divulgación de la ia en el ámbito científico
TRANSCRIPT
Divulgación de la IA en el ámbito científico Lotufo, Nicolas; Alvarenga, Federico; Palomino, Jesús Universidad Tecnológica Nacional, Facultad Regional Buenos Aires
Abstract
La Inteligencia Artificial (IA) es un campo de la
ciencia y la ingeniería que se ocupa de la
compresión, desde el punto de vista informático, de
lo que se denomina comúnmente como
comportamiento inteligente. La IA se encuentra en
constante evolución y creciendo en popularidad, por
lo que puede resultar difícil mantenerse al día con
las tendencias sobre los distintos tipos de IA más
usados. El objetivo del presente estudio es realizar
un relevamiento de la problemática de la
Inteligencia Artificial en congresos nacionales en
los últimos 5 años. Con este fin, se recopilaron
alrededor de 300 publicaciones, separando
aquellas relacionadas a la IA, y categorizando cada
una en los distintos tipos de IA que son utilizados en
ellas. Los resultados demuestran un dominio de las
Redes Neuronales Artificiales por sobre los demás
tipos de IA, tanto en cantidad como en crecimiento.
Palabras Clave
Inteligencia Artificial, Congresos Nacionales,
Google Trends. Divulgación Científica.
Introducción
La Inteligencia Artificial (IA) es un campo de la ciencia y la ingeniería que se ocupa de la compresión, desde el punto de vista
informático, de lo que se denomina comúnmente como comportamiento
inteligente. También se ocupa de la creación de artefactos que exhiben este comportamiento [1].
Es una realidad que la IA evoluciona
constantemente, esto lleva a observar cómo se implementa en distintas áreas, lo cual lo transforma en una importante herramienta
al estar presente en muchas soluciones que mejoran la calidad de vida de las personas,
y, además, favorecen el desarrollo económico del sector privado [2]. Por ejemplo, en algunos sistemas de salud se
utiliza IA para facilitar y perfeccionar el diagnóstico de enfermedades [3]. En el
ámbito de la educación, existen
implementaciones que utilizan IA para proporcionar y facilitar la planificación,
diseño y organización del docente (y luego facilitar el aprendizaje del alumno) [4]. En el sector empresarial, se utiliza para el
análisis del mercado (tendencias), y así, tomar decisiones eficientes y oportunas [5].
Otro ámbito para el uso de la IA es mediante la realización de estudios “Opinion Mining” en algún Servicio de Redes Sociales (SRS).
El Opinion Mining es un conjunto de técnicas de procesamiento
multidisciplinarias que permiten extraer aspectos útiles sobre uno o más textos de opinión [6].
En algunos casos, las investigaciones sobre
IA son presentadas, en congresos, ante la comunidad científica para ser evaluadas y divulgadas o difundidas. Los congresos son
conferencias académicas, que tienen como objetivo propiciar espacios de
participación, de carácter internacional, para la producción y divulgación académica, que permita la transferencia de
conocimiento en educación, tecnología y ciencia [7]. Se desarrollan múltiples
congresos nacionales de la disciplina, los cuales poseen un espacio en donde se difunde de IA y sus tecnologías (Redes
Neuronales Artificiales, Deep Learning, Algoritmos Genéticos, entre otros).
En este contexto, el objetivo del presente trabajo es realizar un relevamiento de la
problemática de la Inteligencia Artificial en congresos nacionales en los últimos 5 años
y, posteriormente, analizar la relación entre los resultados obtenidos con la popularidad de búsqueda en internet entre el ámbito
general y el científico. Para cumplir con el objetivo propuesto, el presente trabajo se
estructura de la siguiente manera: en la primera sección, se definen los conceptos
básicos. En la segunda sección, se realiza el relevamiento de todas las publicaciones y un análisis de las mismas. En la tercera, se
muestra la popularidad de los temas relacionados basado en las búsquedas en
Google estos datos son extraídos través de Google Trends. En la cuarta, se realiza una comparación entre los resultados de las
secciones anteriores. Finalmente, en la quinta sección, se desarrollan las
conclusiones y futuras líneas de trabajo.
