La Universidad Veracruzana (UV) destacó el papel que Xalapa ha tenido en el desarrollo de la inteligencia artificial en México, una trayectoria académica que se remonta a más de tres décadas y que hoy se mantiene con la investigación, la formación de especialistas y el trabajo del Instituto de Investigaciones en Inteligencia Artificial (IIIA).
Durante la conferencia “Inteligencia Artificial Generativa”, impartida por Héctor Gabriel Acosta Mesa, académico del IIIA, estudiantes del Doctorado de Innovación en Educación Superior conocieron algunos de los fundamentos y procesos que han llevado al desarrollo de los actuales sistemas de inteligencia artificial generativa.
Al presentar al especialista, Alberto Ramírez Martinell, académico del Doctorado de Innovación en Educación Superior del Centro de Investigación e Innovación en Educación Superior (CIIES), subrayó que Xalapa fue una de las cunas importantes de la inteligencia artificial en México.
El desarrollo de esta área, explicó, estuvo vinculado a la convergencia de instituciones como el Laboratorio Nacional de Informática Avanzada, así como a las facultades relacionadas con la informática y la computación de la Universidad Veracruzana.
Aquel trabajo académico permitió posteriormente la formación de especialistas mediante programas de maestría y doctorado, hasta llegar a la consolidación del actual Instituto de Investigaciones en Inteligencia Artificial, una de las estructuras universitarias dedicadas al estudio de esta disciplina.
Ramírez Martinell recordó que Héctor Acosta Mesa pertenece a la primera generación de la Maestría en Inteligencia Artificial, iniciada en la década de los años noventa, por lo que su trayectoria representa también la continuidad de una comunidad académica que ha acompañado la evolución de esta tecnología durante varias décadas.
Acosta Mesa es doctor en Inteligencia Artificial por la Universidad de Sheffield, profesor del IIIA y miembro del Sistema Nacional de Investigadoras e Investigadores. Sus líneas de trabajo están relacionadas con el aprendizaje automático, la visión computacional y las imágenes médicas.
De la inteligencia artificial clásica a la IA generativa
Durante su conferencia, el investigador explicó que la inteligencia artificial puede entenderse como un sistema digital capaz de procesar y analizar información de su entorno para actuar sobre él con cierto grado de autonomía.
Para comprender el surgimiento de la inteligencia artificial generativa, Acosta Mesa partió de dos grandes aproximaciones que han marcado el desarrollo histórico de esta disciplina.
Por un lado se encuentra la inteligencia artificial simbólica o clásica, basada en la representación del conocimiento mediante símbolos, reglas y lógica matemática. Por otro, está la inteligencia artificial conexionista, sustentada en modelos numéricos inspirados, de manera simplificada, en el funcionamiento de las redes neuronales.
Los primeros sistemas de inteligencia artificial buscaban reproducir determinadas capacidades humanas a partir de reglas explícitas. Los juegos de mesa, por ejemplo, permitían construir árboles de búsqueda para determinar las mejores acciones dentro de escenarios previamente definidos.
Sin embargo, este modelo enfrentó limitaciones al intentar resolver problemas del mundo real, donde existen condiciones cambiantes, incertidumbre y una enorme cantidad de posibilidades que difícilmente pueden ser previstas mediante un conjunto limitado de reglas.
Fue en este contexto donde cobró mayor relevancia el aprendizaje automático, una aproximación basada en la capacidad de las máquinas para aprender a partir de ejemplos y grandes cantidades de información.
Redes neuronales y grandes volúmenes de datos
Acosta Mesa explicó que las redes neuronales artificiales se han convertido en uno de los principales pilares de la inteligencia artificial contemporánea.
La concatenación de múltiples capas permite construir modelos de aprendizaje profundo capaces de procesar grandes volúmenes de información e identificar patrones que serían difíciles de establecer mediante reglas tradicionales.
Uno de los ejemplos utilizados durante la conferencia fue el reconocimiento de imágenes. Una fotografía puede representarse digitalmente como una matriz de píxeles y, para una máquina, como un conjunto de valores numéricos.
A partir del análisis de grandes cantidades de ejemplos, una red neuronal puede aprender a reconocer patrones y posteriormente clasificar nuevas imágenes, como distinguir entre diferentes objetos o categorías.
No obstante, el académico también abordó una de las principales limitaciones de estos modelos: la dificultad para explicar de manera comprensible cómo llegaron a una determinada conclusión.
Mientras los sistemas simbólicos pueden mostrar una cadena explícita de reglas y razonamientos, las redes neuronales trabajan con millones de parámetros, lo que vuelve más complejo interpretar el proceso interno que conduce a una respuesta.
La evolución tecnológica detrás de la IA generativa
En esta evolución se encuentra el origen de los sistemas actuales de inteligencia artificial generativa, cuyo desarrollo ha sido posible gracias a la combinación de redes neuronales, aprendizaje automático, grandes volúmenes de datos y una capacidad de cómputo que décadas atrás no estaba disponible.
La conferencia permitió a estudiantes del Doctorado de Innovación en Educación Superior acercarse a los principios tecnológicos que explican el auge actual de la inteligencia artificial generativa, una tecnología que continúa transformando distintos ámbitos de la sociedad.
Con una trayectoria que se remonta a la década de los noventa, la Universidad Veracruzana mantiene una presencia relevante en la investigación y formación de especialistas en inteligencia artificial, un campo que ha pasado de los sistemas basados en reglas a modelos capaces de procesar, analizar y generar información a partir de grandes cantidades de datos.
