DARPA lanza KAIROS: IA para predecir eventos globales vinculando miles de millones de señales digitales

DARPA quiere descubrir eventos complejos en el mundo digital.

Su plan: crear un sistema semi-automatizado que detecte y establezca correlaciones entre miles de millones de eventos que ocurren actualmente en todo el mundo.

KAIROS: Una IA basada en esquemas

Este nuevo programa busca construir un sistema de aprendizaje automático que analice grandes cantidades de datos representando eventos diarios y encuentre hilos de conexión.

Numerosos eventos no ocurren en secuencia, sino que involucran fenómenos complejos compuestos por varios componentes subsidiarios. El volumen creciente de datos no estructurados hace esta tarea aún más desafiante para herramientas existentes.

Por eso el programa usará "esquemas" para encontrar conexiones entre información. Conceptualizados en los 1920s, un esquema es una unidad de conocimiento donde los eventos se organizan en estructuras narrativas comúnmente recurrentes.

Por ejemplo, la gente va a tiendas a comprar algo. Este evento involucra un esquema de transacción de compra definido por roles (vendedor, comprador), conjunto de acciones (producto, pago) y restricciones temporales (pagable con tarjeta si importe > 100$).

Referencia: KAIROS | DARPA

Para construir comprensión accionable de eventos reales complejos y predecir con precisión cómo se desarrollarán, la IA basada en esquemas permite razonamiento temporal y contextual de estos eventos. En términos simples, genera narrativas amplias de todo lo que ocurre a nuestro alrededor.

Cómo funciona

El objetivo de DARPA se abordará en dos fases. En la primera, el sistema generará esquemas de cantidades masivas de datos identificando, clasificando y agrupando eventos basados en razonamiento e inferencia lingüística.

Dos fases del programa KAIROS | Crédito: DARPA

Los desarrolladores planean emplear procedimientos de generalización, composición y especialización para crear esquemas que describan eficientemente eventos complejos, e implementar conocimiento específico de dominio para modificar el análisis para necesidades específicas.

En la segunda fase, el sistema aplicará un conjunto de esquemas (generados en fase uno) a datos reales complejos, e intentará extraer eventos y narrativas. No será fácil porque construir y extender una base de conocimiento requiere detectar entidades y eventos complejos, así como sus relaciones.

Leer: DARPA usará fuente láser para alimentar aviones pequeños en vuelo

En este punto, todo el sistema parece teórico, pero por eso la agencia lo investiga. Dada la simplicidad de la IA actual, es difícil imaginar un sistema tan sofisticado en el futuro próximo.