1. Conceptos Básicos
La Inteligencia Artificial (IA) es una
disciplina de las Ciencias Computacionales que estudia la conducta del ser humano, en términos de procesos de información y su
accionar, e intenta que una computadora simule dicho comportamiento determinado
como inteligente. Se define IA como: la programación de máquinas competentes dedicadas a tomar decisiones de forma
sistemática y funcional que la mente humana puede hacer, y así, minimizar su intervención en ciertas situaciones [8]. “La
IA es un campo de la ciencia y la ingeniería que se ocupa de la comprensión, desde el
punto de vista informático, de lo que se denomina comúnmente comportamiento inteligente. También se ocupa de la
creación que exhiben este comportamiento” [11]. Es un área
considerada muy amplia ya que posee muchas sub-ramas con enfoques distintos pero relacionados entre sí. También es
considerada multidisciplinar, porque utiliza herramientas, conceptos y métodos de otras
áreas de la ciencia (como el cálculo matemático, la estadística, la informática, la robótica, la neurociencia, y otros) [10].
Indistintamente del enfoque, estas máquinas reciben datos constantemente y, a
través de varios procesos, se logra entenderlos (mediante un lenguaje conocido) y razonarlos (relacionándolos
unos con otros), para que luego se conviertan en información válida y
relevante para la tarea asignada.
Existen algunas clasificaciones, o enfoques, principales de acuerdo a las distintas definiciones consultadas. Se diferencian,
primeramente, dos grupos: el proceso del pensar humano, o sea, el razonamiento y, el
comportamiento o conducta del sujeto [9]. Además, se los separa en: el comportamiento humano y el concepto
ideal de inteligencia, llamado racionalismo [9]. Estas cuatro clasificaciones son:
Sistemas que piensan como humanos (thinking humanly); Sistemas que actúan como humanos (acting humanly); Sistemas
que piensan racionalmente (thinking rationally); Sistemas que actúan
racionalmente (acting rationally). A continuación, se detallan dichos
enfoques:
Sistemas que piensan como humanos
(thinking humanly): aunque su objetivo es
automatizar actividades como la toma de
decisiones y resolución de problemas, no se
centra en esta última (únicamente), sino en
emular el pensamiento humano y tomar las
decisiones como tal. De la mano con la
Ciencia Cognitiva, se diseñan distintos
modelos para experimentar y teorizar sobre
el funcionamiento de la mente humana, el
objetivo de esto es construir máquinas con
estas teorías y comprobar las similitudes (y
diferencias) entre el razonamiento de ambas
partes. Para una misma tarea, los resultados
que arrojan estos sistemas son: la respuesta
ante el medio y la rapidez de la misma. En
caso de coincidir con el comportamiento
que el humano tendría, se concluye que el
proceso operativo del sistema es
comparable, en esa tarea específica, a la
mente humana [9].
Sistemas que actúan como humanos (acting
humanly): se basa en la prueba de Turing.
Alan Turing (1912-1954) propuso la idea de
un "Juego de Imitación", en el que una
persona interactúa con un ser humano y una
computadora sin saber cuál es cual. Por
ejemplo, Se tiene a un individuo y una
computadora en dos habitaciones separadas
y la persona que actúa como
“interrogadora” solo se comunica mediante
mensajes de texto. Turing argumentó que, si
el interrogador no podía distinguirlos
mediante un cuestionamiento, se puede
llamar inteligente a la computadora.
El tema de “Acting humanly” surge
principalmente cuando los programas de
inteligencia artificial tienen que interactuar
con las personas, como cuando un sistema
experto explica cómo llegó a su
diagnóstico, o si un sistema de
procesamiento de lenguaje natural tiene un
diálogo con un usuario. Estos programas
deben comportarse de acuerdo con ciertas
convenciones normales de la interacción
humana para hacerse entender [9].
