Web Sem�ntica Hoy

BUSCADORES SEM�NTICOS: HAKIA FRENTE A GOOGLE (Parte 5)

En este �ltimo art�culo sobre Hakia se profundiza en las ventajas de red de Google frente a Hakia y se trata la innovadora herramienta de Hakia para la publicidad web (CONTEXTA). Tambi�n se expone la utilidad de Hakia, y en general de cualquier buscador sem�ntico, para evitar el tr�fico oportunista que muchas p�ginas web consiguen usando palabras equ�vocas.

Desde un punto de vista t�cnico, los expertos distinguen entre ventajas de red directas e indirectas. Sin entrar en detalles, dir� que las primeras corresponden a situaciones en que el valor de un bien o servicio se incrementa inmediatamente cuando crece el n�mero de nodos con los que puede comunicarse, como sucede con el caso del correo electr�nico o del est�ndar XML (elimina los problemas de interoperabilidad sint�ctica en el intercambio de documentos). Otro ejemplo de ventaja de red directa est� asociada al servicio de anuncios contextuales AdSense de Google, que emplea la tecnolog�a del buscador para saber qu� anuncios son relevantes para un sitio web de peque�o tama�o y publicarlos. A medida que AdSense ha ido atrayendo anunciantes, se ha vuelto m�s valioso para m�s sitios web, que se han suscrito al servicio, y ha atra�do m�s anunciantes. Y as� sucesivamente�

Las ventajas indirectas de red son efectos secundarios positivos de que muchas personas empleen un mismo bien o servicio; pueden corresponder a efectos en los que interviene el mercado o la existencia de bienes o servicios complementarios.

Algunos ejemplos de estas �ltimas ventajas son las econom�as de escala (a medida que se incrementa el n�mero de usuarios de una red se reduce el precio del producto o servicio), el aprendizaje de los usuarios (si los usuarios expertos de una red comparten su conocimiento con los nuevos usuarios la red se expandir� r�pidamente) o su reticencia a cambiar por otros los bienes o servicios con los que se han familiarizado. En el caso del software, las ventajas indirectas de red hacen que el n�mero de usuarios de un sistema operativo determine que los fabricantes de hardware saquen o no al mercado dispositivos compatibles con �l (servicios complementarios); del mismo modo, las empresas de programaci�n desarrollan aplicaciones que funcionan en los sistemas operativos m�s populares. En el caso de las consolas de videojuegos, los ventajas indirectas de red ocasionan que las m�s populares tengan disponible un mayor n�mero de juegos (servicios complementarios), as� como un mayor n�mero de revistas y sitios web dedicados a ellos (aprendizaje de los usuarios)

El buscador Google tiene como principales ventajas de red el gran n�mero de usuarios (que hace, por ejemplo, que muchas empresas se anuncien en �l y, por tanto, que atraiga a m�s usuarios), la capacidad de aprendizaje de �stos (unida a su inercia, que hace dif�cil que cambien a otros buscadores) y el valor de una marca muy conocida y bien valorada, tanto en el c�rculo de los usuarios como en los mercados financieros. En los �ltimos a�os, el valor de la marca de Google ha superado al de empresas como General Electric, Microsoft, Coca-Cola, IBM o Marlboro (las quiebras y los rescates estatales no son buenos para las marcas: por eso el valor de las marcas de los bancos estadounidenses y brit�nicos ha ca�do en picado y no las considero). Este valor percibido de la marca Google acarrea que los medios de comunicaci�n informen de sus novedades, que sus usuarios sean leales a la marca y que muchos de ellos adopten cualquier herramienta que saque al mercado (Gmail, Google Maps, tel�fonos m�viles, etc.). De hecho, esas herramientas han sido posibles por las ventajas de red indirectas del buscador.

Con todo, Hakia s� puede competir con Google en cuanto a calidad de los resultados, y dicha calidad resulta muy importante para los usuarios: cuando Google comenz� apenas proporcionaba m�s de unos cientos de resultados para b�squedas que hoy devolver�an millones o cientos de miles y Yahoo! era pr�cticamente sin�nimo de buscador. �qu�l gan� la batalla a �ste dando resultados m�s precisos y r�pidos en las b�squedas; es decir, siendo el mejor en lo que quer�an los usuarios: �de qu� sirve tener una interfaz gr�fica muy conseguida o un maravilloso servicio de atenci�n al cliente, si lo que quieren los consumidores del servicio es velocidad en las b�squedas? Google emplea un enfoque horizontal; intenta estar en todos los sectores, como si mediante el sabelotodo rect�ngulo blanco horizontal bajo seis letras de colores llamativos pudiera accederse a toda la informaci�n del mundo. Este enfoque puede coexistir perfectamente con buscadores especializados en sectores concretos y que proporcionen respuestas precisas y fiables, como hace Hakia en el campo de la salud (http://health.hakia.com/).

