El especialista en agentes inteligentes cree que vamos hacia un

Nota de tapa .
Michael Luck, director del Departamento de Informática del King’s College
Por Bruno Massare
Fotos: Gustavo Fernández
e visita en la Argentina para dar
la conferencia plenaria del Simposio Argentino de Inteligencia Artificial y un curso en la
Primera Escuela de Inteligencia Artificial, en el marco de las Jornadas Argentinas de Informática (41 JAIIO) que se realizaron en La Plata, Michael Luck dejó por unas
semanas su oficina del King’s College en Londres pero no su pasión por el Chelsea, club de
fútbol que no dejó de nombrar ni siquiera en su
presentación ante los expertos locales en IA.
Luck lleva casi 20 años investigando en agentes
inteligentes: sistemas de computación capaces
de actuar de manera autónoma y flexible en
un ambiente dinámico. Un agente inteligente
puede tomar decisiones de manera proactiva y
ser capaz de aprender o de recurrir a una base
de conocimiento para cumplir con un objetivo.
“Los sistemas basados en agentes son un tipo de
softwareque replica mucho de la interacción
entre los seres humanos. No estoy hablando a
nivel emocional, pero sí en términos de interacciones como negociaciones o el hecho de que
pueden generarse relaciones que son pasajeras
y otras que se mantienen”, dice. Además de su
rol como investigador, es director del Departamento de Informática del King’s College. “Tra-
72  INFORMATIONTECHNOLOGY
El especialista en agentes inteligentes cree que vamos
hacia un futuro con sistemas autónomos que tomarán
decisiones cada vez más complejas sobre nosotros.
bajo demasiado”, asegura este londinense de 45
años que habló en exclusiva con INFORMATION
TE C H N O L O G Y antes de dar su charla en la
Facultad de Informática de La Plata.
requiere que resolvamos problemas de confianza y reputación. Este problema estará cada vez
más presente en tanto automaticemos más tareas que antes realizaban seres humanos.
¿A qué se refiere específicamente con la necesidad de resolver problemas de confianza?
Su trabajo principal es en agentes inteligentes,
una línea de investigación que tuvo un auge importante en la década del ’90. ¿En qué medida logró
decantar en aplicaciones concretas?
Cuando uno lidia con sistemas totalmente automatizados se entra en un espacio nuevo. Por
ejemplo: diez o quince años atrás, había un creciente interés por los marketplaces online, en la
modalidad B2B. Se buscaba unir a proveedores
y clientes para organizar sus mercados internos,
usando agentes inteligentes para hacer algunas cosas. La idea detrás era que en algún
momento habría marketplaces totalmente abiertos con nuevos proveedores que aparecerían con
sus ofertas. Eso no pasó, y lo que vimos fue marketplaces muy limitados. Con los agentes pasó
algo parecido. Ahora estamos entrando en una
segunda etapa, donde muchas de estas cosas
van a ser abiertas. Ya no hablamos de computadoras y de aplicaciones aisladas, ahora tenemos un ambiente computacional cada vez
más distribuido e interconectado. Es casi imposible pensar la computación actual sin los agentes, pero eso nos enfrenta a nuevos desafíos. Si
uno piensa en utility computing, en grid, en la
web semántica, en smart grids, todos necesitan resolver los mismos problemas: cómo se
logra una interacción múltiple, y para poder
lidiar con eso necesitamos enfrentar los problemas de confianza y reputación.
Lo que ha sucedido es que hay mucha gente que
hoy está usando esta tecnología y no habla sobre
eso. Si uno mira el mercado de acciones, buena parte de la Bolsa de Nueva York opera con
sistemas automatizados basados en agentes inteligentes. Pero no se habla de agentes, simplemente la gente habla de compra y venta (trading) automática. Hay muchos ejemplos como
éste en los que no hablamos específicamente
sobre el concepto que está detrás; simplemente se habla en general. Hay tecnologías de agentes aplicadas a automatización en industrias,
negociación, argumentación… hay un gran rango de cosas en que se están aplicando.
Usted comenzó a investigar en agentes en 1993.
¿Qué impacto tuvieron en su investigación los
avances en computación de los últimos 20 años?
Cuando empecé, la tecnología era una solución
en busca de un problema. Había muchos esfuerzos en IA distribuida en problemas particulares
que se pretendía resolver, técnicas de “problemsolving” distribuido. El mundo cambió de tal
manera y tan rápido, que nos proveyó el problema para el que podíamos tener una solución.
Los web services son un ejemplo de eso. Años
atrás, había gente construyendo infraestructura de red específica para agentes inteligentes. Ya
no necesitamos eso; se usa la infraestructura
estándar y eso hace que todo sea mucho más
escalable. Pasamos de tener sistemas monolíticos a tener sistemas distribuidos, que son una
forma de IA por cómo interactúan sus componentes. Pero hoy son algo normal, no nos sorprende. Hace años teníamos Windows NT, que
era orientado a objetos, era una novedad. Hoy
nadie dice que un sistema es orientado a objetos, no importa. Pasó a ser parte de algo naturalizado y lo que importa es que soluciona un
problema. Con la IA pasó algo similar: está en
todos lados y por eso no la percibimos en la
medida en que está incorporada a nuestras vidas.
Por otro lado, el uso de tecnologías de agentes
¿El trading de alta frecuencia (sistemas automáticos que pueden comprar y vender acciones
a gran velocidad) es un ejemplo de esos riesgos?
