La importancia del impulso de la investigación e ... · La importancia del impulso de la...

La importancia del impulso de

la investigación e

innovación en IAAsunción Gómez-Pérez

Ontology Engineering Group

@asungomezperez

ETS Ingenieros Informáticos

Universidad Politécnica de Madrid

Campus de Montegancedo sn,

28660 Boadilla del Monte, Madrid

http://www.oeg-upm.net

[email protected]

http://www.oeg-upm.net/

https://github.com/oeg-upm

@oeg-upm

La importancia del impulso de la investigación e innovación en IA A. Gómez-Pérez © 2

La importancia del impulso de la investigación e innovación en IA A. Gómez-Pérez ©

Dartmouth Conference (1956)

“The study is to proceed on the basis of the conjecture that every

aspect of learning or any other feature of intelligence can in

principle be so precisely described that a machine can be made to

simulate it. An attempt will be made to find how to make machines

use language, form abstractions and concepts, solve kinds of

problems now reserved for humans, and improve themselves”

3

http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.htmlwww-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html

Dartmouth Conference How we call know

Automatic Computers (not in calculations, but in simulating

human brain)

Cognitive Science, Neuroscience

Use of Language and manipulation of words Natural Language Processing, machine translation, speech

Neuron Nets Neural Networks, Deep Learning

Theory of the Size of a Calculation Complexity of Algorithms

Self-Improvement Machine Learning and Deep Learning

Abstraction from sensory and other data Knowledge Representation and Reasoning, Computer Vision,

Image recognition, recommendation systems

Randomness and Creativity Cognitive sicence, neuroscience


Nombre del primer chatbot /asistente virtual

4

Alexa

Eliza

Eugene

Siri

Tay



5

Alexa

Eliza

Eugene

Siri

Tay

1964

1985

2002

2011

2017



6

Alexa

Eliza

Eugene

Siri

Tay

1964

1985

2002

2011

2017


Evolución de la Inteligencia Artificial

7

Source: https://digitalwellbeing.org/artificial-intelligence-timeline-infographic-from-eliza-to-tay-and-beyond/


Tipos de Inteligencia Artificial

IA General

• Similar a la de la inteligencia humana

• Emula procesos heterogéneos y complejos

• Aprendizaje

IA Específica:

• Resuelve problemas específicos

8

Test de Turing:

Based on some

questions try to identify

who is the human and

the machine (1950)


Definiciones de Inteligencia Artificial

9

Source: Russelll and Norving Book.

Pe

ns

ar

vs

Ac

tua

r

Como Humanos vs Racionalmente

Sistemas que piensan como humanos

Sistemas que actúan como humanos

Sistemas que piensan racionalmente

Sistemas que actúan racionalmente


Definiciones de Inteligencia Artificial

10

Sistemas que piensan como humanos

Sistemas que actúan como humanos

Sistemas que piensan racionalmente

Sistemas que actúan racionalmente

Estudio de la

mente y la

inteligencia para

construir modelos

computacionales

basados en

lógica

“Máquinas con

mentes”

Uso de los

modelos lógicos

en aplicaciones

Razonamientos

correctos

Expectativas

en el modelo

Percibir

Actuar

Razonar

Realizan funciones que requieren inteligencia

• Razonar

• Planificar

• Aprender

• Comprender el lenguaje

• Hablar

• Ver

• Traducir textos

• ……

En el entorno físico

• Conocen y perciben el entorno

• Razonan y toman de decisión

• Actúan en el entorno

Introducción a la Inteligencia Artificial. A. Gómez-Pérez ©

Tipos de técnicas en Inteligencia Artificial

Simbólica

1. Representación del

Conocimiento y

Razonamiento

• Modelos Lógicos

• Reglas

• Ontologías

2. Lenguajes de Programación

de IA

Pros and Cons

• Fácil evaluar, control, …

• Explicar el razonamiento

• No se necesita Big Data

Subsimbólica

1. Estadística

2. Machine Learning

3. Deep Learning

4. Redes de neuronas

Pros and Cons

• Dificultad de explicar los

resultados

• Se necesita Big data

• Mejor rendimiento y escalabilidad

11

Introducción a la Inteligencia Artificial. A. Gómez-Pérez © 12

Inteligencia Artificial: simbólica


From Terminologies to Ontologies

Terminologies Ontologies

13


Extracción de Nombres

14

Companies

People

Places

Big corpus of scientific papers from a domainBag of terms

TaxonomyOntology

Inteligencia Artificial: simbólica


Inteligencia Artificial: Machine Learning

Data Machine

LearningFF

1 3

3 9

5 15

F3*X


Tipos de técnicas en Inteligencia Artificial

Simbólica

Subsimbólica

(Machine Learning)

17

http://nlp.lsi.upc.edu/freeling/demo/demo.php

http://nlp.lsi.upc.edu/freeling/demo/demo.php


Ingredientes de los sistemas de Inteligencia Artificial

Cualquier sistema de IA necesita:

