Científicos de la Universidad de Stanford han desarrollado un sistema de Inteligencia Artificial que permite a helicópteros robóticos aprender unos de otros a volar y realizar complicadas maniobras aéreas. El resultado de este sistema, son una serie de helicópteros autónomos que realizan complejos shows aéreos para el deleite del público.

El sistema inteligente desarrollado por la gente de Stanford aprende cómo volar mediante la observación del vuelo de helicópteros dirigidos por expertos pilotos de aeromodelismo. Mediante esta observación, el robot-helicóptero es capaz de aprender a volar mejor que muchos otros helicópteros autónomos o dirigidos por expertos, siendo capaz de hacer maniobras arriesgadas como loops y multitud de piruetas.

Para los científicos, un helicóptero en vuelo es un sistema inestable que requiere entradas constantes para no caerse al suelo. Desde este punto de vista, el software para control de estas máquinas voladoras suele presentar retos interesantes ya que, tal y como comenta Oku, el piloto que colabora con el equipo de Stanford, "el helicóptero no quiere volar, parece estar esperando el momento de estrellarse". Todo esto muestra la complejidad de desarrollar un sistema que, no solo sea capaz de mantener en vuelo un helicóptero, si no que sea capaz de aprender de la mera observación.

Desde un punto de vista técnico, el helicóptero está equipado de acelerómetros, giroscopios y magnetómetros, así como sensores de posición, dirección, orientación, velocidad, etc. Todos estos sensores permiten obtener todas las variables necesarias para que el sistema inteligente sea capaz de responder a su entorno.


[Fuente original en inglés: Stanford News Service]
[Traducción y adaptación: José Carlos Cortizo]

Picasa es un programa realizado por la gente de Google que permite gestionar, organizar, editar y compartir nuestras fotografías. Hace un par de años, Google adquirió NevenVision, una empresa especialista en análisis y reconocimiento biométrico de imágenes, siendo ahora cuándo empiezan a verse los frutos de esta adquisición incorporando la funcionalidad de reconocimiento facial en Picasa.

La nueva funcionalidad de Picasa pretende traer el reconocimiento facial a los usuarios de una forma muy simple. Picasa será capaz de reconocer las partes de las fotografías en las que hay alguna cara, mostrárnoslas y pedir que las etiquetemos. A partir de una o varias fotos etiquetadas, procesará toda nuestra colección de fotografías y nos señalará cuáles de las fotografías considera que contienen a la misma persona. Este proceso tan simple puede ser de gran utilidad para gestionar las cada vez mayores bibliotecas fotográficas y multimedia que gestionamos.

El reconocimiento facial es una de estas tecnologías que llevan años pareciendo estar completamente desarrolladas pero sin llegar al público general y sin acabar de producir beneficios en la Sociedad. A pesar que, muy seguramente, la implementación de esta tecnología en Picasa presente sus carencias, es un paso que demuestra que es una tecnología que está llegando a su madurez y que podremos explotar en multitud de aplicaciones. Quizás hasta Google se plantee ofrecernos un API para "juguetear" con estas funcionalidades, lo cuál sería más que interesante para hacer "mash-ups" con esta tecnología.

Caterina Fake es la cofundadora de Flickr, la comunidad online de compartición de fotografías más utilizada del mundo y que, desde hace unos años, pertenece a Yahoo!. Recientemente, Caterina anunció su entrada en el consejo de dirección de Creative Commons, dónde pretende aportar toda su experiencia tanto como artista como en la distribución digital de contenidos.

En 2004 Caterina Fake cofundó, junto a Stewart Butterfield, Flickr, una especie de red social para amantes de la fotografía, que ha tenido un éxito arrollador en este tiempo. Debido a su rápido crecimiento, Flickr despertó mucho interés por parte de los "grandes" de Internet, hasta el punto de ser adquirido en 2005 por parte de Yahoo!. Si bien, en un principio, los usuarios de Flickr tuvieron cierto miedo por los posibles cambios que podría haber impuesto Yahoo! al servicio, éstos se mantuvieron muy respetuosos con el éxito de Flickr y mantuvieron su espíruto. En Junio de 2008, tanto Stewart como Caterina, anunciaron su marcha de Flickr y de Yahoo!, sin dar muchos más detalles acerca de su futuro profesional.

