- Héctor Acosta, académico del Instituto de Investigaciones en Inteligencia Artificial (IIIA), impartió conferencia a estudiantes del Doctorado de Innovación en Educación Superior
- Redes neuronales, aprendizaje automático, grandes volúmenes de datos y capacidad de cómputo son algunos de los elementos que explican el desarrollo de los actuales sistemas de IA generativa, señaló el ponente
David Sandoval Rodríguez / Fotos: Luis Fernando Fernández
Xalapa, Ver.- La Inteligencia Artificial (IA) tiene en Xalapa una historia de más de tres décadas y una comunidad académica que ha contribuido a su desarrollo desde la década de los años noventa, destacaron investigadores de la Universidad Veracruzana (UV) durante la conferencia “Inteligencia Artificial Generativa”, impartida por Héctor Gabriel Acosta Mesa, académico del Instituto de Investigaciones en Inteligencia Artificial (IIIA), quien explicó la evolución de esta disciplina y los fundamentos que han hecho posible el auge actual de las tecnologías generativas.
Al presentar al ponente, Alberto Ramírez Martinell, académico del Doctorado de Innovación en Educación Superior del Centro de Investigación e Innovación en Educación Superior (CIIES), subrayó que Xalapa fue una de las cunas importantes de la IA en México, gracias a la convergencia entre instituciones como el Laboratorio Nacional de Informática Avanzada y las facultades vinculadas con la informática y computación de la UV.
Destacó que aquel proyecto visionario derivó posteriormente en la formación de especialistas mediante la maestría y el doctorado, hasta consolidarse con la creación del actual Instituto de Investigaciones en Inteligencia Artificial.
Ramírez Martinell recordó que Acosta Mesa pertenece a la primera generación de la Maestría en Inteligencia Artificial, iniciada en la década de los noventa y señaló que su trayectoria refleja la continuidad de aquella escuela académica.
El investigador es doctor en Inteligencia Artificial por la Universidad de Sheffield, profesor del IIIA y miembro del Sistema Nacional de Investigadoras e Investigadores, con líneas de trabajo relacionadas con aprendizaje automático, visión computacional e imágenes médicas.
Durante su exposición, Acosta Mesa explicó que la IA puede entenderse como un sistema digital capaz de procesar y analizar información de su entorno para actuar sobre él con cierto grado de autonomía.
Para contextualizar el surgimiento de la IA generativa, partió de sus dos grandes aproximaciones: la IA simbólica o clásica, basada en la representación del conocimiento mediante símbolos, reglas y lógica matemática, y la IA conexionista, sustentada en modelos numéricos inspirados de manera simplificada en el funcionamiento de las redes neuronales.
El académico señaló que los primeros sistemas de IA buscaban reproducir determinadas capacidades humanas mediante reglas explícitas.
Ejemplos como los juegos de mesa permitían construir árboles de búsqueda y determinar las mejores acciones a partir de reglas perfectamente definidas.
Sin embargo, este enfoque encontró dificultades al enfrentarse con problemas del mundo real, caracterizados por la incertidumbre, la enorme cantidad de posibilidades y condiciones que no pueden ser previstas mediante un conjunto limitado de reglas.
Ante estas limitaciones cobró fuerza el aprendizaje automático, basado en la posibilidad de que las máquinas aprendan a partir de ejemplos.
En tal sentido, Acosta Mesa explicó que las redes neuronales artificiales constituyen actualmente uno de los pilares del desarrollo de la IA y, mediante la concatenación de múltiples capas, es posible construir modelos de aprendizaje profundo capaces de procesar grandes cantidades de información.
Para ilustrar el funcionamiento de estos sistemas, recurrió al reconocimiento de imágenes.
“Una imagen”, explicó, “puede representarse digitalmente como una matriz de píxeles y, para una máquina, como un conjunto de valores numéricos; a partir de grandes cantidades de ejemplos, una red neuronal puede aprender a identificar patrones y clasificar nuevas imágenes, por ejemplo, distinguir entre perros y gatos”.
No obstante, destacó una de las principales limitaciones de estos modelos: su dificultad para explicar de manera comprensible por qué llegaron a una determinada conclusión. Mientras los sistemas simbólicos pueden ofrecer una cadena explícita de reglas y razonamientos, las redes neuronales pueden involucrar millones de parámetros, lo que hace difícil interpretar el proceso mediante el cual producen una respuesta.
En este proceso evolutivo se encuentra el origen de la IA generativa y los modelos actuales que aprovechan redes neuronales, grandes volúmenes de datos y una capacidad de procesamiento que décadas atrás no estaba disponible, comentó el ponente.