“La línea entre lo
que hacemos con
seres humanos y
lo que hacemos
con máquinas
se está volviendo
difusa”
Michael Luck
Sí. Se debe tener una estrategia clara de cómo
manejarlo, porque es algo crítico. Otra opción
es dejar que los mercados se autorregulen, pero
hemos visto casos en lo que no ha funcionado.
Necesitamos asegurarnos de que los sistemas,
a medida que les damos más autonomía y poder
para tomar decisiones, tengan normas claras que
no puedan traspasar. En la sociedad tenemos
reglas que nos permiten no dejar todo librado
a la incertidumbre. Y funciona, más o menos,
pero funciona. Esto se tiene que trasladar al mundo de los sistemas de computación, para que un
determinado agente no pueda violar determinadas normas. Esa amenaza se profundiza en
sistemas abiertos en los que agentes heterogéneos pueden entrar y salir sin restricciones.
INFORMATIONTECHNOLOGY  73
Nota de tapa .
¿En qué medida las empresas han sabido aprovechar la tecnologías de agentes?
Algunas industrias saben sobre esto, lo usan. A
veces ni siquiera los llaman agentes. Las empresas suelen ser cortas de vista con respecto a las
nuevas tecnologías y sólo las aplican cuando ven
una oportunidad de ganancia concreta. En
Alemania, Daimler Chrysler transformó una
de sus fábricas en una planta con sistemas
automatizados y dinámicos. Los autos se van
montando en la línea donde los robots colocan
las partes y las máquinas usan tecnología multi-agente que puede negociar entre ellos y pedirle a otro que haga algo ante una eventualidad,
como la necesidad de corregir el ensamblado de
una pieza. Se mueven a través de la línea de montaje de una manera dinámica. Con esto incrementaron la productividad un 20 por ciento.
¿Cómo es su trabajo como asesor científico de
la firma Aerogility?
La empresa comenzó hace muchos años como
d e s a rrolladora de software y tenía un área de
agentes inteligentes para ciertas tareas. Esto era
algo relativamente nuevo, entonces el software
comenzó a financiar la investigación en agentes.
Se enfocó en el mercado aeroespacial de componentes, hizo un buen acuerdo con Rolls
Royce, pero sufrió una crisis por la caída de la
economía y se reconvirtió en una firma nueva,
Aerogility, que desarrolla agentes inteligentes.
Tiene éxito en ese mercado aplicando la tecnología que crearon, que sirve para toma de decisiones y planeamiento, entre otras cosas. Mi rol
es limitado, a veces necesitan asesoramiento sobre
cómo encarar algún problema relacionado con
agentes, pero lo hacen muy bien.
¿Cómo se puede definir hoy a la IA?
La IA ya recorrió un largo camino desde los años
’50. Alguien dijo “hasta que encontremos una
solución, es inteligencia artificial. Una vez que
la encontremos, deja de ser inteligencia artificial”. Es algo muy difícil de definir y sigue habiendo una brecha entre nuestra comprensión de
qué es inteligencia en los seres humanos y en qué
medida podemos trasladarla a las máquinas.
Sigue sin haber un consenso en eso; creo que nos
seguirá demandando tiempo clarificar qué es
la IA. Seremos capaces de construir máquinas
que hagan más y más cosas por nosotros, dejaremos que tomen decisiones complejas sobre
nosotros y será todo una cuestión de grados de
avance. Y tal vez lleguemos a un nivel de avan74  INFORMATIONTECHNOLOGY
“Buena parte de la
investigación en
IA está en la
computación, pero
también se nutre
de la psicología,
la economía
y la biología”
Michael Luck
ce en el que ya no tenga sentido hacerse esta pregunta, porque será algo normal para nosotros.
En el procesamiento de lenguaje natural parece
haber ganado el enfoque estadístico por sobre
el semántico gracias al crecimiento en la capacidad de cómputo. ¿Esa tendencia se está profundizando en la investigación en IA?
Necesitamos que ambas aproximaciones aporten cosas. Como el poder de computación ha
crecido de manera exponencial, hemos podido lograr progresos a partir de la estadística. Pero
hay cosas que no podemos resolver bien en esa
dirección. Las redes neuronales son un ejemplo:
pueden resolver muchos problemas particulares, pero no logran ofrecer una explicación. La
línea entre lo que hacemos con seres humanos
y lo que hacemos con máquinas se está volviendo difusa. Aquí, los enfoques semánticos se
vuelven importantes. Hay soluciones que funcionan bien en un entorno con expectativas limitadas, como el caso de Siri (el asistente de voz de
Apple). Es algo que impresiona porque no esperábamos tener algo así en un teléfono. Pero una
vez que nos acostumbramos queremos más:
poder tener una conversación más compleja y
respuestas sofisticadas. La combinación de técnicas diferentes será importante para lograrlo.
¿Qué podemos esperar de la investigación en
IA en los próximos años?
Hoy una máquina puede reconocer el lenguaje
hablado, eso es importante. Pero todo es un
esfuerzo incremental, no hay avances fundamentales. Todo se va sofisticando de a poco y se va
incorporando al “mainstream”. Es la diferencia
con los años ‘70, cuando estaba claro qué era la
IA y el gran objetivo eran los sistemas expertos.
Empresas como IBM los han aprovechado y han
tenido éxito. Hoy buena parte de la investigación en IA está en la computación, pero también
se nutre de la psicología, de la economía y de la
biología. Y se ha diseminado. La IA está en todos
lados y apenas lo notamos. 