Además de emprendedora y una de las personalidades de referencia de la Web 2.0, Caterina es escritora y artista, habiendo sido directora de arte en Salon.com, de forma previa a la creación de Flickr. Así mismo, durante su etapa en Yahoo!, Caterina ayudó al desarrollo de otros productos sociales de la empresa, y creó Brickhouse, un entorno de desarrollo rápido para nuevos productos. A su salida de Yahoo!, Caterina se unió como CEO en la startup Hunch, una red social para consumidores que todavía está en desarrollo.

Con toda experiencia acumulada, Fake se une al consejo de dirección de Cretive Commons, que incluye a expertos en cyberderecho y propiedad intelectual como James Boyle, Michael Carrol, Lawrence Lessi, Eric Saltzman y Molly Shaffer, así como Jimmy Wales (fundador de la Wikipedia), Esther Wojcicki (innovadora educativa), Davis Guggenheim (cineasta), Laurie Racine (fundador de Public Knowledge) y Hal Abelson (profesor de ciencias de la computación en el MIT).

El campo de la Vida Artificial resulta de gran interés para muchas áreas dentro de los Sistemas Inteligentes. Por si mismo, está el atractivo de "crear vida" y, por otra parte, esta vida artificial permite establecer desarrollos equivalentes en el campo del Aprendizaje, Robótica, sistemas cognitivos, etc. Un equipo de investigadores y escoceses ha desarrollado una serie de criaturas artificiales capaces de aprender a moverse mediante "ensayo y error", lo cuál las convierte en las primeras "criaturas" de vida artificial autónomas.

El profesor Ralf Der, del Instituto Max Planck de Matemáticas en las Ciencias, junto con un equipo de la Escuela de Informática de la Universidad de Edimburgo, ha creado un software capaz de simular el comportamiento de seres, similares a humanos y animales, a los que no se le dan instrucciones de cómo tienen que moverse. Estos seres no conocen nada de su entorno virtual y han de ser capaces de aprender y adaptarse de forma autónoma.

Cada "cerebro artificial" está creado con una red neuronal controlada por un proceso de autoregulación. Este principio de autoregulación conduce el comportamiento de las criaturas hacia el comportamiento final de dos maneras. "Por un lado, las acciones deben ser más sensibles a los valores actuales de los sensores", expica el profesor Der. Esto provoca una especie de "efecto mariposa", comenta Der, refiriéndose a cómo este efecto captura la esencia del caos: una mariposa moviendo sus alas en Londres puede, en principio, causa un huracán en las Filipinas porque el Sistema (en este caso la atmósfera terrestre), es tan "sensible" que si existe la más mínima incertidumbre sobre las medidas actuales de las condiciones meteorológicas, entonces el tiempo de dentro de unos días es impredecible.

Como si se tratara de un bebé recién nadico, "no sabe de nada, pero trata de realizar movimientos que son naturales para su cuerpo. Después de una hora y media, se mueve y salta sin problemas", comenta el profesor Der. En los vídeos que acompañan esta noticia, un perro simulado aprende a saltar sobre una verja, una serpiente aprende a moverse y un humanoide aprende a ponerse de pie.

Finalmente, el profesor Der puntualiza que "nos centramos en la auto-organización del comportamiento de los robots desde 0, para que podamos conseguir un robot capaz de adaptarse a cualquier situación".