18

DatosInfraestructura

Computacional

Algorithmos y

modelosUsuarios


Infraestructuras, Datos, Modelos y Algoritmos

AI Winter

1. Problemas “de juguete”

• Cantidad limitada de datos

2. Limitaciones de las infraestructuras

• Procesamiento

• Almacenamiento

3. Enfasis en Algoritmos y construcción

de modelos

Datos

Infraestructura

Modelos y

Algoritmos

Datos

Infraestructura

Modelos y

Algoritmos

Datos

Infrastructura

Modelos y

Algoritmos

AI Spring 1. Problemas reales(Big Data)

2. Procesamiento de datos en tiempo real

3. Data anytime, anywhere

4. No limitación en Infrastructuras

5. Menos interés en algoritmos y modelos

La importancia del impulso de la investigación e innovación en IA A. Gómez-Pérez © 20

Usuarios

Datos

Infrastructura

Modelos y

Algoritmos


Evolución de la Inteligencia Artificial

21

Source: https://digitalwellbeing.org/artificial-intelligence-timeline-infographic-from-eliza-to-tay-and-beyond/

Modelos y AlgoritmosInfraestructuras

InfraestructurasDatos

Usuarios


Hype Cycle for Emerging Technologies 2018 (Gartner)

22


Políticas de I+D+i

23

https://ec.europa.eu/digital-single-market/en/news/draft-ethics-guidelines-trustworthy-ai


https://futureoflife.org/ai-principles/?cn-reloaded=1



Investigación e Innovación orientadas por misiones

Movimiento de los grandes retos a la misiones específicas


Objetivos de Desarrollo Sostenible (ODS)


¿Por qué los Objetivos de Desarrollo Sostenible?

1. Una agenda internacional para

2030

2. Firmada por 193 países

3. Sustentada por las empresas y la

sociedad civil

4. Incorporada por las agencias de

financiación

5. Cualquier línea de investigación

tiene potencial para contribuir a los

ODS


Tecnologías Digitales

• Inteligencia Artificial

• Robótica

• Regulación, Privacidad, Etica

• Sistemas Cognitivos

• Internet de las cosas

• Big (Open) Data

• Tecnologías del Lenguaje

• Multilingüismo

• Internet de la próximageneración & 5G

• Cloud and Computación de altas prestaciones (HPC)

• Blockchain

• Nano-Electronics & Photonics 27


Digitalización en Smart Cities

28

Source: ITU FG-SSC “An Overview of Smart Sustainable Cities and the Role of Information and Communication Technologies (ICTs)”


A new generation of data producers and consumers

29

INFORMATION PEOPLE THINGS


Towards AI in smart cities

30

Adquisición de Datos

• Dispositivos IoT

• Ciudadanos

Conocimiento

• Significado de los datos

Inteligencia

• Causas, cambios, …

Predicción

• Anticipación


Próximo programa marco


AI4EU Project

32


Digital Innovation Hub

Instrumento de ayuda a la digitalización

de la industria Europea

Cátalogo de DIH

33

http://s3platform.jrc.ec.europa.eu/digital-innovation-hubs

http://s3platform.jrc.ec.europa.eu/digital-innovation-hubs-tool






AIR4S: Digital Innovation Hub in Artificial

Intelligence & Robotics for SDG

1. Centro integral en la Comunidad de Madrid que ofrece soluciones y servicios innovadores a la Industria y a las Administraciones Públicas en Inteligencia Artificial y Robótica Servicios Tecnológicos Capacitación y Educación Innovación Negocios

3. Seleccionado como uno de los 30 DIH europeos sobre Inteligencia Artificial y Robótica

4. Desde 28/02/2019

5. http://www.upm.es/internacional/Researchers/digitalInnovationHubs/artificialIntelligenceRobotics

Member of the AI DIH network

http://www.upm.es/internacional/Researchers/digitalInnovationHubs/artificialIntelligenceRobotics




Principales plataformas y redes europeas

Artificial Intelligence


Estrategia Española de I+D+i en Inteligencia Artificial

36

http://www.ciencia.gob.es/stfls/MICINN/Ciencia/Ficheros/Estrategia_Inteligencia_Artificial_IDI.pdf


Prioridades de la Estrategia Española de I+D+i en IA

37

Prioridad 1:

Estructura

Organizativa

Prioridad 2:

Áreas

Estratégicas

Prioridad 3:

Transferencia del

conocimiento

Prioridad 4:

Formación

en IA

Prioridad 5:

Ecosistema

Digital de datos

Prioridad 6:

Ética de la IA

IA para la

Sociedad

Administración

Pública

Educación

Ciudades y

territorios

inteligentes

Salud

IA para la

Economía

Industria

Conectada 4.0

Recursos Naturales,

energía y

medio ambiente

Seguridad

Turismo e Industrias

creativas y culturales

AI

Machine

Learning

Deep

Learning

Ontologías

Search

Procesamient

o del lenguaje

Visión

Computacional

Robótica

…. ….

