La IA ya le ha ganado a los humanos: el caso de PROSPECTOR en geología
1. Introducción
Hoy es 30 de septiembre de 2023. En Colombia es el día del geólogo por la fecha en que se expide la ley 9 de 1974 «por la cual se reglamenta el ejercicio de la profesión de Geólogo y se dictan otras disposiciones». Además de ser ocasión de felicitar a los geólogos (y geólogas, se entiende), me trajo a la mente el primer caso en el cual un sistema de inteligencia artificial (IA) venció a un equipo de expertos humanos en tareas de campo. Tiene que ver con Prospector, un sistema experto. Déjenme contarles de qué se trata. Si quieren ir de una vez al caso, vayan al aparte número 6, aunque tal vez la info previa resulte útil para los interesados de verdad en la IA.
2. Contexto general
Cada vez que usted lea, vea o escuche algo sobre IA desconfíe, lo usual es que las personas no sepan en realidad mucho de IA. La IA es solo software, aunque muy avanzado. No va a reemplazar más personal de modo distinto a cualquier otro software, o sea que no odie la IA por este punto. Es solo otro avance tecnológico que, eso sí, puede desplazar personas como cualquiera otra. Ya ha pasado.
«En el pasado, la tecnología acabó por crear más empleos de los que había eliminado. Por ejemplo, los ordenadores han reemplazado trabajos como aquellos que antes realizaban mecanógrafos, pero también han aumentado la demanda basada en la informática al generar nuevos puestos relacionados con el desarrollo, la operación y la programación.»
Cámara de Comercio de valencia, España. Cambio tecnológico: influencia en desempleo y políticas públicas imprescindibles. En https://ticnegocios.camaravalencia.com/servicios/tendencias/cambio-tecnologico-influencia-desempleo-politicas-publicas-imprescindibles/
Lo que sigue tiene que ver con IA en uso en la sociedad.
3. Inicios de la IA hasta PROSPECTOR
Olvídese de que la IA es nueva, que no lo es, solo pasa que se hizo popular con una app de GenAI (inteligencia artificial generativa) denominado ChatGPT en noviembre de 2022, como recuerda la UNESCO en «Un niño debe tener al menos 13 años para empezar a utilizar la inteligencia artificial en las aulas» una importante nota sobre las precauciones sobre la IA. Tampoco es que la IA no se haya usado antes. Se usa mucho desde que en 1956, en una conferencia en el Darmouth College, apareció tanto el término IA como la propuesta del segundo lenguaje de IA.
En 1956 también aparece el primer lenguaje de IA: Logic Theorist.
Uno de los genios que dieron origen a la IA y al término es el creador del segundo lenguaje de IA: LISP. LISP es por acortar la frase «List Processing».
El otro lenguaje popular en IA en su época (hoy pocos saben de este) es PROLOG.
A este sí lo trabajé, a LISP no, como cuento en mi video sobre uso de IA y responsabilidad civil en cierta especialidad médica. En este video también hablo de los sistemas expertos, las primeras aplicaciones en la sociedad de la IA. Uno de esos sistemas expertos era PROSPECTOR. Allí también explico como funcionaban los sistemas expertos en general y comparo con lo que sucede hoy.
Los sistemas expertos arrancaron en 1960.
“Hoy en día los Sistemas Expertos (SE) pueden ser considerados como un subconjunto de la IA. Un Sistema Experto es un sistema que emplea conocimiento humano capturado en un ordenador para resolver problemas que normalmente resolverían humanos expertos. Los sistemas bien diseñados imitan el proceso de razonamiento que los expertos utilizan para resolver problemas específicos. Estos sistemas pueden funcionar mejor que cualquier humano experto tomando decisiones individualmente en determinados dominios y pueden ser utilizados por humanos no expertos para mejorar sus habilidades en la resolución de problemas. Los Sistemas Expertos fueron desarrollados por la comunidad de IA a mediados de los años 60.“.
Fuente: https://telefonicatech.com/blog/sistemas-expertos-el-comienzo-de-la
4 Qué tipo de IA son los sistemas expertos
Deje de pensar en IA como la de las películas. Ese tipo de IA no existe ni tal vez existirá. Me refiere a las máquinas que parecen tener consciencia y pueden meditar acerca de todo y brindar respuestas. Esa es la IA robusta.
Entonces: Hay dos tipos de IA. La débil o estrecha (ANI) y la robusta, que a su se divide en general (AGI) y en superinteligencia (SIA).