[Fuente original: Telegraph]
[Traducción: José Carlos Cortizo Pérez]

El juego del Go ha sido considerado durante años como un reto extremadamente difícil para la Inteligencia Artificial, situándose a un nivel de complejidad muy por encima del Ajedrez. El 7 de Agosto de 2008, el programa Mogo, que funciona sobre una supercomputadora, fue capaz de batir al jugador de Go profesional Myungwan Kim, en un tablero de 19x19, noticia que se ha convertido en un logro histórico para la Inteligencia Artificial.

Si bien ya hace años que las computadoras pueden jugar al Ajedrez al nivel de los profesionales, el Go se ha mostrado como un reto más duro y complejo debido a varias diferencias claves con respecto al Ajedrez:

• El tablero es demasiado largo (19x19, con 361 intersecciones), lo cuál genera una explosión combinatoria imposible de manejar, ni con la mejor de las heurísticas. De hecho, en tableros simples de 5x5, ya se consiguió resolver este juego en el año 2002.
• Las piezas tienen más grados de libertad que las del Ajedrez, ya que los movimientos del Go no se limitan por las regla del juego.
• Si bien en el Ajedrez, a medida que avanza la partida se van eliminando piezas y, con ello, cortándose la explosión combinatoria de movimientos, en el Go se van añadiendo posibilidades según avanza la partida.
• Las técnicas utilizadas en el Ajedrez computacional no son transladables al Go. Como ejemplo, si bien en el Ajedrez se puede utilizar un simple conteo de las piezas como un punto de apoyo en las exploraciones de su árbol de búsqueda, en el Go un simple conteo no sirve de nada, ya que las posiciones dependen más de los grupos que hay formados, de las conexiones entre piezas, etc.
• Otras diferencias importantes son los problemas para generar una función de evaluación o la no existencia de tablas de finales de juego.
  

Toda esta complejidad, ha permitido evolucionar un campo dentro de la Inteligencia Artificial, el denominado "Go computacional", que se encarga de desarrollar técnicas y programas capaces de jugar al Go como si fueran expertos humanos.

Si bien hasta la fecha ningún programa había sido capaz de derrotar a ningún jugador de Go profesional en un tablero estándar (19x19), el pasado 7 de Agosto, el programa MoGo (que funciona sobre una máquina con 800 procesadores a 4.7Ghz, con una potencia total de 15 Teraflops) derrotó a Myungwan Kim, quién dijo del programa: "ha jugado realmente bien, con una potencia de entre 2 y 3 dan, aunque ha realizado movimientos propios de un jugador 5 dan". Esta noticia marca un hito en el campo del Go Computacional y supone un interesante avance en el campo de la Inteligencia Artificial.


[José Carlos Cortizo Pérez]

Michael Wesch dió esta presentación en la Librería del Congreso de los EEUU el 23 de Junio de 2008. En esta presentación, Michael muestra una visión antropológica de Youtube, un punto de intersección entre la investigación científica tradicional y el nuevo paisaje provocado por los nuevos medios.

Wall-E es la última, y esperadísima, película de Pixar. Trata sobre Wall-E, un pequeño robot "basurero", encargado de recoger, compactar y agrupar toda la basura que encuentre. Wall-E es una verdadera joya del cine, una película con un argumento más que aceptable, una puesta en escena fabulosa y una historia de Ciencia Ficción que no tiene mucho que envidiar a otras películas no animadas. Pero, sobre todo, Wall-E es una película que trata sobre un robot con sentimientos, un robot capaz de tomar sus propias decisiones motivadas por sus sentimientos, incluso si esto le obliga a desobeceder sus instrucciones.

Ya de por si, el personaje principal, Wall-E, muestra algo que muchos investiadores en el campo de los Sistemas Inteligentes querrían conseguir. Un robot con sentimientos, capaz de darle un valor sentimental a determinados objetos, capaz de sentir nostalgia y soledad y, sobre todo, capaz de enamorarse, cuidar a su enamorada y darlo todo por ella. Si existiera en la realidad, Wall-E sería todo un portento de la robótica.

