I <strong>Congreso</strong> <strong>Nacional</strong> <strong>de</strong> <strong>la</strong> <strong>Carne</strong>Madrid, 16 y 17 <strong>de</strong> febrero <strong>de</strong> 2001técnicas que buscan que <strong>la</strong>s máquinas aprendan (aprendizaje automático, AA ena<strong>de</strong><strong>la</strong>nte) es uno <strong>de</strong> los temas centrales <strong>de</strong> <strong>la</strong> IA. Uno <strong>de</strong> los precursores <strong>de</strong> <strong>la</strong> IA,A<strong>la</strong>n Turing (1950) proponía <strong>la</strong> construcción <strong>de</strong> una máquina niño. De esta forma,se p<strong>la</strong>nteaba una estrategia para conseguir que una computadora, dotada <strong>de</strong> unafuerte predisposición para apren<strong>de</strong>r, fuese capaz <strong>de</strong> <strong>de</strong>sarrol<strong>la</strong>r, por sí misma, unainteligencia y unos conocimientos como los <strong>de</strong> un humano adulto.Pero, ¿qué significa que una máquina aprenda?. Esencialmente lo mismo quecualquier otro agente aprenda: que sea capaz <strong>de</strong> realizar una tarea con más <strong>de</strong>strezaque antes <strong>de</strong>l periodo <strong>de</strong> aprendizaje o entrenamiento. No nos sorpren<strong>de</strong>cuando un animal apren<strong>de</strong> a hacer alguna pirueta o una <strong>la</strong>bor que nos resultaútil, pero nos resistimos a aceptar esa capacidad en <strong>la</strong>s máquinas.Des<strong>de</strong> un punto <strong>de</strong> vista quizás excesivamente abstracto, <strong>la</strong>s máquinas apren<strong>de</strong>n,cuando son capaces <strong>de</strong> memorizar un conjunto <strong>de</strong> instrucciones y luego <strong>la</strong>s siguenfielmente: los programas <strong>de</strong> nuestras computadoras tienen esta misión. Pero,en el AA no nos referimos a este tipo <strong>de</strong> aprendizaje en el que el esfuerzo intelectuallo realiza una persona: el programador. Estamos interesados en que sea<strong>la</strong> propia máquina quien se programe a sí misma. Luego, por supuesto, <strong>la</strong> máquinaseguirá los dictámenes <strong>de</strong> su programa y esto, esperamos que nos resulteútil, como cuando los animales apren<strong>de</strong>n. En otras pa<strong>la</strong>bras, los algoritmos <strong>de</strong>AA tratan <strong>de</strong> sintetizar conocimiento a partir <strong>de</strong> una fuente <strong>de</strong> información <strong>de</strong>sorganizada.Estos algoritmos producen pues programas capaces <strong>de</strong> llevar a cabotareas útiles para nosotros.El papel que juegan los algoritmos <strong>de</strong> AA es, en cierto sentido, el <strong>de</strong> transcribirun conocimiento no estructurado pero que resulta re<strong>la</strong>tivamente accesible, paraconvertirlo en un conjunto <strong>de</strong> instrucciones computables y, por tanto, en conocimientoorganizado. Des<strong>de</strong> otro punto <strong>de</strong> vista po<strong>de</strong>mos <strong>de</strong>cir que el AA trata <strong>de</strong> clonarel comportamiento para que sea reproducible por una computadora.Conviene diferenciar, <strong>de</strong>s<strong>de</strong> un punto <strong>de</strong> vista conceptual muy general, <strong>la</strong>s diferenciasentre <strong>la</strong>s técnicas que se presentan en este artículo y <strong>la</strong>s <strong>de</strong> Ingeniería <strong>de</strong>lConocimiento, en sentido amplio, que permiten construir sistemas basados en elconocimiento como es el caso <strong>de</strong> los l<strong>la</strong>mados Sistemas Expertos.Des<strong>de</strong> un punto <strong>de</strong> vista operativo, el AA nos permite construir sistemas basadosen el conocimiento a partir <strong>de</strong> indicaciones sobre qué tipo <strong>de</strong> respuestas esperamosfrente a un conjunto dado <strong>de</strong> entradas posibles. Por supuesto, se usará AAsiempre que se pueda disponer a una batería <strong>de</strong> muestras <strong>de</strong> entradas/salidasque formarán los conjuntos <strong>de</strong> entrenamiento y en el supuesto <strong>de</strong> que