EE.UU. trabaja en una impresionante inteligencia artificial para predecir crisis económicas o políticas

Uno de los proyectos estrella del Gobierno de Donald Trump se llama KAIROS, con el que busca desarrollar una inteligencia artificial más capaz, es decir, que sepa comprender y razonar, a través de los datos, y predecir así eventos mundiales complejos

EE.UU. lo tiene claro. Junto a China, lidera la carrera de la inteligencia artificial (IA) y ese liderazgo no está dispuesto a perderlo.

Por ello, este lunes, el presidente estadounidense Donald Trump ha firmado una orden ejecutiva que solicita a las agencias gubernamentales federales que dediquen más recursos e investigación a la IA.

Según la agencia Reuters, bajo la «American AI Initiative», la administración americana quiere asegurarse de que va a mantener su ventaja de investigación y desarrollo en IA y áreas relacionadas.

De hecho, uno de los proyectos estrella del Gobierno se llama KAIROS, que forma parte de Agencia de Proyectos de Investigación Avanzada de Defensa (The Defense Advanced Research Projects Agency (DARPA)).

La agencia trabaja en desarrollar una IA más capaz, es decir, que sepa comprender y razonar, a través de los datos, y predecir así eventos mundiales complejos, como las crisis políticas o económicas, y generar información que se pueda procesar.

Esta nueva IA del proyecto KAIROS busca mejorar el razonamiento sobre cualquier proceso.

Y es que la rápida comprensión de los acontecimientos mundiales es fundamental para que la seguridad nacional funcione y no trabaje en vano.

Es decir, si se va a producir un ataque de Estado, lo mejor que puede hacer esa IA es detectar el hecho antes de que suceda y avisar, así, a los organismos pertinentes, quienes pueden prepararse con tiempo para evitar dicho suceso.

«Estos cambios notables en el mundo o en la sociedad pueden tener un impacto significativo por sí mismos, o pueden formar parte de una cadena que produce un impacto mayor», explica DARPA.

Y es que un gran suceso, como una grave crisis económica, es el resultado de otras pequeñas situaciones, es decir, «fenómenos complejos compuestos por una red de numerosos elementos subsidiarios».

El problema es que hay tanta «información no estructurada disponible» que es muy difícil «descubrir y comprender estos eventos y sus elementos subyacentes».

Este es precisamente el papel de esa nueva IA con la que EE.UU. trabaja a base de esquemas de datos que ayudan a dibujar correlaciones entre la información.

«El proceso de descubrir conexiones relevantes a través de montañas de información y los elementos estáticos que subyacen requiere información temporal y patrones de eventos, que pueden ser difíciles de capturar a escala con las herramientas y sistemas disponibles actuales», asegura el Dr. Boyan Onyshkevych, de DARPA.

El uso de esquemas para ayudar a dibujar correlaciones entre la información no es un concepto nuevo.

Fue definido por primera vez por el científico cognitivo Jean Piaget en 1923.

Los esquemas son unidades de conocimiento que los humanos mencionan para dar sentido a los eventos al organizarlos en estructuras narrativas comunes.

Por ejemplo, cuando una persona acude a una tienda a comprar, generalmente implica un esquema de transacción de compra, que se define por un conjunto de acciones (pago), roles (comprador, vendedor) y restricciones temporales (los artículos se escanean y luego se intercambian los pagos).

DARPA creó KAIROS, el programa razonamiento sobre esquemas de IA, para dotar a la máquina de una capacidad basada en un esquema para permitir el razonamiento contextual y temporal sobre eventos complejos del mundo real con el fin de generar una comprensión procesable de estos eventos y predecir cómo se desarrollarán.

El objetivo del programa es desarrollar un sistema semiautomático capaz de identificar y dibujar correlaciones entre eventos o datos aparentemente no relacionados, ayudando a informar o crear narrativas amplias sobre el mundo que nos rodea.

Los objetivos de investigación de KAIROS se abordarán en dos etapas.

La primera etapa se centrará en la creación de esquemas a partir de grandes volúmenes de datos.

La segunda etapa se centrará en la aplicación de la biblioteca de esquemas creados para descubrir y extraer eventos complejos.

Esta etapa requerirá la identificación de eventos y entidades, así como las relaciones entre ellos para ayudar a construir y extender una base de conocimiento.

Fuente: ABC