Más allá del personaje de Wall-E y de su relación con Eva, la película plantea un interesante futuro en el que los robots y computadores han alcanzado un nivel de "inteligencia" tal que controlan a la propia sociedad humana. Siguen en cierta medida al servicio de los humanos, pero en algunos casos ese estar al servicio de éstos, les lleva a decidir por ellos por lo que consideran "su propio bien". Esta última parte, es una clara alusión de la película al HAL 9000 de "2001: Odisea del Espacio", una de las múltiples referencias que aparecen en Wall-E a clásicos, tanto de la ciencia ficción como del cine en general.

¿Llegaremos algún día al punto en el que las computadoras sobrepasen el nivel de inteligencia de los humanos? ¿Llegarán a ser cuasi-humanas, desarrollando sentimientos propios de los seres vivos? Son 2 grandes preguntas que se llevan haciendo del campo de la Inteligencia Artificial durante años. Personalmente, no me cabe duda que algún día rozaremos ese punto pues, aunque nos quede mucho camino por recorrer, todavía estamos "en pañales" en estos campos que llevan poco más de 50 años existiendo.

En definitiva, Wall-E es una película digna de ver, camino a convertirse en un clásico de la animación y, además, una preciosa película sobre robots y sus interacciones con los humanos.


[José Carlos Cortizo Pérez]

Sin entrar a valorar lo más o menos útiles que puedan parecer algunas, las Redes Sociales y los medios colaborativos están transformando el panorama actual de Internet. Además, las Redes Sociales ofrecen nuevas alternativas de desarrollo, tanto desde el punto de vista empresarial como el científico y, en concreto, en el ámbito de los Sistemas Inteligentes, se pueden ver como un nuevo mercado dónde aplicar técnicas tradicionales para mejorar algunos procesos y para el cuál merece la pena investigar y desarrollar tecnologías específicas que mejoren tanto la experiencia del usuario como la recomendación y filtrado de contenidos y la generación de publicidad personalizada.

Facebook, Tuenti, MySpace, Bebo, Flixter, Hi5, LinkedIn, Mixi, Netlog, Orkut, Windows Live Spaces, XING, ... ¿Qué tienen en común todos estos nombres? Son nombres de Redes Sociales muy conocidas y extendidas, contando cada una de ellas con decenas o centenas de millones de usuarios. Una Red Social es una comunidad online (un sitio web) de usuarios que comparten intereses comunes e interactúan entre ellos compartiendo contenidos, enviándose mensajes de varios tipos (correos, comentarios a fotografías y otros contenidos), descubriendo nuevos amigos, etc. Si bien las Redes Sociales, tal y como las conocemos ahora mismo, son una "invención" relativamente moderna, el concepto que se encuentra detrás de las mismas lleva perviviendo en Internet desde prácticamente sus inicios. Usenet, LISTSERV y las BBS (Bulletin Board Services) fueron formas precoces de interacción entre usuarios en la red que ya trataban de solventar unas obvias necesidades de interacción y compartición de contenidos entre los usuarios. El siguiente vídeo es una adaptación al castellano de "Social Network in plain English", que explica a los "profanos" de las Redes Sociales lo que son y lo que se puede esperar de las mismas.

FlickrBabel es un servicio de ayuda a la búsqueda de fotografías en Flickr. El funcionamiento y utilidad de esta herramienta es muy simple. Al introducir una consulta en un idioma determinado, genera traducciones (con el API de Google Translation) a otros idiomas (por ahora solo soporta castellano e inglés) y crea una consulta expandida con estas traducciones. Finalmente realiza la consulta mediante el API de Flickr y muestra los resultados por pantalla.

Wipley.com pretende convertirse en una red social para videojugadores altamente configurable y usable, una especie de Facebook reorientado a un mercado vertical con mucho tirón, como es el mundo de los videojuegos.

