Se refirió a las técnicas bayesianas en la IA y señaló que Amazon usa inferencia bayesiana para jerarquizar los productos que sugiere a sus clientes

Para dar continuidad al curso Una breve introducción a la Inteligencia Artificial y sus aplicaciones, Carlos A. Coello Coello, miembro de El Colegio Nacional, enfocó su tercera sesión en las técnicas de búsqueda existentes y en los juegos como tema de estudio de la Inteligencia Artificial (IA)

Recordó que existen dos tipos de búsqueda, la ciega, que no cuenta con la información con respecto al número de pasos o al costo de la ruta desde el estado inicial hasta la meta; y la heurística, que mejora la eficiencia del proceso mediante el uso de información sobre el dominio. “Las búsquedas heurísticas surgen de la necesidad de contar con cierta información adicional, que, a diferencia de las búsquedas ciegas, en las cuales no hay ninguna información, la búsqueda es exhaustiva”.

En esta sesión, el computólogo mexicano se refirió al algoritmo recocido simulado, un algoritmo no poblacional, que imita el proceso físico de recocido o enfriamiento mediante el cual las sustancias físicas tales como los metales se derriten y después se enfrían gradualmente hasta alcanzar un estado sólido. “El objetivo de este procedimiento es producir un estado final de energía mínima. La velocidad a la que se enfriará el sistema es llamada horario de enfriamiento y éste es crítico en el funcionamiento del algoritmo”.

El colegiado señaló que otro algoritmo poco conocido es búsqueda primero el mejor, en el que se selecciona un movimiento, pero los demás se mantienen para que puedan ser revisitados después si la ruta seleccionada se vuelve
menos prometedora; además, se selecciona el mejor estado disponible, aunque ese estado tenga un valor menor al del estado recién explorado.

También se encuentran los algoritmos evolutivos, algoritmos de búsqueda estocásticos poblacionales que se basan en el principio de “supervivencia del más apto” de Charles Darwin. Constan de los siguientes componentes mínimos: estructuras que se replican, que son los individuos; una función de aptitud; un mecanismo de selección; y operadores que actúan sobre los individuos, cruza y mutación. “Los tres tipos originales de algoritmos evolutivos son: los algoritmos genéticos, las estrategias evolutivas y la programación evolutiva”.

Los juegos y la Inteligencia Artificial

En relación a la importancia de los juegos en el desarrollo de la inteligencia artificial, Coello Coello puntualizó que, a lo largo de la historia, estos dispositivos han despertado una gran fascinación en la gente. Para poner un ejemplo, el matemático y científico británico Charles Babbage pensó en la posibilidad de programar su máquina analítica para jugar ajedrez y posteriormente, construyó una máquina para jugar gato (tic-tac-toe)

Pero no fue el único, porque el matemático estadounidense Claude Shannon se convirtió en el primero en proponer un algoritmo para jugar ajedrez en la década de los cincuenta y estuvo involucrado en estos juegos por computadora durante toda su vida. “Dos de los primeros programas para jugar ajedrez fueron los escritos por Greenblatt, en1967, y por Newell & Simon, en 1972. Alan Turing también describió un programa para jugar ajedrez en los años cincuenta, pero nunca

lo implementó”.

“Hay dos razones por las que los juegos han sido y seguirán siendo tema de estudio en la inteligencia artificial, la primera es que constituyen una tarea estructurada en la cual es muy fácil medir el éxito o el fracaso; y la segunda, dado que operan con base en un conjunto reducido de reglas, normalmente no requieren de grandes cantidades de conocimiento”, subrayó el colegiado.

Agregó que una técnica básica de juegos es suponer que el oponente tiene los mismos conocimientos que el jugador sobre el espacio de búsqueda y que aplicará tal conocimiento de manera sistemática. Un algoritmo que toma en cuenta tales premisas es el denominado Minimax, “a los oponentes se les llama MIN y MAX, respectivamente. MAX representa al jugador tratando de ganar, o maximizar su ventaja; y MIN es el oponente que intenta minimizar la puntuación de MAX. Suponemos que MIN usa la misma información y siempre intenta moverse a un estado que sea el peor para MAX”.

