Los Objetos. El corazón de la Inteligencia Artificial

La tan de moda Inteligencia Artificial (IA), su marco computacional principalmente, ha irrumpido con fuerza estos últimos años tras décadas y décadas de estudios e investigaciones. Tecnologías ya existentes y reforzadas como el Machine Learning (aprendizaje automático) y otras más actuales como el Deep Learning un subconjunto de la misma, una versión más avanzada, especializada y automatizada, buscan la representación de los datos sobre la base de la extracción de patrones o características, pero en qué consiste exactamente esta tecnología y más en concreto en el ámbito de la Visión Artificial en donde se desarrollan las aplicaciones más interesantes y apasionantes, por lo menos las más vistosas.

Los Objetos, ¿Qué son?

Las unidades de información. Década tras década se viene transformando el desarrollo de software, la información, encapsulándola en estructuras computacionales que permitan su uso, escalado y potenciado en el tiempo de una forma sencilla y eficiente; estructuras, funciones, clases o estructuras de orden mayor como Frameworks de trabajo, etc. Esta estructuración lógica de la información y adaptada a nosotros, a la forma en la que los seres humanos observamos la misma, la analizamos y la ordenamos lógicamente de una forma formal o comprensible, dio lugar a un nuevo paradigma en el desarrollo de software, el POO, la programación orientada a objetos, que encapsula la información en dos vectores o líneas estructurales; propiedades y funcionalidades, eventos o acciones principalmente.

Este cambio de concepto o paradigma es el que se ha venido desarrollado estas últimas décadas, y forma parte de esa transformación de la lógica formal de la información, y es aquí en donde toma relevancia la Inteligencia Artificial, su marco, en lo que respecta a la capacidad de combinar los mismos, conocimiento y posibilidad (predicción), lo que nos lleva nuevamente a otra transformación o nuevo paradigma más profundo y preciso, que nos acerca cada vez más hacia el gran objetivo; la creación de unidades de información lo suficientemente robustas y significativas que modelen o representen el conocimiento de una forma dinámica.

¿Cuál es el objetivo de esta transformación una vez encapsulada la información, reforzada y representada?

La conceptualización. Este es el objetivo principal de la Inteligencia Artificial. Trabajar en un futuro con unidades informacionales a más alto nivel cercanas a nosotros, con capacidad de transformación, refuerzo, modificación y adaptación, y relacionadas entre sí, dotara a esta ciencia-tecnología de la capacidad de crear estructuras a más alto nivel que reflejen con exactitud y basándose en la extracción de patrones por similitud y el conocimiento adherido, de la capacidad de modelar eficientemente eso que llamamos mundo, de representarlo a un nivel de abstracción muy similar al nuestro. Ir más allá de la lógica formal de las cosas de los objetos.

Es aquí donde toma principal relevancia la Visión computerizada. No hay mayor flujo informacional que lo que la vista otorga a los seres vivos, es el sentido más importante.

¿Ven realmente los sistemas computerizados basados en Inteligencia Artificial? ¿Y qué son los objetos?

La respuesta es NO, y los objetos, no son más que parte de su entrenamiento, el vector que utilizan dichos sistemas para empezar la cadena de encapsulación del conocimiento a nivel de cómputo, la identificación. Este proceso de identificación está directamente relacionado con su entrenamiento, sea este estático y definido por la intervención humana como sucede con los sistemas basados en Machine Learning o aquellos otros que formen parte de un proceso de extracción y automatización como en el caso del Deep Learning, o aquellos otros basados en los mencionados combinados con tecnologías de aprendizaje por refuerzo, entre otras.

Como se entrena es como se ve. El principal handicap de los sistemas de identificación Visual es la representación de los datos, de la información. Todo es importante en la definición de los mismos, las muestras empleadas para crear los modelos representativos; la amplitud o rango, dimensión, color, diferentes aspectos adheridos como por ejemplo condicionantes de luz, aspectos atmosféricos, etc. Inconvenientes relacionados con el solapamiento, distorsiones por movimiento, observación, inconsistencia por aquellas muestras poco claras incluso para un humano y cientos de condicionantes que se suman a todas aquellas posibilidades que se deben tener en cuenta para transferir a los modelos representativos a utilizar.

Cuantas más posibilidades, mejor, más capacidad tendrán los sistemas de generalizar y dar una predicción lo más fiable, sobre todo, a aquello que se desee identificar.

Aquí finalizamos esta pequeña introducción en donde os he explicado en qué consiste realmente todo esto de la Inteligencia Artificial y a donde nos dirigimos en nuestro camino de transformación de la lógica de la información y recordad, que su encapsulación son los Objetos, unidades de información que representan el conocimiento de lo que queréis resolver, relacionar o incluso inferir. Llegará.