Wipley es un proyecto en el que varios de los miembros del GSI-UEM (Francisco Carrero, Borja Monsalve y José Carlos Cortizo) que gestionamos este weblog estamos involucrados desde hace unos pocos meses. Este proyecto aúna varios temas que nos apasionan y en los que creemos que tenemos bastante que decir: videojuegos, redes sociales y sistemas inteligentes de acceso a la información.

¿Y qué es esto de WiPley? WiPley pretende convertirse en una especie de FaceBook para videojugadores. Una Red Social áltamente configurable y usable, que permita a los videojugadores tener toda la información sobre sus juegos, personajes, grupos, clanes, etc. unificada en un único sitio. Por otra parte, WiPley no será una red social al uso, incorporará algunas tecnologías para mejorar su usabilidad, el acceso a la información e interoperabilidad y también tendrá algunas funcionalidades más allá de las que cabe esperar en una mera red social.

Por ahora estamos "en pañales", trabajando mucho en los primeros prototipos y en el plan de negocio. Por ahora hemos creado una web muy simple, donde apenas mostramos nuestra imagen corporativa, y un blog que nos permita informar acerca de todos nuestros pasos y que también utilizaremos a modo de herramienta colaborativa para recabar vuestras opiniones y comentarios al respecto de todo lo que vayamos haciendo.


[El equipo de Wipley]

BOSS es una apuesta extrema por parte de Yahoo! para cambiar radicalmente el mercado de los buscadores. BOSS (Build your Own Search Service) es la plataforma abierta de búsqueda web de Yahoo!. El objetivo de BOSS es simple: promover la innovación en la industria de los buscadores.

Yahoo! tiene claro que, siendo el segundo (y a mucha distancia del primero, Google) en el mercado de los buscadores web, debe innovar y revolucionar el mercado como sea. Así pues, ha adoptado una estrategia abierta con la intención de movilizar a los desarrolladores a construir nuevos buscadores sobre su tecnología y, entonces, mostrar sus anuncios en un mayor volumen de búsquedas.

Esta revolucionaria apuesta se llama BOSS (Build your Own Search Service), una plataforma tecnológica que nos permite construir nuestros propios buscadores encima de su tecnología. Por ahora, tanto Hakia como Me.dium, Daylife o Cluuz, se han apuntado a utilizar la tecnología de Yahoo!, tanto como suplemento a su propia tecnología de búsqueda (en el caso de Hakia), como utilizándola como total sustituto de las anteriores tecnologías.

BOSS permite a los desarrolladores enviar consultas parametrizadas mediante un API mediante XML o JSON. Con este API podremos recuperar hasta 50 webs, imágenes, noticias o correcciones de palabras. Yahoo! ha establecido una política clara mediante la cual los desarrolladores están obliogados a mostrar sus anuncios o bien cerca de los resultados o bien entremezclados con los mismos.



El API de BOSS puede ser utilizado directamente o vía un framework "mashup" que permite simplificar el proceso de juntar la información proveniente de BOSS con información propia o proveniente de otras fuentes, mediante la utilización de formatos como XML, JSON, RSS o RDF.

En comparación con la anterior API de búsquedas de Yahoo!, BOSS sale gananado en todos los aspectos. La restricción de 5000 consultas al día ha sido eliminada por completo y ahora no existe un límite, no existen restricciones en la presentación de datos, se permiten reordenar como se quieran, no obligan a decir que se utiliza la tecnología de Yahoo! y parece que, en breve, permetirán sacar partido económico de los resultados.


Más información:

• Artículo en TechCrunch
• Artículo en Maestros del Web
• API de BOSS en Yahoo!

[José Carlos Cortizo Pérez]

El objetivo del aprendizaje por refuerzo es usar el premio-castigo para aprender una función, la cual permitirá tomar decisiones en el futuro de qué acción tomar a partir de una percepción del entorno. La función de agente utiliza la información contenida en él para  realizar la toma de decisiones. De ahí el nombre de Aprendizaje por Refuerzo. Existen, no obstante, otros formalismos para aprender, mediante refuerzo, qué acción realizar en cada caso, como por ejemplo las Redes Neuronales.