«La IA débil, también llamada IA estrecha o Inteligencia artificial estrecha (ANI), es una IA entrenada y enfocada para realizar tareas específicas. La IA débil impulsa la mayor parte de la IA que nos rodea hoy. «Estrecho» podría ser un descriptor más preciso para este tipo de IA, ya que no tiene nada de débil; permite algunas aplicaciones muy potentes, como Siri de Apple, Alexa de Amazon, IBM Watson y vehículos autónomos.
La IA robusta está conformada por la inteligencia artificial general (IAG) y la superinteligencia artificial (SIA). La inteligencia artificial general (IAG), o la IA general, es una forma teórica de IA en la que una máquina tendría una inteligencia igual a la de los humanos; sería autoconsciente y tendría la capacidad de resolver problemas, aprender y planificar para el futuro. La superinteligencia artificial (SIA), también conocida como superinteligencia, superaría la inteligencia y la capacidad del cerebro humano.»
IBM. ¿Qué es la inteligencia artificial (IA)?. En: https://www.ibm.com/mx-es/topics/artificial-intelligence
Por tanto, TODA la IA actual es ANI (IA estrecha o débil, lo de ANI es por Artificial Narrow Intelligence). PROSPECTOR es un ejemplo de ANI, lo mismo que ChatGPT. Esta última app es, dentro de la ANI, de la subespecie GenAI (inteligencia artificial generativa, del inglés). Hay otros sistemas expertos además de PROSPECTOR, como MYCIN.
Este aparte en gráfico:
5. PROSPECTOR
El dominio (área de conocimiento) de PROSPECTOR es la exploración mineral. Se usó en geología.
Se enfocaba en concreto en la evaluación del potencial mineral en un sitio o región geológica («Evaluation of the mineral potential of a geological site or region», según http://www.computing.surrey.ac.uk/ai/PROFILE/prospector.html). Sus usuarios objetivo eran geológos en una prospección (sitio de exploración concreto, misma fuente http://www.computing.surrey.ac.uk/ai/PROFILE/prospector.html), por tanto, como todo sistema experto, sus usuarios eran expertos del dominio.
Sobre PROSPECTOR también puede leerse
6 Cuando PROSPECTOR venció a un grupo de expertos humanos
El caso lo leí hace muchos años cuando estudié la IA de modo teórico y práctico para una aplicación en derecho, que luego no tuve tiempo de concretar (vea mi video mencionado antes, allí cuento en qué andaba). Estaba a punto de volver a examinar la bibliografía en que me apoyé entonces cuando me tropecé con el libro «Sistemas Expertos Introducción al diseño y aplicaciones» de Tim Hartnell, de 1986 (traducción del libro en inglés «Exploring Expert Systems on Your Microcomputer»). Lo hallé en la biblioteca Luis Angel Arango. Esto fue lo que pasó en corto:
«PROSPECTOR suena como un sueño hecho realidad. Muchos informes de sus actuaciones sugieren que. con sólo describirle un terreno, nos dice dónde buscar petróleo, oro o diamantes. Pero, por supuesto, la realidad (aunque excitante de por sí) no es tan mágica como algunas eufóricas noticias de sucesos han sugerido.
A pesar de ello. algunos de los trabajos de PROSPECTOR han sido muy valiosos. por ejemplo, este sistema experto fue de gran ayuda en el descubrimiento de una ramificación, potencialmente muy rica, de un depósito de molibdeno existente cerca de Mount Tolman en Washington (Winston, 1984). En este caso, los expertos humanos estaban en desacuerdo con los hallazgos de PROSPECTOR. y solamente las perforaciones probaron que el sistema tenía razón.»
HARTNELL, Tim. Sistemas Expertos Introducción al diseño y aplicaciones, Anaya, Madrid,1986, página 26.
Eso fue en 1984. Fue el primer caso en que un sistema de IA hizo un descubrimiento de este tipo, según el artículo «Recognition of a Hidden Mineral Deposit by an Artificial Intelligence Program» (Science, Volume 217, Issue 4563, pp. 927-929, September 1982).
7 Un PROSPECTOR en 2023
No sé que tanta relación tenga este PROSPECTOR con el inicial, pero es IA en el mismo dominio y puede ser útil para una lectura complementaria.
building better models, in the sense of attaining better predictions, often
means acquiring additional data. In decision theory, questions of what
additional data are expected to best improve predictions and decisions is within
t…
Un tema complementario: ¿se debe pensar en derechos de robots?