Este artículo, escrito por Luis Martin («The Druid») , presenta una visión crítica y avanzada del Aprendizaje Automático (Machine Learning), alejándose de la dependencia exclusiva en redes neuronales para abogar por un sistema de razonamiento complejo, especialmente en entornos críticos como la ciberdefensa.
El Aprendizaje Automático es el ámbito de la Inteligencia Artificial que se ocupa de construir sistemas adaptativos y evolutivos, capaces de mejorar su competencia y/o eficiencia mediante el aprendizaje, a partir de datos de entrada, información recibida, conocimiento explícito o de tu conocimiento destilado (sabiduría) derivado de tu propia experiencia en resolución de problemas (Luis Martin «The Druid»-2010).
Actualmente, el aprendizaje automático se centra casi exclusivamente en el uso de modelos de redes neuronales, generando sistemas de aprendizaje incompletos con capacidades limitadas para resolver las necesidades de un Sistema de Razonamiento Complejo, especialmente si los datos que tenemos no son abundantes ni fiables. El desarrollo de agentes razonantes con técnicas complementarias de aprendizaje automático es la forma más lógica de abordar los diferentes desafíos del comportamiento adaptativo en un entorno complejo con responsabilidades militares críticas.
La base de un sistema inteligente está compuesta por un sistema de razonamiento automatizado apoyado por un entorno de aprendizaje que nos permite sopesar y evolucionar continuamente los procesos inferenciales que se producen y los resultados obtenidos. La clave es que los diferentes procesos de razonamiento estén respaldados por los mecanismos de aprendizaje adecuados.
En los sistemas adaptativos, evolutivos y autónomos basados en complejos sistemas de razonamiento que apoyan la ciberseguridad, la ciberdefensa y los sistemas de ciberguerra que diseño e investigo, la necesidad de adoptar diferentes estrategias de aprendizaje en tiempo real para apoyar los procesos inferenciales de los agentes razonantes en un sistema totalmente automatizado o semiautomatizado es absolutamente necesaria y de manera oportuna.
El aprendizaje es un término muy general que denota la forma en que las personas y las máquinas se adaptan y evolucionan
- (1) Adquirir, descubrir y organizar el conocimiento (construyendo, modificando y organizando representaciones internas de alguna realidad externa).
- (2) Adquirir habilidades (mejorando gradualmente sus capacidades motoras o cognitivas mediante la práctica repetida, a veces con poco o ningún pensamiento consciente).
El aprendizaje provoca cambios en el agente (o mente) que mejoran su competencia y/o eficiencia.
Dos dimensiones complementarias para el aprendizaje:
- Competencia: Un sistema de aprendizaje mejora su competencia si aprende a resolver una clase más amplia de problemas y a cometer menos errores en la resolución de problemas.
- Eficiencia: Un sistema de aprendizaje mejora su eficiencia si aprende a resolver los problemas de su área de competencia más rápido o utilizando menos recursos.
Una Estrategia de Aprendizaje es una forma básica de aprendizaje caracterizada por el empleo de un determinado tipo de inferencia (por ejemplo, deducción, inducción, abducción), un tipo determinado de mecanismo computacional o representacional (por ejemplo, reglas, árboles, ontologías, redes neuronales, etc.) y un determinado tipo de objetivo (por ejemplo, aprender un concepto o habilidad, descubrir una fórmula, adquirir nuevos conocimientos sobre una entidad del mundo real, etc.).