Sistemas que piensan racionalmente (thinking rationally): modelar el pensamiento como un proceso lógico es el
objetivo, donde las conclusiones se deducen en base a la lógica simbólica. El primer
intento de codificar una “manera correcta de pensar” se llamó silogismo, mediante el cual se podía llegar a una conclusión
verdadera dadas premisas correctas. Esto derivó en los inicios del campo de la lógica,
la cual brindó notaciones precisas para describir cosas en el mundo, así como las relaciones entre ellas. Por 1965, existían
programas que, encontrar la solución de un problema brindado con notación lógica.
Hay dos dificultades principales con este método. Por un lado, es complicado adaptar un problema de la vida real a un lenguaje
lógico que entienda la máquina. Por otro lado, existe una diferencia entre resolver un
problema en teoría y llevar a cabo la solución en práctica. En conclusión, este método resulta en un modelo idealizado del
pensamiento humano, que teoriza cómo los humanos deberían pensar y razonar en un
mundo ideal [12].
Sistemas que actúan racionalmente (acting
rationally): agentes racionales que perciben
y actúan para concretar alguna meta. Hacer
inferencias correctas es parte de ser un
agente racional ya que, una manera de
actuar racionalmente, es razonar
lógicamente hasta llegar a la conclusión de
que una acción determinada alcanzará la
meta de uno. Por otro lado, una inferencia
correcta no es solo racionalidad, porque
muchas veces existen otras situaciones
donde no hay una forma probable de hacer
algo correctamente, pero, aun así, algo debe
hacerse. También hay formas de actuar
racionalmente que no se pueden decir
razonablemente para implicar inferencia;
por ejemplo, sacar la mano de una sartén
caliente es un acto reflejo que es mucho más
efectivo que una acción tomada de forma
cuidadosa, lenta y deliberada. Todas las
“habilidades cognitivas” que se necesitan
para el Test de Turing (El test de Turing es
una prueba de la habilidad de una máquina
para exhibir un comportamiento inteligente
similar al de un ser humano o indistinguible
de este) están ahí para permitir acciones
racionales. De esta forma, se necesita la
habilidad para representar el conocimiento
y la razón, con este test, porque esto permite
llegar a buenas decisiones en una amplia
variedad de situaciones [9].
2. Relevamiento
En los Congresos de Tecnología Informática y de Sistemas se exponen distintas áreas de las ciencias y, año tras
año, se procura un avance de conocimientos y experiencias con los proyectos ya
presentados. En una de las categorías se presentan investigaciones de distintas tecnologías de IA incluidas dentro de las
clasificaciones mencionadas en los conceptos básicos.
A continuación se presenta el relevamiento
de todo el material online (a los que se pudo
acceder) en la sección de “Memorias” o
“Libro de Actas”, presentes en las páginas
web de los congresos nacionales más
reconocidos [13].
La tabla 1 muestra la cantidad de artículos
relacionados con IA presentados cada año,
en cada uno de los congresos analizados. Se
observa una cantidad mayor de artículos en
WICC que en el resto de los congresos, los
cuales presentan cantidades similares entre
sí.
cong Año
CONAIISI WICC CACIC JAIIO
2014 6 art. 17 art. 16 art. -
2015 - 12 art. 4 art. 12 art.
2016 5 art. 11 art. 2 art. 7 art.
2017 18 art. 12 art. 7 art. 2 art.
2018 6 art. 16 art. 6 art. 11 art.
TOTAL 35 art. 69 art. 35 art. 32 art.
Tabla 1: Cantidad de artículos relacionados de la IA
por año
En la tabla 2, se contrastan los tipos de IA
mencionados en los artículos con los
congresos en los que se los presentan. Se ve
un claro dominio de popularidad de las
Redes Neuronales Artificiales por sobre los
demás tipos de IA.
Congr. Tecno.
CONAIISI WICC CACIC JAIIO
Redes Neuronales
24 art. 35 art. 15 art. 21 art.
Algoritmos
Genéticos 2 art. 14 art. 6 art. 3 art.
Procesamiento de Lenguaje
Natural 2 art. 2 art. 1 art. 3 art.
Data Mining 2 art. 4 art. 4 art. 2 art.
Sistemas Expertos
1 art. 3 art. 1 art. -
Otros 7 art. 12 art. 9 art. 3 art.