no conozcamosotra forma <strong>de</strong> construir directamente un sistema basado en el conocimiento.Estas son <strong>la</strong>s especificaciones que <strong>de</strong>be cumplir un problema para quesea abordado usando este tipo <strong>de</strong> técnicas. Obsérvese que en los Sistemas Expertos,por el contrario, se dispondría <strong>de</strong>l conocimiento obtenido directamente<strong>de</strong>l modo en que el experto nos <strong>de</strong>scribe su actividad.En este artículo abordaremos cómo se pue<strong>de</strong> p<strong>la</strong>ntear <strong>la</strong> calificación <strong>de</strong> canales<strong>de</strong> bovinos usando <strong>la</strong>s técnicas <strong>de</strong>l AA que, como veremos, incluyen otras cuestionesrelevantes <strong>de</strong> <strong>la</strong> IA como es <strong>la</strong> representación <strong>de</strong>l conocimiento. Para ilustrarlos pasos a seguir con <strong>la</strong>s canales <strong>de</strong> bovinos, veremos los métodos y resul-96
I <strong>Congreso</strong> <strong>Nacional</strong> <strong>de</strong> <strong>la</strong> <strong>Carne</strong>tados obtenidos por nuestro grupo en <strong>la</strong> calificación morfológica <strong>de</strong> estos mismosanimales en vivo (López et al. 2000; Goyache et al., 2000). El artículo finalizarácon unas conclusiones y <strong>la</strong> <strong>de</strong>scripción <strong>de</strong> <strong>la</strong>s líneas <strong>de</strong> investigación futuras quevemos en este campo.Distintos tipos <strong>de</strong> algoritmos<strong>de</strong> Aprendizaje AutomáticoExisten muchos tipos <strong>de</strong> algoritmos o funciones <strong>de</strong> aprendizaje. Una c<strong>la</strong>sificaciónhabitual es <strong>la</strong> que distingue los posibles modos en que se pue<strong>de</strong>n dar los conjuntos<strong>de</strong> entrenamiento y <strong>la</strong>s propias funciones <strong>de</strong> predicción. En este artículoseguiremos el p<strong>la</strong>nteamiento más usual. Los conjuntos <strong>de</strong> entrenamiento serán conjuntos<strong>de</strong> ejemplos <strong>de</strong> acciones sabias que en el pasado fueron ejecutadas porexpertos y que recopi<strong>la</strong>mos en los l<strong>la</strong>mados conjuntos <strong>de</strong> entrenamiento. Cadauno <strong>de</strong> estos ejemplos está <strong>de</strong>scrito por un conjunto <strong>de</strong> atributos con uno singu<strong>la</strong>rl<strong>la</strong>mado c<strong>la</strong>se <strong>de</strong>l ejemplo. Los atributos son <strong>la</strong>s propieda<strong>de</strong>s que en cadaejemplo tendrán un valor y que, <strong>de</strong> esta forma, <strong>de</strong>fine un ejemplo concreto <strong>de</strong> actuación.Continuando con el p<strong>la</strong>nteamiento habitual <strong>de</strong>l AA, lo que <strong>de</strong>vuelven los algoritmos<strong>de</strong> aprendizaje son otros algoritmos o funciones computables, en general,conocimiento capaz <strong>de</strong> pre<strong>de</strong>cir <strong>la</strong> c<strong>la</strong>se <strong>de</strong> casos (ejemplos en los que no conocemossu c<strong>la</strong>se) que no habían sido vistos durante el periodo <strong>de</strong> entrenamiento.Este punto <strong>de</strong> vista es el que se recoge en <strong>la</strong> figura 1.Conceptualmente, los algoritmos <strong>de</strong> AA hacen el mismo papel que los métodos<strong>de</strong> regresión que a partir <strong>de</strong> una muestra (así se l<strong>la</strong>man en este contexto los conjuntos<strong>de</strong> entrenamiento) sintetizan una función (a menudo lineal) que nos estimaráel valor <strong>de</strong> <strong>la</strong> variable que queremos pre<strong>de</strong>cir (<strong>la</strong> c<strong>la</strong>se) en función <strong>de</strong> <strong>la</strong>s <strong>de</strong>más (losatributos que <strong>de</strong>finen los ejemplos). Sin embargo, el AA va más allá pues el aba-Figura 1.- El papel <strong>de</strong> los algoritmos <strong>de</strong> Aprendizaje Automático en <strong>la</strong> gestión <strong>de</strong>l conocimiento.97