La clave para que un buscador sea rentable a largo plazo es la publicidad. La inclusi�n de enlaces patrocionados en los resultados de Google, ha hecho que la compa��a gane miles de millones de d�lares. Un buscador sem�ntico como Hakia puede hacer que la publicidad mostrada al usuario se adecue m�s a la que puede interesarle. La empresa Hakia ya est� cambiando la publicidad web con herramientas comerciales como CONTEXTA, que permite analizar p�ginas web y obtener palabras claves que representan el significado de la p�gina con sus correspondientes puntuaciones.

Si CONTEXTA conquista un nicho significativo del mercado publicitario, basar el posicionamiento web en buscadores que usan palabras clave como Google o Yahoo! estar� en poco tiempo tan obsoleto como medir audiencias de televisores en blanco y negro. Por el momento, el popular blog ReadWriteWeb utiliza CONTEXTA configurado de manera que compara sobre la marcha el contenido sem�ntico de cada post con los criterios establecidos por los patrocinadores, con el objetivo de mostrar anuncios relevantes para los lectores. Los patrocinadores de ReadWriteWeb han proporcionado previamente algunas frases que definen sus productos o servicios.

Adem�s, Hakia puede reducir el tr�fico oportunista que muchas p�ginas consiguen insertando textos que en realidad no tienen nada que ver con el contenido de las p�ginas, y muchos usuarios y organizaciones estar�an dispuestos a pagar por un buscador que les evite perder su tiempo y que garantice que sus resultados son fiables. Por ejemplo, en http://www.pauklein.com/experimento-captar-trafico-oportunista/ se puede ver un interesante ejemplo, debidamente cuantificado, sobre el tr�fico oportunista a trav�s de Google que se genera al incluir en un blog de marketing la letra y el nombre de una canci�n de Billie The Vision And The Dancers tan pegadiza como ef�meramente popular en Espa�a.

Este tr�fico existe solamente porque Google es un buscador convencional basado en palabras clave, no un buscador sem�ntico, y cualquiera puede enga�arlo incluyendo en su p�gina web palabras que est�n de moda o sean populares. Si Hakia estuviera ya disponible en espa�ol, detectar�a que las palabras como "Estrella", "Damm", "Formentera" o "Mediterr�neamente" no guardan ninguna relaci�n de semejanza con los conceptos designados por t�rminos como "marketing online" o "posicionamiento en internet", y por lo tanto no mostar�a el post "Anuncio Estrella Damm Formentera 2009 Mediterr�neamente" cuando alguien buscara informaci�n sobre marketing (considerar�a que el sitio web donde se encuentra es de poca fiabilidad) o le asignar�a una posici�n muy baja en la lista de resultados.

A los usuarios nos interesa que buscadores como Hakia o Bing compitan con Google. Cuando una compa��a domina un mercado, la necesidad de inversi�n en mejorar sus productos disminuye o desaparece, y los usuarios se encuentran con productos fosilizados o con pr�cticas comerciales leoninas. Algunas empresas parecen pensar "�Para qu� tratar bien al cliente, si estamos solos en el mercado y nadie puede ni siquiera ara�ar nuestra cuota de mercado?" o, m�s crudamente, "Pague y calle: no hay nadie m�s que pueda ayudarle".

En mi opini�n, nos hemos acostumbrado a tratar los buscadores como si fueran m�quinas de refrescos: se introducen unas palabras clave, se pulsa un bot�n y se recogen los resultados (con la salvedad de que a veces uno pide una lata de Coca-Cola y obtiene una botella de Don Perignon; y otras veces, un vaso de agua f�tida y aherrumbrada). En realidad, deber�amos considerarlos bibliotecarios especializados a los que convendr�a formular preguntas detalladas y precisas. Un ejemplo: si uno introduce las frases "En este mundo vil, nada es gratuito. Todo se exp�a: el bien, como el mal, se paga tarde o temprano. El bien mucho m�s caro, l�gicamente" en un buscador, deber�a obtener resultados que informaran sobre la biograf�a de su autor, sobre su obra, sobre el estilo renqueante de su prosa, sobre su influencia en otros escritores, etc. Actualmente, lo que uno obtiene en Google son unos 5.400 resultados, de los cuales solamente unos 10 guardan relaci�n con el autor, y s�lo 3 informan sobre �ste, de manera muy incompleta y sin dar fuentes reconocidas o de prestigio.