TOTAL 35 art. 69 art. 35 art. 32 art.
Tabla 2: Cantidad de artículos que referencian a cada uno de los tipos de IA, en cada congreso.
La tabla 3 exhibe la cantidad de los distintos
tipos de IA presentados en todos los
congresos en cada año. Hay un claro
crecimiento en la popularidad de las Redes
Neuronales Artificiales (afirmando lo
expresado en la tabla 2), duplicando el
número de publicaciones en 5 años. Por otro
lado, se ve que los Algoritmos Genéticos y
el Data Mining bajan en popularidad,
mientras que los Sistemas Expertos y el
Procesamiento de Lenguaje Natural se
mantienen estables en una baja popularidad.
Año
Tecn. 2014 2015 2016 2017 2018
RN 15 art. 12 art. 18 art. 23 art. 28 art.
AG 6 art. 5 art. 6 art. 5 art. 1 art.
PLN 1 art. 2 art. 3 art. 1 art. 1 art.
DM 8 art. 2 art. - 1 art. 1 art.
SE 1 art. 1 art. 2 art. 1 art. 1 art.
OTROS 10 art. 6 art. - 10 art. 6 art.
TOTAL 41 art. 28 art. 29 art. 41 art. 38 art.
Tabla 3:Tendencia en el uso de IA a través de los
años
Entre los trabajos analizados, se destacan
algunos como “Aporte del Procesamiento
de Lenguaje Natural a la Ingeniería de
Requisitos” [14], presentado en CONAIISI
en 2016, el cual desarrolla un estudio del
impacto del Procesamiento de Lenguaje
Natural, mostrando la mejora en calidad de
los modelos de requisitos obtenida
utilizando este tipo de IA. Otro artículo
destacable, presentado en CACIC 2014, es
“Comparative Analysis of AI Techniques to
Correct the Inconsistency in the Analytic
Hierarchy Process Matrix”[15], en donde se
comparan métodos que involucran redes
neuronales retro propagativas contra
métodos que involucran máquinas de
vectores de soporte, aplicando ámbos al
Proceso Analítico Jerárquico, con fin de
maximizar la reducción de inconsistencias.
Google Trends
Google Trends es una herramienta brindada por Google, que permite comparar la popularidad de búsqueda de múltiples
palabras durante un período de tiempo determinados, permitiendo distintos filtros,
que identifica las variaciones en las búsquedas en valores relativos basados en una escala de 0 a 100, donde 100 representa
el punto más alto en niveles de búsquedas realizadas respecto a un término o palabra
clave; y genera un gráfico con dicha información [16].
Con esta herramienta se obtienen gráficos, a partir de los resultados de las búsquedas,
para cada una de las tecnologías de IA en cada año analizado en el trabajo, así, se obtiene un promedio de búsqueda de los
valores de cada gráfico.
En el presente trabajo se utilizará esta herramienta para poder generar los datos a
analizar y comparar todos los temas durante los últimos años, obteniendo así, una gran
cantidad de gráficos que informan sobre la popularidad de estos tópicos.
Comparación
Con los datos, gráficos y tablas anteriores, se realiza un nuevo gráfico que contiene el
promedio de búsqueda de cada tema en particular, durante cada año. En los párrafos
siguientes se explica la relación de los mismos con las tablas 1, 2 y 3.
Gráfico 1: porcentaje de búsqueda promedio, expresados en puntos, de los temas más importantes en los últimos 5 años.
En el gráfico 1 se puede ver que los
Algoritmos Genéticos (AG) y el Data Mining (DM) predominan en popularidad,
con DM disminuyendo en popularidad en los últimos años. Mientras que Sistemas Expertos (SE) y Redes Neuronales
Artificiales (RNA) tienen unos valores bastante equilibrados. Y por último,
Procesamiento de Lenguaje Natural (PLN) que presenta niveles irregulares durante el tiempo estudiado.
A partir de esto, se comparan algunos de los
resultados obtenidos durante el relevamiento en cuanto a la divulgación de artículos relacionados con Redes
Neuronales Artificiales, (que indican una mayoría de investigación de IA) con la
popularidad en el ámbito general, siendo esta la segunda menos popular después de los Sistemas Expertos. Es decir, que al
ámbito científico le interesa más las Redes Neuronales Artificiales que a los ajenos a él.