Sistemas

Multiagentes

HCI

Sistemas de

recomendación


Prioridades de la Estrategia Española de I+D+i en IA

38

Prioridad 1:

Estructura

Organizativa

Prioridad 2:

Áreas

Estratégicas

Prioridad 3:

Transferencia del

conocimiento

Prioridad 4:

Formación

en IA

Prioridad 5:

Ecosistema

Digital de datos

Prioridad 6:

Ética de la IA

Colaboración Público Privada en ecosistemas tecnológicos

mixtos

Convocatorias de Compra Pública Innovadora dirigida a la IA

(ej. Plan Tecnologías del Lenguaje)

Coordinación de Red de nodos, Centros de Excelencia y

Digital Innovation Hubs

Herramientas de capacitación para obtener habilidades de IA

y certificaciones

Doctorados Industriales

Formación

Transversal y

Específica

Formación Contínua

MOOC

Infraestructura digital para almacenar y dar

acceso a los datos generados en proyectos

de I+D+i

Mejora del marco jurídico y estratégico

Incorporar datos privados y nuevos modelos

de uso.


La tecnología es neutra, su uso no lo es

39





https://www.accessnow.org/cms/assets/uploads/2018/08/The-Toronto-Declaration_ENG_08-2018.pdf

https://www.accessnow.org/cms/assets/uploads/2018/08/The-Toronto-Declaration_ENG_08-2018.pdf


Draft Document on Ethics from the EU

40

Human Centric Approach



Asilomar AI principles: Research

• Questions

• How can we make future AI systems

highly robust, so that they do what

we want without malfunctioning or

getting hacked?

• How can we grow our prosperity

through automation while maintaining

people’s resources and purpose?

• How can we update our legal

systems to be more fair and efficient,

to keep pace with AI, and to manage

the risks associated with AI?

• What set of values should AI be

aligned with, and what legal and

ethical status should it have?

•

41




Asilomar AI principles: Ethics and Values

1. Safety and secure throughout their

operational lifetime, and verifiably so where

applicable and feasible

2. Failure Transparency: If an AI system

causes harm, it should be possible to

ascertain why.

3. Judicial Transparency: Any involvement

by an autonomous system in judicial

decision-making should provide a

satisfactory explanation auditable by a

competent human authority.

4. Responsibility: Designers and builders of

advanced AI systems are stakeholders in

the moral implications of their use, misuse,

and actions, with a responsibility and

opportunity to shape those implications.

42



10. Value Alignment: Highly autonomous AI

systems should be designed so that their

goals and behaviors can be assured to align

with human values throughout their

operation.

11. Human Values: AI systems should be

designed and operated so as to be

compatible with ideals of human dignity,

rights, freedoms, and cultural diversity.

12. Personal Privacy: People should have the

right to access, manage and control the

data they generate, given AI systems’

power to analyze and utilize that data.

13. Liberty and Privacy: The application of AI

to personal data must not unreasonably

curtail people’s real or perceived liberty.

43



14. Shared Benefit: AI technologies should

benefit and empower as many people as

possible rather than remaining with only a

handful of people who developed them

15. Shared Prosperity: The economic

prosperity created by AI should be shared

broadly, to benefit all of humanity.

16. Human Control: Humans should choose

how and whether to delegate decisions to

AI systems, to accomplish human-chosen

objectives.

17. Non-subversion: The power conferred by

control of highly advanced AI systems

should respect and improve, rather than

subvert, the social and civic processes on

which the health of society depends.

18. AI Arms Race: An arms race in lethal

autonomous weapons should be avoided.44



19. Capability Caution: There being no consensus, we should

avoid strong assumptions regarding upper limits on future

AI capabilities.

20. Importance: Advanced AI could represent a profound

change in the history of life on Earth, and should be planned

for and managed with commensurate care and resources.

21. Risks: Risks posed by AI systems, especially catastrophic

or existential risks, must be subject to planning and

mitigation efforts commensurate with their expected impact.

22. Recursive Self-Improvement: AI systems designed to

recursively self-improve or self-replicate in a manner that

could lead to rapidly increasing quality or quantity must be

subject to strict safety and control measures.

23. Common Good: Superintelligence should only be

developed in the service of widely shared ethical ideals, and

for the benefit of all humanity rather than one state or

organization.

45


La tecnología es

neutra,

su uso no lo es

46

La importancia del impulso de

la investigación e

innovación en IAAsunción Gómez-Pérez

Ontology Engineering Group

@asungomezperez

ETS Ingenieros Informáticos

Universidad Politécnica de Madrid

Campus de Montegancedo sn,

28660 Boadilla del Monte, Madrid

http://www.oeg-upm.net

[email protected]

http://www.oeg-upm.net/

https://github.com/oeg-upm

@oeg-upm

La importancia del impulso de la investigación e ... · La importancia del impulso de la...

Documents

Transcript of La importancia del impulso de la investigación e ... · La importancia del impulso de la...