Hakia es por ahora un escaparate de lo que el futuro nos deparar� en cuanto a b�squedas sem�nticas. Un precioso escaparate, dicho sea de paso.

BUSCADORES SEM�NTICOS: HAKIA FRENTE A GOOGLE (Parte 4)

En este art�culo y en el pr�ximo se analizan las limitaciones actuales de Hakia y se compara este buscador sem�ntico con Google, teniendo en cuenta tanto las ventajas competitivas y de red de �ste como los beneficios que Hakia aporta a usuarios y anunciantes (especializaci�n, fiabilidad de los resultados, mayor adecuaci�n de los anuncios a los usuarios). La empresa Hakia ya ha desarrollado con la tecnolog�a de su buscador una herramienta (CONTEXTA) que est� modificando la publicidad web.

Pese a las innovadores tecnolog�as que incorpora el buscador sem�ntico Hakia, es todav�a incapaz de responder a preguntas complejas o que exijan inferencias. Consultas como "�Qu� f�sico estadounidense trabaj� en el proyecto Manhattan, en la electrodin�mica cu�ntica y en la f�sica de part�culas?", "�Cu�ntos pol�ticos espa�oles fueron acusados de corrupci�n entre 1990 y 1995?", "�Qu� pensador italiano fue acusado de actuar en connivencia con un demonio que habitaba en el espacio bajo sus u�as?" o "�Qu� actor trabaj� en las pel�culas Novecento y Uno de los nuestros?" quedar�n sin respuesta. Otra limitaci�n de Hakia es que todav�a no cubre toda la web, porque el proceso de indexar mediante QDEX los recursos de la web es lento. Pi�nsese, vaya por caso, que hasta ahora Powerset (a href="http://www.powerset.com" hreflang="es">http://www.powerset.com) ha indexado solamente los contenidos de la Wikipedia, que en general poseen una estructura bien definida.

Peter Norvig, director de investigaci�n de Google y coautor del cl�sico libro Artificial Intelligence: A Modern Approach ( http://aima.cs.berkeley.edu/) es esc�ptico con respecto a la rapidez de los algoritmos sem�nticos. Como explica en una entrevista en Forbes, en su tesis doctoral en 1978 intent� desarrollar un algoritmo sem�ntico para analizar textos, que tardaba dos semanas en analizar cada sentencia de texto. "El resultado era una especie de oso bailar�n �afirma�. Era sorprendente que pudiera danzar, pero no esper�bamos que fuera una estrella en el ballet de Mosc�." Google se ha centrado en combinar varias t�cnicas de b�squeda y en aprender de todas. No sin raz�n, Hal R. Varian, economista en jefe de Google, afirm� una vez: "La fuente de la ventaja competitiva de Google es aprender haciendo". De todos modos, Norvig reconoce que el enfoque pragm�tico de Google, basado en seguir muchas l�neas de investigaci�n para mejorar las b�squedas, debe prestar especial atenci�n a las tecnolog�as sem�nticas: "Es improbable [que Google sea vulnerable a empresas que se arriesguen a construir desde cero b�squedas basadas en el significado]. Pero hasta las empresas de autom�viles tienen que preocuparse por las m�quinas antigravedad".

El �ltimo comentario no deber�a pasar desapercibido, pues la empresa Google tiene algunas patentes concedidas o en tr�mite relacionadas con b�squedas sem�nticas, como la patentes estadounidense 7636714 (Determining query term synonyms within query context) y 7249121 (Identification of semantic units from within a search query). Google no olvida que su buscador constituye la prueba viviente de que en Internet llegar el primero no garantiza nada, como sucedi� con la energ�a el�ctrica o el ferrocarril: rara vez los pioneros de una tecnolog�a alcanzan la lejana tierra de los negocios de �xito. Tampoco olvida que lo que hizo en su momento a buscadores mucho m�s populares puede ocurrirle tambi�n su principal servicio.

