divulgación de la ia en el ámbito científico

10

Upload: others

Post on 13-Jul-2022

3 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Divulgación de la IA en el ámbito científico
Page 2: Divulgación de la IA en el ámbito científico
Page 3: Divulgación de la IA en el ámbito científico

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

Page 4: Divulgación de la IA en el ámbito científico

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

Page 5: Divulgación de la IA en el ámbito científico

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].

Page 6: Divulgación de la IA en el ámbito científico

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

Page 7: Divulgación de la IA en el ámbito científico

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

Page 8: Divulgación de la IA en el ámbito científico

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

Page 9: Divulgación de la IA en el ámbito científico

[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

Page 10: Divulgación de la IA en el ámbito científico

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.