Inteligencia Artificial + conocimiento humano: lo mejor de ambos mundos

Por MICHAEL DEFOIN-PLATEL

La Inteligencia artificial (IA) ha contribuido decisivamente a dar sentido a la creciente cantidad de datos que recopilamos y almacenamos cada día.

En concreto, el desarrollo de una técnica de aprendizaje automático denominada aprendizaje profundo ha revolucionado todo tipo de ámbitos, desde juegos como el ajedrez y el Go hasta las habilidades humanas del procesamiento del lenguaje natural y el reconocimiento del habla y las imágenes.

No es de extrañar que el sector de las líneas aéreas, como muchos otros, haya recurrido a ello para cribar sus montones de datos y ayudar a modelar las elecciones de los clientes, la demanda de viajes y la disposición a pagar.

La combinación perfecta

Pero el aprendizaje profundo por sí solo, como todas las tecnologías, tiene sus limitaciones. Por un lado, las conclusiones a las que llega la Inteligencia Artificial sólo son tan buenas como los datos que utiliza, y acceder a grandes cantidades de datos precisos y curados suele ser difícil, caro o poco práctico. En segundo lugar, las redes neuronales que hacen posible el aprendizaje profundo requieren grandes cantidades de hardware y energía para entrenarse.

Además, existe una debilidad inherente a los modelos de aprendizaje profundo: dado que los sistemas de IA se entrenan a sí mismos a lo largo del tiempo, las decisiones a las que llegan pueden ser opacas.

Esto hace que los modelos de aprendizaje profundo sean inadecuados para industrias muy reguladas, donde la transparencia y la responsabilidad del proceso de toma de decisiones son de suma importancia.

Para hacer frente a estas limitaciones, los investigadores de IA se centran ahora en el desarrollo de sistemas conscientes del conocimiento (KAAI) que pueden reducir significativamente la cantidad de datos necesarios, aumentar la fiabilidad y construir sistemas de aprendizaje automático más transparentes.

Por ejemplo, el software para una empresa financiera tendrá un aspecto drásticamente distinto del software para una empresa farmacéutica o para una compañía aérea. Al integrar el "conocimiento del dominio" o el conocimiento de expertos humanos en la materia, con modelos de aprendizaje automático, podemos diseñar modelos de aprendizaje profundo más refinados.

Beneficios para las aerolíneas

En Amadeus, contamos con un sólido historial en la creación de modelos de conocimiento de dominio para el sector de las aerolíneas, especialmente cuando se trata de modelar la elección del cliente, predecir la demanda de viajes o la disposición del viajero a pagar por diferentes ofertas.

Más recientemente, hemos desarrollado una reconocida experiencia en tecnologías modernas de IA, como el aprendizaje profundo, los sistemas de recomendación, el aprendizaje por refuerzo o las redes generativas adversariales. Por eso, estamos en muy buena posición para explorar el aprendizaje automático híbrido, cuyo objetivo es combinar la eficiencia de los modelos de conocimiento de dominio humano con la flexibilidad de los enfoques de aprendizaje automático basados en datos puros. Con este enfoque híbrido, podemos obtener lo mejor de ambos mundos.

Para ir más allá, actualmente estamos trabajando en un modelo híbrido para la optimización de precios en Amadeus Airlines Revenue Management que combina el conocimiento del dominio y el aprendizaje automático.

Esto es solo el principio, gracias a la riqueza de datos y a nuestra experiencia en aerolíneas, podemos llegar a la luna.