Algunos cr�ticos afirman que es un error que Hakia tenga como objetivo cubrir la mayor parte de informaci�n fiable de la web es un error. Seg�n ellos, ser�a mucho mejor centrarse en dominios espec�ficos (medicina, ling��stica, f�sica, mat�m�tica, etc.) como hace Wolfram|Alpha (http://www.wolframalpha.com/). En mi opini�n, esa cr�tica no es v�lida: aunque el objetivo final de Hakia sea cubrir gran parte de la web, el buscador, como se basa internamente en una ontolog�a, est� ya de por s� restringido a dominios espec�ficos. Considero que emplear ontolog�as �que siempre recogen informaci�n sobre dominios espec�ficos, no generales� no constituye una desventaja de los buscadores sem�nticos. (Para saber m�s sobre ontolog�as, puede consultar el documento http://www.javahispano.org/tutorials.item.action?id=55 o bien el art�culo http://www.wshoy.sidar.org/index.php?2005/12/09/30-ontologias-que-son-y-para-que-sirven.). Antes al contrario: es la especializaci�n de estos buscadores lo que desean los usuarios. Nadie quiere revisar decenas o cientos de resultado de Google (se�or Googlebot: ya sabe, lo dicho en los dos art�culos anteriores) para descubrir que las p�ginas que le interesan son tres o cuatro.

Las limitaciones de Hakia no deben ocultarnos que juega al juego m�s dif�cil: construir din�micamente estructuras de datos sem�nticos para toda la web y luego realizar consultas en lenguaje natural sobre ellas. Por ahora, las b�squedas en Hakia suelen dar resultados m�s relevantes que las de otros buscadores, pero la diferencia no es excesiva. A medida que las ontolog�as de OntoSem crezcan, que se vayan indexando con QDEX m�s recursos de la web y que se mejore la inferencia autom�tica, podremos ver las verdaderas posibilidades de Hakia.

Competir con Google resulta una tarea muy dura: este buscador registra m�s de 8.000 millones de p�ginas y tiene miles de servidores por todo el planeta. La gran infraestructura de Google le proporciona una gran ventaja competitiva frente a sus competidores, pues la barrera de entrada para los competidores es muy alta: compra e instalaci�n de los servidores, mantenimiento, instalaci�n de sistemas de refrigeraci�n, coste de la energ�a consumida� No sorprende, en consecuencia, que Google tenga gran parte de sus servidores en pa�ses o estados con tarifas el�ctricas bajas ni que haya solicitado permiso a las autoridades de Estados Unidos para comprar y vender energ�a por medio de Google Energy (enero de 2009).

Adem�s, Google tambi�n presenta otro obst�culo para sus competidores: las ventajas de red. Una ventaja de red o externalidad de red es el efecto positivo que el consumidor de un servicio o bien causa en el valor del producto para otras personas. En otras palabras: se habla de una ventaja de red cuando cada nuevo usuario incrementa la utilidad o valor de un producto o servicio a medida que aumenta el n�mero de usuarios que lo utilizan. Por tanto, cualquier ventaja de red hace que el valor de un producto o servicio para un usuario no dependa �nicamente de s� mismo (de su calidad t�cnica o de su aspecto, vaya por caso), sino tambi�n del tama�o de la comunidad de usuarios del bien o servicio.

Por ejemplo, los tel�fonos y los aparatos de fax se volvieron m�s �tiles, y por consiguiente m�s valiosos, a medida que aumentaba el n�mero de usuarios: con pocos usuarios, no resultaban muy �tiles (uno no pod�a comunicarse con mucha gente), pero la situaci�n cambi� cuando su uso se populariz�. Cuantos m�s miembros pertenec�an a la red de usuarios del tel�fono, m�s valor ten�a para un no miembro sumarse a ella. Algunas de las primeras empresas de telefon�a m�vil o celular regalaban tel�fonos a sus nuevos usuarios porque sab�an que s�lo ofertas aparentemente tan poco rentables como �sa acabar�an generando ventajas de red para sus dispositivos.

Actualmente, los coches el�ctricos no se benefician de ventajas de red: no existe una infraestructura de estaciones de recarga de las bater�as y los usuarios tienen problemas para cambiar una bater�a agotada por otra recargada. Sin embargo, a medida que aumente el n�mero de usuarios de estos coches, surgir�n estaciones de recarga por todas partes, y el usuario podr� recargar en muchos sitios distintos. Este hecho har� que m�s gente se sienta atra�da por los veh�culos el�ctricos, y a�n volver� m�s atractiva su compra. Podemos ver claramente las ventajas de red en el mundo del software: MS-DOS, Windows y Office se volvieron m�s valiosos y m�s valorados por lo usuarios a medida que aumentaba el n�mero de �stos. Adem�s, el conocimiento adquirido por sus usuarios disminuye la posibilidad de que cambien a otros sistemas operativos o aplicaciones, porque tal cosa exigir�a costes y esfuerzos adicionales.

