirla a un agente humano si es demasiado complicado.  
• Asistente de atención médica: La empresa de medicina y salud Welltok creó un eficiente asistente de atención médica, CaféWell, que actualiza la información de salud relevante de los clientes al procesar una gran cantidad de datos médicos. CaféWell es una herramienta holística de salud que recopila datos de varias fuentes y el procesamiento instantáneo de preguntas por parte de los usuarios finales, ofreciendo recomendaciones de salud inteligentes y personalizadas.
• Planificador de viajes personal: El asistente WayBlazer le permite a las personas  planificar viajes realizando preguntas en lenguaje natural y proporcionando resultados al recopilar y procesar datos de viaje, así como también la información sobre las preferencias de los viajeros. Este tipo de herramienta cognitiva los ayuda a ahorrar tiempo en la búsqueda de vuelos, reservas de hoteles y planificar actividades sin investigar en varios sitios web antes de finalizar el viaje. 

Los ejemplos mencionados anteriormente son algunos de los tantos avances que a diario revolucionan el mundo económico y social a través de la transformación digital, requiriendo grandes inversiones a nivel mundial.

Ventajas y desventajas del tema

Las principales ventajas de la implementación de los sistemas cognitivos artificiales son las siguientes:

• Análisis preciso de datos
• Procesos comerciales más eficientes
• Interacción mejorada con el usuario
• Reducción del tiempo en el análisis de datos
• Reducción del error humano
• Mejora en la toma de decisiones tanto a nivel de producción como de negocios 
• Control y optimización de procesos productivos y líneas de producción

Las principales desventajas del uso de estos sistemas consisten en:

• Disponibilidad de datos: A menudo, los datos que se presentan en las empresas son inconsistentes y de baja calidad, lo cual presenta un desafío importante para las organizaciones que pretenden crear valor a partir de la IA a escala. Para poder superar esta barrera, será de vital importancia trazar una estrategia clara desde el principio que permita  extraer los datos de IA de una manera organizada y consistente.
• Falta de profesionales cualificados: Un obstáculo asiduo a nivel empresarial para la adopción de IA es la escasez de perfiles con habilidades y  experiencia en este tipo de implementaciones. Es crucial en estos casos contar con profesionales que ya hayan trabajado en proyectos de la misma envergadura.
• Creatividad: Los seres humanos pueden responder creativamente a situaciones inusuales, mientras que los sistemas expertos no tienen esa capacidad.
• Experiencia Sensorial: Los seres humanos tienen un amplio rango de disponibilidad de experiencia sensorial, mientras que los sistemas expertos actualmente dependen de una entrada simbólica.
• Degradación: Los sistemas expertos suelen presentar dificultades para reconocer cuando no existen determinadas respuestas o cuando los problemas se encuentran fuera de su área.

Los sistemas cognitivos artificiales proyectan un futuro alentador para las instituciones y las empresas que los utilizan en sus procesos administrativos y comerciales, ya que a través del análisis lógico de datos, promueven una eficiencia operacional y una interacción con el cliente/usuario cada vez más óptima.

Este proceso cognitivo artificial, similar al que se desarrolla en el cerebro humano, vislumbra amplias oportunidades en diversos países y continentes decididos a invertir en Inteligencia Artificial. Como toda tecnología, si bien estos sistemas presentan ciertas desventajas de uso, a través de sus elementos y características nos demuestran que pueden ser moldeables y cada vez más precisos, gracias a su adaptabilidad, interacción, iteratividad y contextualización con el mundo y los sujetos que los rodean.

Es momento de tomar conciencia del requerimiento imperante de formar a los estudiantes y profesionales en estas áreas emergentes que día a día se actualizan, transformando los perfiles académicos y laborales del siglo XXI, ya que como bien afirmó el futurólogo estadounidense Alvin Toffler: “el gran motor de cambio es la tecnología”.