Al contrario de lo presentado en la tabla 3 en la cual la presentación de trabajos sobre
“Procesamiento de Lenguaje Natural” es prácticamente nula en el gráfico 5 se
muestra una popularidad alta en las búsquedas en internet siendo incluso siendo en el año 2018 el más popular cuando solo
se presento un artículo. O sea, que el ámbito ajeno a la investigación profesional de la IA
le atrae mas que a los científicos. En el caso de los Sistemas Expertos, se
observa un nivel alto de interés, constante, a través del tiempo estudiado que es opuesto
a la cantidad de trabajos presentados por año. Sin embargo, el promedio de búsquedas en el año 2018 se relaciona con
la cantidad de trabajos presentados en ese año en los 4 congresos analizados.
En cuanto a Data Mining, el interés en el público es considerablemente mayor que en
el ámbito científico. Por otro lado, el interés general por las Redes Neuronales
Artificiales presenta un crecimiento
proporcional a aquel del número de trabajos presentados en congresos.
Conclusiones
Luego del trabajo realizado, y como consecuencia de lo analizado se puede
concluir que los avances de IA en los últimos años no se ven claramente
reflejados en el aumento de trabajos presentados en los diferentes congresos nacionales. También se observa en los datos
la predominancia de este tipo de presentaciones en el congreso “WICC” con
aproximadamente el doble de publicaciones de artículos referidos a IA comparado al resto de congresos.
Además gracias a los gráficos con los datos
de Google Trends se observa como las búsquedas en internet en esta región no se corresponden con las temáticas que si son
más populares a la hora de presentar trabajos sobre IA; esto se ve claramente
reflejado en la temática “Redes Neuronales Artificiales”, en la tabla 3, es la temática de la cual se presentan más trabajos; por el
contrario, en el gráfico 4 se ve que es unas de las temáticas menos buscadas en internet
por la comunidad. Como futuras líneas de trabajo, se propone
realizar un análisis exhaustivo sobre en que áreas predomina cada tipo de IA,
destacando sus usos y enumerando las ventajas y desventajas de cada uno.
Referencias
[1] E. A. Diaz Ballesteros, C. E. Castro Calderón,
“La inteligencia artificial y su aprendizaje en las
computadoras”, FUAC, Colombia. [Online]
Available: https://bit.ly/2W23JSU . Last accessed:
May. 14, 2019.
[2] M. Frank, P. Roehrig, B. Pring, “What To Do
When Machines Do Everything”, Wiley. Available:
https://tinyurl.com/y4yaasg4 Last accessed: May.
19, 2019.
[3] Lugo-Reyes, S. O., Maldonado-Colín, G.,
Murata, C., Inteligencia artificial para asistir el
diagnóstico clínico en medicina en Revista Alergia
México [en línea] 2014, 61 (abril-junio). ISSN
0002-5151. Disponible en: https://bit.ly/2uTUEPI
Last accesed: May 16, 2019.
[4] B. Gros Salvat, “La inteligencia artificial y su
aplicación en la enseñanza” en Comunicación,
lenguaje y educación, vol. 4, no 13, Logroño,
España, 1992, p. 73-80, _ISSN 0214-7033
Disponible en: https://bit.ly/2EicWwc Last
accessed: May. 19, 2019.
[5]M. d. C. Sosa Sierra, “Inteligencia artificial en la
gestión financiera empresarial” en Revista científica
Pensamiento y gestión, Barranquilla, Atlántico,
Colombia, 2011, 23. Disponible en:
https://bit.ly/2tOSVZ3 Last accessed: May. 21,
2019.
[6] P. X. Galvez Arias, P. J. Guzman Ramos, L. A.
Chipana Vila, C. A. Trigoso Valeriano. “Análisis de
publicaciones en redes sociales para empresas
utilizando inteligencia artificial”,PERSPECTIV@S
,vol. 15, no. 15, pp. 45-50,2015. [Online] Available:
https://bit.ly/2Ekzv3d Last accessed: May. 21, 2019.
