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 información que circula por la Red y, lo que es más importante, para sacarle provecho sin caer en la desesperación. Pero este déficit, para muchos endémico de Internet, podría enjugarse en un futuro próximo aplicando soluciones expuestas en el XI Congreso Europeo de Aprendizaje Automático (ECML) celebrado recientemente en Barcelona. "Estamos avasallados por la información", resumía Ramón López de Mántaras, uno de los organizadores del mismo.

Enseñanza clásica

En el congreso, una de las reuniones más importantes en inteligencia artificial (IA), buena parte de las soluciones centran sus esfuerzos en la Red y en las tecnologías de la información. En opinión de López de Mántaras, el desarrollo de sistemas informáticos basados en la capacidad de autoaprendizaje, uno de los campos de expansión de la IA, va a permitir un notable avance en áreas consideradas clave para el futuro de Internet. Entre ellas, la explotación de bases de datos, el comercio electrónico o la seguridad.La clave de todo ello es la aplicación de conceptos ya clásicos del autoaprendizaje al mundo de Internet. En IA el objetivo es desarrollar sistemas que permitan a las máquinas, a los ordenadores, dar una solución a un problema concreto. Y lo que se pretende es que esa solución surja de la experiencia previa de la máquina en el tratamiento de problemas similares. A eso se le llama dotarlas de inteligencia y a la capacidad de generar soluciones, aprendizaje automático.

Aplicaciones

En campos clásicos de la IA, que igualmente han hallado reflejo en el congreso de Barcelona, se enseña a las máquinas a partir de programas informáticos con algoritmos basados en mecanismos de aprendizaje típicamente humanos. Los más 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 éxito 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 métodos anteriores, además de técnicas estadísticas o basadas en reglas.El uso de estos métodos permite, por ejemplo, identificar si un melanoma es maligno o benigno. ¿Cómo? Introduciendo en el ordenador los datos relativos a un paciente. La máquina, por similitud con casos anteriores, identifica el diagnóstico y plantea una solución. En paralelo, ejecuta un árbol de decisiones (desgrana un camino con varias disyuntivas respondiendo a cuestiones tipo sí o no) y completa el resultado con un análisis estadístico.

Donde destaca el volumen de aplicaciones es en el aprendizaje basado en casos. En Barcelona se vieron casos orientados a la enseñanza asistida por ordenador, a la mejora de la interpretación 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 grafía) o, como el ya citado del melanoma, sistemas expertos evolucionados que permiten elaborar un diagnóstico médico por comparación con otros similares.

Pero también hay soluciones -en opinión de López de Mánta-ras cada vez habrá más- orientadas a resolver problemas de una cierta complejidad relacionados con las tecnologías de la información. Entre otros, la detección de intrusos en la Red mediante un software que identifica automáticamente la entrada de personas no autorizadas a través de protocolos TCP/IP; la clasificación de perfiles de compra o de apetencias por la navegación en la Red, la predicción de oscilaciones en la bolsa, los tests de calidad en circuitos impresos y la obtención de conocimientos concretos a partir de bases de datos enormes. En este último caso, empiezan a desarrollarse aplicaciones en el mundo de la genómica y en la predicción genética.Para la mayor parte de este último grupo de aplicaciones, destaca López de Mántaras, aplicar inteligencia artifical no implica necesariamente desarrollar métodos más costosos o complejos. "Suele ser más complejo que un robot evite un suelo resbaladizo que localizar un intruso en la Red", afirma. Sí sería más complejo, pero ello forma parte de otro ámbito, conjugar lo que se conoce como control adaptativo con los métodos de aprendizaje automático. Su desarrollo está permitiendo experimentar, entre otros, vuelos no tripulados o sistemas pensados para alertar incendios forestales, detectar bancos de peces o, algo aparentemente más simple, fumigar grandes extensiones de cereales. En todos ellos, el desarrollo de redes neurales juega un papel clave.