• Los datos pueden aportar información, pero no toda es cierta ya que pueden interpretarse en un sentido causal: Luis Enrique Sucar
• Los modelos causales, razonamiento causal y descubrimiento causal, pueden acercarnos a tener sistemas realmente inteligentes

Luis Enrique Sucar dictó conferencia sobre datos y modelos causales

Paola Cortés Pérez

21/05/18, Xalapa, Ver.- Los sistemas inteligentes actuales están muy lejos de emular la inteligencia humana, opinó Luis Enrique Sucar Succar, investigador de la Coordinación de Ciencias Computacionales del Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), al dictar la conferencia “¡Los datos son tontos! O por qué necesitamos modelos causales”, el viernes 18 de mayo en el auditorio del Centro de Investigación en Inteligencia Artificial (CIIA) de la Universidad Veracruzana (UV).

Al vivir en la era de los datos se espera obtener conocimiento de ellos para resolver problemas; sin embargo, indicó que si bien pueden aportar información no toda es cierta, ya que su interpretación se da en un sentido causal pues con las actuales técnicas de minería sólo se obtienen asociaciones.

“Realmente el mensaje es tener cuidado en la manera como interpretamos la información de los datos, podemos tener información pero a veces ésta puede ser engañosa”, reiteró.

Por ello, mencionó que los modelos causales ayudan a entender el porqué de ciertas relaciones y así obtener un conocimiento más profundo y útil.

“Con un modelo causal podemos hacer predicciones; por ejemplo, ¿cuál sería el efecto de cierta droga? También podemos hacer el pensamiento retrospectivo: ¿estaría todavía vivo si hubiera tomado esta droga? Es algo que hacemos todo el tiempo, es algo que los modelos computacionales todavía no pueden hacer.”

Con el desarrollo actual de la ciencia y de la tecnología, quien es Premio Nacional de Ciencia 2016 dijo que se pueden hacer cosas impresionantes, pero se está lejos de una verdadera inteligencia como la de los humanos.

“Los sistemas actuales inteligentes son cajas negras que en general se limitan a aprender las funciones. Si queremos ir más allá necesitamos sistemas inteligentes que puedan explicar sus conclusiones, que estén conscientes de sus limitaciones y se puedan imaginar las posibilidades.”

Planteó que si se quiere tener máquinas realmente inteligentes se necesita el razonamiento causal para darles la habilidad de reflexionar sobre sus errores, encontrar cuáles son las debilidades en su software, funcionar como entidades morales y poder platicar en forma natural con las personas.

“Estos modelos causales, razonamiento causal y descubrimiento causal, pueden acercarnos a tener sistemas realmente inteligentes.”