Este método de aprendizaje surge de una rama de estudios de psicología experimental, que pueden remontarse a las experiencias de Pavlov con el refuerzo condicionado, y por otro lado es heredero de los métodos de control óptimo que se originan a partir de los trabajos de Bellman. Dicho de forma breve, el aprendizaje por refuerzo es el problema de conseguir que un agente actúe en un entorno de manera que maximice la recompensa que obtiene por sus acciones. Este tipo de aprendizaje se encuadra en los denominados Aprendizaje supervisado

La señal de refuerzo puede ser inmediata o retardada. Inmediata es cuando se obtiene una crítica para cada acción efectuada justo después de su realización. La información aportada por el refuerzo en este caso es local a cada acción tomada. Por el contrario, en el caso del refuerzo retardado se dará cuando éste no se obtiene inmediatamente después de la realización de cada acción, sino al completar la secuencia de acciones empleadas para resolver el problema. En este caso, el refuerzo obtenido es una estimación global del comportamiento.

Una condición para poder aplicar el aprendizaje por refuerzo es que éste sea modelizable mediante cadenas de Markov: la acción a escoger en una situación dada depende únicamente de esta situación y no del camino que se ha realizado para llegar a ella. Definimos al agente como el aprendiz encargado de observar su entorno para recoger información que le permita modificar su comportamiento para así aprender a resolver un determinado problema. Como dijimos anteriormente, el objetivo del aprendizaje por refuerzo es la utilización de las recompensas para la obtención de una función de agente. Por tanto nuestro agente será una función que, recibiendo como entrada una percepción del entorno, devolverá la acción siguiente a realizar.

Cualquier persona que se haya visto envuelta en la organización de una conferencia conoce que es imposible predecir todo lo que va a pasar y tenerlo todo bajo control. Sin embargo, celebrar una conferencia científica en Azeroth, un universo online habitado por millones de jugadores del World of Warcraft, es algo que sobrepasa cualquier espectativa de posibles imprevistos e incidentes.

La idea de hacer esta conferencia dentro del popular juego online WoW (World of Warcraft) surgió en una conversación entre John Bohannon y Bill Brainbridge, sociólogo y director de programa en la U.S. National Science Foundation. En este conversación, Bohannon le pedía a Brainbridge un artículo escrito para Science acerca de la utilización de mundos virtuales como laboratorios naturales para la investigación científica. Brainbridge, un hombre de 67 años, mencionó a Bohannon que él había estado más de 2100 horas conectado al WoW realizando investigaciones etnográficas en Azeroth. "Tengo 18 personajes, 2 de ellos en nivel 70 (el máximo nivel al que puede llegar un jugador en el WoW). Y tengo 2 cuentas, para poder jugar con varios personajes a la vez" explicó Brainbridge.

"¿Por qué no organizar una conferencia científica dentro de Azeroth?", dijo Bohannon. "¿Qué mejor lugar para un encuentro acerca de investigación en juegos online que el propio juego?". A partir de este momento, contactaron con otros investigadores que tenían investigaciones activas en Azeroth y otros mundos virtuales similares, que pasarían a ser parte del comité científico, y en menos de 2 meses habían organizado la conferencia.

Había pros y contras para organizar una conferencia en un sitio como Azeroth. Como ventajas, la gente podía tomar parte de la conferencia desde cualquier parte del mundo sin dejar su propia casa. Pero, a partir de correos enviados por varios científicos, surgieron varios problemas prácticos. Para empezar, muchos de los participantes no eran jugadores expertos de este juego, por lo que podrían tener problemas para encontrar las localizaciones dónde se realizaban las distintas tareas de la conferencia. Por otra parte, estaba el tema de la financiación. La economía de Azeroth se basa en oro (virtual) y, aunque no cuesta dinero "real", si que es necesario tiempo para lograr conseguir ese oro. Por suerte, los personajes de nivel 70 de los organizadores son el equivalente de los multimillonarios en el mundo real, así que con sus contribuciones se obtuvo una financiación de primera línea para una conferencia científica.