[7] Pagina web de congreso Jaiio 2017.
http://47jaiio.sadio.org.ar/index.php?q=asai Last
accessed: Aug 30, 2019.
[8] Galipienso, M. I. A., Quevedo, M. A. C., Pardo,
O. C., Ruiz, F. E., Ortega, M. A. L, Inteligencia
artificial: modelos, técnicas y áreas de aplicación,
Alicante, España, 2003, prólogo, ISBN: 978-84-
9732-183-9. Disponible en: https://bit.ly/2JIDqLP
Last accessed: May. 28, 2019.
[9] S. J. Russell, P. Norvig Artificial Intelligence: A
Modern Approach, vol 1, cap 1, Englewood Cliffs,
New Jersey, 1995. Disponible en:
https://bit.ly/2FBivVj Last accessed: May. 28, 2019.
[10] Benítez, R., Escudero, G., Kanaan, S., Rodó, D.
M., Inteligencia artificial avanzada, Barcelona,
España 2014, Capitulo 1, ISBN:978-84-9029-887-9
Disponible en: https://bit.ly/2QzwzVC Last
accessed: May. 29, 2019.
[11] Shapiro, S.C. Encyclopedia of artificial
intelligence, v. 1 Michigan University, EEUU, 1992.
ISBN: 978-04-7150-307-1 Last accessed: May. 29,
2019.
[12]”design and implementation of software
applications 2” Available: https://bit.ly/2KunVXb
Last accessed: Sep. 5,2019
[13] Documento con el relevamiento.
https://drive.google.com/open?id=1Qwx2MpQ1UI N3cSU7teNWtoOmPVJY_Yv7 Last accessed: Aug.
28,2019
[14] C.Litvak, J. Doorn, F. Velázquez Santillán, D.
Lo Giudice, X.Milla, S. Cáceres, “Aporte del
Procesamiento de Lenguaje Natural a la Ingeniería
de Requisitos” , in CONAIISI, 2016.[Online]
Available: https://bit.ly/2zH66Of Last accessed:
Aug. 28,2019
[15] F. Favret, F.M.Rodríguez, M.D.Labat,
“Comparative Analysis of AI Techniques to Correct
the Inconsistency in the Analytic Hierarchy Process
Matrix ”, in CACIC 2014, [Online] Available:
https://bit.ly/2ZDvVJ Last accessed: Sep. 4,2019
[16] Pagina de Google Trends
https://support.google.com/trends/answer/6248105?
hl=es-419&ref_topic=62480 Last accessed: Sep.
5,2019
Divulgación de la IA en el ámbito científico
Autor/es:
Jesús Palomino Nicolas Lotufo
Cod. QR
Federico Alvarenga
Objetivos Realizar un relevamiento de la problemática de la Inteligencia Artificial en congresos nacionales en los últimos 5 años y, posteriormente, analizar la relación entre los resultados obtenidos con la popularidad de búsqueda en Internet entre el ámbito general y el científico.
Este trabajo fue promovido y guiado por el equipo a cargo de Ma. Florencia Pollo Cattaneo, con la ayuda de Cinthia Vegega, pertenecientes a la cátedra de Sistemas y Organizaciones de la UTN-FRBA, primer año de cursada..
Conclusiones• Los avances de IA en los últimos años no se ven
claramente reflejados en el aumento de trabajos presentados en los diferentes congresos nacionales.
• En el congreso "WICC" es donde más publicaciones de artículos de IA se realizan.
• Las búsquedas en Internet en esta región no coinciden con las temáticas mas utilizadas para realizar trabajos sobre IA.
Futuras líneas de trabajo
Se propone realizar un análisis exhaustivo sobre en que áreas predomina cada tipo de IA, destacando sus usos y enumerando las ventajas y desventajas de cada uno.
Evaluación y resultados
La Inteligencia Artificial (IA) es un campo de la ciencia y la ingeniería que se ocupa de la compresión, desde el punto de vista informático, de lo que se denomina comúnmente como comportamiento inteligente.