Una estudiante del Doctorado en Inteligencia Artificial de la Universidad Veracruzana logró desarrollar un modelo que mezcla la psicología cognitiva con algoritmos de inteligencia artificial (IA). El objetivo de este trabajo es mejorar la capacidad de las redes bayesianas para identificar correctamente las relaciones de causa y efecto de manera artificial.
Jenny Betsabé Vásquez Aguirre, integrante del Instituto de Investigaciones en Inteligencia Artificial (IIIA), explicó que su proyecto busca resolver la dificultad de los algoritmos para distinguir la dirección de la causalidad. Durante su maestría, la investigadora detectó que los sistemas no siempre lograban diferenciar qué evento provocaba al otro, presentando resultados invertidos que no podían ser cuantificados.
Soluciones a problemas éticos y de tiempo en la ciencia
Al notar que la tecnología fallaba en este punto, Vásquez Aguirre decidió recurrir a las herramientas de la psicología cognitiva para probar la causalidad. Con este método, se busca simular escenarios que, por razones éticas o de tiempo, no podrían realizarse mediante experimentos directos.
«Por ejemplo, si tenemos que probar que fumar causa cáncer: en primer lugar, es muy tardado para poder tener muchos datos, y en segundo lugar, no sería ético tener un control para inducir a fumar para ver si causa cáncer; entonces, eso es lo que tratamos de evitar y de alguna manera poder simular y cuantificar en qué medida».
La estudiante detalló que sobre las redes bayesianas:
«es básicamente tratar de provocar que algo suceda para ver cuál es el efecto que tiene sobre otra cosa, es decir, lo que se trata de hacer aquí es simular y hacer que algo ocurra a partir de otra cosa».
Aplicaciones en salud y datos reales
El modelo desarrollado ya ha sido probado con información real, obteniendo resultados en el análisis de datos sobre el COVID-19 y en estudios que exploran los factores de riesgo de suicidio en estudiantes durante el periodo de la pandemia. La investigadora señaló que esta tecnología tiene un potencial enorme para el sector salud, donde los estudios experimentales suelen ser lentos o cuentan con muestras limitadas.
Finalmente, la universitaria hizo un llamado a los estudiantes y apasionados de la ciencia de datos para que se involucren en el aprendizaje de la IA mediante conferencias y pláticas, con el fin de comprender su funcionamiento y utilizarla de forma responsable.