Otro de los problemas era la comunicación. Si bien dentro del WoW y con apoyo de algunos servicios de VoIP, se puede conseguir un canal de comunicación mediante voz, ni la infraestructura del juego ni la de estos servicios es capaz de lidiar con una multitud hablando entre si, regulando los volúmenes para focalizar la atención en la persona adecuada en cada momento. La otra opción era utilizar el chat, que tiene el problema asociado de ser más lento, sobre todo contando con participantes no demasiado ávidos en la utilización de teclados. Finalmente, la organización decidió utilizar el chat, a pesar de sus inconvenientes, por ser la opción más viable y por dejar un registro por escrito de todo lo acontecido en la conferencia.

Con unos 128 participantes, la conferencia fue todo un éxito, con interesantes charlas y discusiones acerca de la utilización de los mundos virtuales en investigación (la web de la conferencia da más detalles acerca de las charlas y presentaciones), así como permitió profundizar en la utilización de estos mundos virtuales como verdaderas herramientas de apoyo al investigador. Por desgracia, llegando al final de la conferencia, algunos jugadores de la Alianza se dieron cuenta de que un grupo de Hordas estaban organizando la conferencia y fueron a por ellos. Después de una hora y media, todos los personajes de los asistentes a la conferencia yacían muertos en el cesped. Todo sea por la ciencia ;-)


Más información:

• Anuncio de la conferencia en la revista Science
• Web de la conferencia
• Artículo de John Bohannon sobre la conferencia, publicado en Science

[Artículo original en inglés]
[Síntesis y traducción por José Carlos Cortizo]

Usama Fayyad es el actual CDO (Chief Data Officer) y vice presidente ejecutivo de investigación y soluciones de datos estratégicas en Yahoo! Después de más de 4 años trabajando en esta compañía, el pasado 12 de Junio, Usama decidió anunciar su dimisión del cargo, que se hará efectiva en Septiembre de este año, uniéndose a un buen grupo de altos ejecutivos de Yahoo! que se están "escapando" de la compañía en este periodo tan agitado para la misma.

Tom Mitchell es una de las personalidades clave dentro del campo del Aprendizaje Automático. Tom ha trabajado en este área desde finales de los 70, publicando algunos de los libros de texto de referencia sobre Aprendizaje Automático y, sobre todo, es el director del primer departamento de Aprendizaje Automático del mundo.

En 2006, mientras estaba tratando de conseguir la creación del departamento de Aprendizaje Automático dentro de la Universidad Carnegie Mellon, le dijeron que "solo las disciplinas que perduren más de 100 años podrán optar a tener un departamento asociado a las mismas". Para conseguir convencer al consejo de su Universidad de que el Aprendizaje Automático perduraría 100 años, y muchos más, Tom escribió un white-paper titulado "The Discipline of Machine Learning" ("La disciplina del Aprendizaje Automático"), que es un artículo realmente recomendado para todos aquellos interesados en este campo del conocimiento. El abstract del artículo es el siguiente:

Over the past 50 years the study of Machine Learning has grown from the efforts of a handful of computer engineers exploring whether computers could learn to play games, and a field of Statistics that largely ignored computational considerations, to a broad discipline that has produced fundamental statistical-computational theories of learning processes, has designed learning algorithms that are routinely used in commercial systems for speech recognition, computer vision, and a variety of other tasks, and has spun off an industry in data mining to discover hidden regularities in the growing volumes of online data. This document provides a brief and personal view of the discipline that has emerged as Machine Learning, the fundamental questions it addresses, its relationship to other sciences and society, and where it might be headed.

Tom también ha impartido un discurso sobre esta misma temática dentro de la Escuela de Ciencias de la Computación de la CMU, en Marzo de 2007.


[José Carlos Cortizo Pérez]