Al leer el término inteligencia artificial (IA), podemos pensar en una máquina capaz de imitar comportamientos humanos casi a la perfección, algo salido de un episodio de Black Mirror o de la película Ex-machina; o tal vez pensemos en una computadora que, tras adquirir conciencia de sí misma, se rebela contra la humanidad y decide exterminarnos, como en Terminator o 2001: Odisea del espacio. Sin embargo, la IA tiene una presencia mucho más extendida en nuestro día a día en forma de algo que pareciera irrelevante: la información.
Cada uno de nosotros, al interactuar con nuestros dispositivos móviles, hacer transacciones bancarias, usar plataformas de streaming o enviar un tuit, estamos generando información que se registra en servidores para su procesamiento y análisis. A este conglomerado de información se le llama Big Data, un grupo heterogéneo de datos que pueden aprovecharse para muchos fines. «Para explotar esta cantidad de datos hay que hacer un algoritmo que pueda reconocer patrones, clasificar cosas de manera automática, interpretar cosas y generar un resumen. Ahí es donde entra la IA», explica Víctor Hugo Zaldívar, investigador del Departamento de Electrónica, Sistemas e Informática.
Una de las diversas maneras en que la IA se hace presente en nuestra realidad es a través del machine learning, o aprendizaje automático, un proceso en el que un ordenador es capaz de desarrollar una acción sin haber sido programado previamente para ello. Los algoritmos de machine learning son utilizados para procesar de manera continua una gran cantidad de información, clasificarla y tomar decisiones con base en dicho análisis. «La mayoría de estos algoritmos están fundamentados en un manejo estadístico», explica el profesor, «así que es necesario tener un montón de datos para poder tener algo estadísticamente relevante. Por eso se combina el Big Data con los algoritmos de IA».
Si bien estos algoritmos se utilizan diariamente por empresas para mejorar sus ofertas, predecir comportamientos de sus usuarios o simplemente para recomendarte una película en tu plataforma favorita, también son muy útiles para la investigación y el desarrollo académico de una universidad. Por eso nos preguntamos, ¿qué se hace en ITESO sobre inteligencia artificial?
Nuestras carreras
Actualmente, cuatro de las ingenierías que alberga la universidad están fundamentadas en el manejo del Big Data y el análisis estadístico de información. Uno de las más evidentes es Ingeniería y Ciencia de Datos, que conjunta la aplicación tanto del machine learning como de la minería de datos. Su objetivo parte de cómo identificar datos relevantes a partir de una gran cantidad de información y su aplicabilidad para una gran diversidad de áreas como la economía, medio ambiente, industria, negocios, etc. En pocas palabras, el análisis de datos y la solución de problemas son el pan de cada día de esta carrera.
Sin embargo, otras carreras como Ingeniería Financiera no se quedan atrás. Surgió de la necesidad de entender cómo funcionan los mecanismos cambiantes de las finanzas y, a partir del análisis, generar modelos matemáticos que ayuden a tomar decisiones estratégicas para empresas e instituciones. Por su parte, Ingeniería en Empresas de Servicio tiene como eje central identificar problemas y generar soluciones, pero con un enfoque en las personas y el diseño de experiencias. Por último, las carreras de Negocios y Mercados Digitales, y Mercadotecnia y Dirección Comercial, integran la innovación, las estrategias de marca y las narrativas digitales con el análisis de información. Además, en el área de posgrados, tanto la maestría en Ciencia de Datos como la maestría en Sistemas Computacionales (adscrita al Sistema Nacional de Posgrados del CONACYT) integran de manera esencial el uso de métodos y algoritmos basados en inteligencia artificial.
Estos son solo algunos ejemplos. El uso de la IA para el análisis de datos es aplicable a cualquier área de conocimiento y negocio de la actualidad. «Prácticamente todas aquellas carreras en donde haya una necesidad de interpretar información pueden utilizar herramientas de IA para para facilitar sus procesos», señala Víctor Hugo.
Nuestros proyectos
Un ejemplo destacable del uso del Big Data y monitoreo de medios digitales es SignaLab, un laboratorio del Departamento de Estudios Socioculturales en el que participan investigadores y estudiantes, donde analizan comportamientos de usuarios, sucesos y discusiones con pertinencia social en medios digitales. Cómo se dan las dinámicas de circulación de información en redes sociales, cómo interactúan los usuarios con ellas y cómo dichas dinámicas digitales pueden incidir en el entorno social fuera de internet, son algunas de las cuestiones que SignaLab logra sintetizar en gráficos a través de programas y algoritmos que permiten la obtención de información.
Además, el ITESO alberga el proyecto Anillo Primavera, una iniciativa que realiza monitoreos y estudios sobre la calidad del aire, la presencia de fauna y estatus del suelo en el Bosque de la Primavera, para identificar amenazas y oportunidades que fomenten la preservación del ecosistema forestal. En el proyecto colaboran estudiantes de Arquitectura, Artes Audiovisuales, Ingeniería civil y Diseño.
Por su parte, el Departamento de Procesos Tecnológicos e industriales gestiona distintos proyectos que combinan el análisis de datos mediante el uso de algoritmos de IA, con el objetivo de generar alternativas y soluciones para el aprovechamiento de recursos naturales y sus impactos. El departamento trabaja a través de sus distintas líneas de investigación en temas de gestión ambiental, salud, soberanía alimentaria, transición energética y educación.
Finalmente, en el proyecto de investigación «Laboratorio de hábitat para personas mayores» se busca desarrollar una app que utilice la IA para facilitar las interacciones de personas mayores con su entorno, hacerles más sencilla la tarea de acceso a información y la resolución de sus necesidades.
Nuestro futuro
Los escenarios actuales nos demuestran que la IA aún tiene mucho potencial, y que su utilidad se extenderá por muchos años más en adelante. En materia del ámbito universitario, dicha utilidad también se mantendrá presente. Un ejemplo de ello son los tutores inteligentes, dinámica en la que, a través del machine learning y algoritmos, se le presenta al estudiante un conjunto de actividades y contenidos adaptados a su manera de aprender, facilitando así su experiencia y aprendizaje.
Esto puede combinarse con la computación cognitiva, un proceso donde una computadora es capaz de simular pensamiento humano mediante el autoaprendizaje y el reconocimiento de patrones, comportamiento y lenguaje. Al lograr la similitud con una persona, la interacción con la computadora se facilita y se logra que esta sea capaz de resolver nuevos problemas sin requerir la intervención humana. «Se trata de tener alguna forma de representación de sentimientos que logren empatía entre el artefacto artificial y el usuario. Robots que sonríen o se ven tristes, tienen expresiones faciales que te permiten una mejor interacción», explica Víctor.
La IA aún tiene mucho potencial por aprovechar, especialmente dentro de una universidad cuyos programas educativos se mantienen en constante actualización, respondiendo a las necesidades de un contexto cambiante. «Nos sirven para comprender qué es lo que ha pasado antes y predecir qué puede pasar después. Yo creo que la IA puede tener una aplicación en todo, pero debe haber una pregunta de partida que nos justifique su uso», concluye el profesor.