El algoritmo de Minimax es un procedimiento de búsqueda primero en profundidad, acotado a cierta profundidad máxima. La idea básica es empezar en la posición actual y usar un generador de movimientos válidos para producir diferentes posiciones consecutivas. Después, se evalúan esas posiciones y se elige la mejor desde la perspectiva que haga ganar. “El procedimiento se aplicará a tantos niveles de profundidad como resulte factible, dadas las restricciones obvias de tiempo de los juegos”.

Minimax requiere dos cosas principales, un buen generador de movimientos plausibles; y una función de evaluación estática que pueda regresar un valor numérico que represente la bondad de un cierto movimiento. Debido a que Minimax suele implementarse de manera recursiva, una parte crítica de su implementación es la condición de paro. Hay varios factores que pueden propiciar su detención, la detección de que uno de los dos jugadores ha ganado; que se ha explorado un número muy grande de niveles del árbol; que la ruta actual no resulta prometedora; y que ya no queda suficiente tiempo para explorar más una cierta ruta.

“Como en la práctica el algoritmo Minimax es muy costoso, computacionalmente hablando, se han propuesto diversos mecanismos para hacerlo más eficiente”, apuntó el pionero y líder mundial en optimización evolutiva multiobjetivo.

En palabras del científico mexicano, también existe el juego llamado AlphaGo, uno de los más recientes. Esta aplicación utiliza dos redes neuronales, una que se denomina “red de políticas”, que selecciona el siguiente movimiento; y otra que se denomina “red de valores”, que predice al ganador del juego.” AlphaGo jugó contra diferentes versiones de sí mismo miles de veces, aprendiendo de sus errores, usando aprendizaje por refuerzo. De esa forma alcanzó un nivel de juego tan elevado que logró derrotar al campeón del mundo en Go”.

Algoritmos en la IA

En torno a los algoritmos de inteligencia artificial que se utilizan actualmente, Carlos A. Coello Coello se refirió a las técnicas bayesianas. “El corazón de estas técnicas es el Teorema de Bayes que se usa para calcular la probabilidad de que ocurra un evento, dada la ocurrencia previa de otro evento. Esto permite hacer predicciones que no son simplemente valores adivinados con conocimiento previo, sino aseveraciones probabilísticamente informadas”.

Entre sus aplicaciones se encuentra el comercio y empresas. De acuerdo con el colegiado, la inferencia bayesiana suele usarse como técnica de ciencia de datos para empresas, sobre todo, para decisiones en torno a establecer los precios de productos. Estas estimaciones de precios se basan en información de campo como el tamaño del mercado y proporción del mercado. Pero, tal vez, “la aplicación más popular de la inferencia bayesiana sea en la jerarquización de productos. Se sabe que, por ejemplo, Amazon usa inferencia bayesiana para jerarquizar los productos que sugiere a sus clientes”.

En el mercado de valores, por ejemplo, el objetivo es hacer predicciones a partir de las tendencias actuales, las redes bayesianas pueden usarse para identificar tendencias futuras en las acciones de una empresa con base en las tendencias previas. “Este tipo de técnicas se aplicaron cuando el COVID-19 se volvió una nueva variable a considerar en las predicciones del mercado de valores”.

De acuerdo con Coello Coello, estos algoritmos, además son usados en el diagnóstico médico. “Los métodos bayesianos se usan para el mapeo de enfermedades y para mejorar el diagnóstico médico. Por ejemplo, si se usa la historia clínica de un paciente y las tendencias a nivel poblacional, los modelos bayesianos pueden llenar los huecos que existan en un registro médico y proporcionar una evaluación de riesgos más precisa. Esto es particularmente útil cuando un expediente médico está incompleto o cuando se lidia con enfermedades raras”, concluyó el colegiado.

Fuente: El Colegio Nacional