Uno de los grandes desafíos tecnológicos del momento, es lograr el máximo desarrollo de la inteligencia artificial, para que sistemas sean capaces de desarrollar tareas complejas de forma eficaz y eficiente, independientemente del contexto en que lo realicen.
Durante los últimos años, se ha avanzado de forma notable, pero es especialmente ahora que el futuro resulta prometedor, gracias a la inteligencia artificial adaptativa, próxima generación del machine learning y una de las tendencias tecnológicas de este año.
¿En qué consiste específicamente la inteligencia artificial adaptativa?
En el campo de la psicología positiva, la inteligencia adaptativa se refiere a la capacidad de ajustarse con rapidez a los cambios impuestos por el entorno, sin importar qué tan difícil sea.
La IA adaptativa lleva este concepto al terreno de la inteligencia artificial y lo aplica de forma sorprendente. De acuerdo con Erick Brethenoux, analista VP de Investigación de Gartner, esta nueva tecnología conjuga una serie de técnicas IA (aprendizaje por refuerzo) con métodos (diseño basado en agentes), para brindarles a máquinas y sistemas la capacidad de moldear sus prácticas y comportamientos de aprendizaje, con el objetivo “de adaptarse a circunstancias cambiantes del mundo real durante la producción”.
IA adaptativa (aprendizaje reforzado) vs. machine learning
El aprendizaje por refuerzo es uno de los grandes avances en el campo de la inteligencia artificial. Consiste en que las máquinas y sistemas aprendan sobre la marcha bajo un esquema de “premios y castigos”, en entornos donde la toma de decisiones es afectada por múltiples variables cambiantes.
Para ello, postula una relación simbiótica entre el Agente (sistema a entrenar) y el Ambiente (entorno donde interactúa), con nexos fundamentales:
- Acción: alternativas probables que tiene el Agente al momento de tomar una decisión.
- Estado del Ambiente: indicadores del entono sobre las variables que conforman el entorno en un momento dado.
- Recompensas o castigos: cada acción o decisión tomada por el Agente deriva en un premio o penalización.
La inteligencia artificial adaptativa explota al máximo el potencial de este enfoque y lo combina con otras técnicas IA avanzadas, ajustando en tiempo real su propio código a novedades o eventos no previstos al momento de la programación inicial.
Esto le permite llegar más lejos que el machine learning tradicional, que suele centrarse más en el entrenamiento previo a la práctica, mediante lotes de datos y parámetros que le permiten desarrollar su tarea posteriormente.
Lo anterior quiere decir que, en el aprendizaje automático más convencional, cuando el sistema ha sido entrenado tiene poco margen para adaptarse a nuevos cambios surgidos durante la práctica. Depende de parámetros que no cambian según las circunstancias. Es un modelo estático. Lo cual no sucede con la IA adaptativa, que ofrece ventajas muy importantes:
- Aprendizaje y respuesta casi instantáneos.
- El sistema no corre el riesgo de quedar desactualizado u obsoleto.
- Crea sistemas sostenibles y escalables.
- Comete menos errores.
- Mejora la resiliencia digital.
Es importante advertir que los sistemas de IA adaptativa tienen mayores probabilidades de experimentar interferencias catastróficas, porque las redes neuronales artificiales son propensas a olvidar datos antiguos en la medida que reciben nueva información. Aunque es un problema que se está solucionando con modelos de aprendizaje continuo e incremental.
La solución de problemáticas actuales y áreas en qué puede aplicarse
La IA adaptativa ofrece la robustez, eficiencia, agilidad y precisión necesarias para automatizar procesos de forma sostenible y escalable en el tiempo, sin necesidad de realizar cambios en la programación cada vez que varían las circunstancias del entorno. Lo cual permite responder de forma más rápida y eficaz a los cambios disruptivos, incluidas crisis como la climática y las pandemias.
Su implementación parece no tener límites y es aplicable a todas las industrias. Algunos ejemplos son:
- Educación: modelos educativos personalizados y adaptativos. Por ejemplo, el modelo de aprendizaje creado por el Ejército y la Fuerza Aérea de los EE. UU, capacitado para adaptarse al estudiante en función de sus competencias y progreso.
- Toma de decisiones: sistemas de recopilación y análisis de datos para potenciar las capacidades de inteligencia de negocios.
- Finanzas: predecir tendencias e identificar transacciones fraudulentas en tiempo real y sin necesidad de verificaciones manuales.
- Industria manufacturera: permite predecir y resolver al instante interrupciones en los ciclos de producción.
- Salud: monitoreo de funciones viales de los pacientes, para recomendar dosis precisas de medicamentos y hacer diagnósticos rápidos y precisos, incluso antes de que surjan las enfermedades o avancen a etapas irreversibles.
Implementación de la IA adaptativa
La implementación de esta tecnología implica un largo y complejo trabajo de ingeniería de inteligencia artificial, que seguramente exigirá el reemplazo de arquitecturas existentes y muchas consideraciones a nivel ético y regulatorio.
Inicia con un estudio y priorización de los procesos de negocio más afectados por los cambios en el entorno, para enfocar las acciones sobre los más importantes. Luego se procede a una complementación de los sistemas IA actuales con patrones de aprendizaje continuo, aprendizaje incremental y capacidades de flujo de eventos. Después de eso sí se pasa gradualmente a métodos basados en agentes y aprendizaje reforzado, con el fin de darles más autonomía y flexibilidad.
La transformación no ocurrirá de la noche a la mañana, seguro requerirá grandes inversiones y tendrá un impacto notable a nivel interno y con los socios tecnológicos. Pero es imprescindible entrar en la carrera: Gartner predice que en 2026, las empresas que hayan adoptado sistemas de IA adaptativa superarán en al menos un 25% el rendimiento de las demás.
Imagen de Unsplash.