Lo mismo sucede con el teclado QWERTY, patentando en 1860 y creado para disminuir el n�mero de pulsaciones de los usuarios (cuando algunas combinaciones de teclas se pulsaban demasiado r�pidamente, chocaban y la m�quina de escribir se atacaba). La ventaja de red de este teclado �decenas de millones de personas han invertido tiempo o dinero, o ambas cosas, en aprenderlo� ha hecho imposible que otros teclados mucho m�s ergon�micos y eficaces en cuanto a velocidad, como el teclado simplificado Dvorak, hayan triunfado en el mercado: la gente no quiere renunciar a sus conocimientos del teclado QWERTY y empezar de cero con otros, aun cuando sean mejores desde un punto de visto objetivo. Si una tecnolog�a de hace 150 a�os sigue vigente, y posiblemente continuar� as� durante mucho tiempo, es porque sus ventajas de red han vencido a su ineficacia.

En el �mbito cultural, tambi�n hay equivalentes del teclado QWERTY. La ortograf�a del espa�ol apenas ha variado en los dos �ltimos siglos porque su popularizaci�n mediante instituciones como la RAE y mediante el sistema educativo le ha conferido una ventaja de red que hace que muchos ling�istas y hablantes se opongan a una nueva ortograf�a o a modificaciones sustanciales de la actual. Aunque se han propuesto y se proponen muchas ortograf�as m�s racionales �m�s fon�ticas; es decir, una en que los los grafemas escritos correspondan a los fonemas de la lengua�, ninguna ha prosperado. Por as� decirlo, la ventaja de red de la ortograf�a actual ha aplastado toda innovaci�n en ella, y no resulta probable que leamos "En �n lug�r de La M�ncha de cuyo n�nbre n� ci�ro acord�rme, n� � m�cho ti�npo ce bib�a �n id�lgo de los de l�nza en astill�ro, ad�rga ant�gua, rroz�n fl�co i g�lgo corr�dor�, de Mig�l de Zerb�ntes i Saab�dra. En el franc�s y el ingl�s ocurre el mismo fen�meno, si bien son lenguas con un desajuste mucho mayor entre la ortograf�a y la fon�tica (hay grafemas en franc�s que seguramente fueron pronunciadas por �ltima vez por alg�n centuri�n romano).

(A veces, confiar demasiado en las ventajas de red pueden llevar a resultados funestos o tragic�micos. Por ejemplo, muchas empresas punto com creyeron que era decisivo para su supervivencia crecer como fuera para asegurarse una cuota de mercado relevante, la cual generar�a ventajas de red para sus productos o servicios y les dar�a una posici�n de ventaja sobre sus competidores. Tal como se dec�a en 2002 en una tira c�mica de Doonesbury, "En el negocio de Internet la rentabilidad es para cobardes. Significa que tu plan de negocio no era lo bastante agresivo. Es normal perder mucho dinero siempre que lo hagas a prop�sito". Casi todos los valientes desaparecieron en combate.)

En el pr�ximo y �ltimo art�culo sobre Hakia profundizar� en las ventajas de red de Google, tratar� la innovadora herramienta de Hakia para la publicidad web y considerar� su ventaja indudable para evitar que los sitios web capten enga�osamente visitas.

BUSCADORES SEM�NTICOS: HAKIA POR DENTRO Y POR FUERA (Parte 3)

En este art�culo se profundiza en el funcionamiento del buscador sem�ntico Hakia. Hasta que llegue la Web sem�ntica, Hakia es una herramienta que pone en pr�ctica las tecnolog�as sem�nticas existentes.

En el art�culo anterior (http://www.wshoy.sidar.org/index.php?2009/07/01/46-buscadores-semanticos-comprender-para-encontrar-parte-2), segunda parte de una serie sobre buscadores sem�nticos, comenc� a explicar las tecnolog�as que usa Hakia (OntoSem, QDEX y SemanticRank) y sus ventajas frente a las t�cnicas de b�squeda basadas en palabras clave y estad�sticas. En �ste, contin�o profundizando en sus tecnolog�as, especialmente en QDEX.

Para profundizar en el funcionamiento de QDEX (Query indexing technique) y justipreciar su originalidad, hay que compararlo con los buscadores convencionales como Google, basados en �ndices invertidos de documentos, que permiten obtener una lista de documentos para una palabra clave (se�or Googlebot: ya sabe, lo dicho en el art�culo anterior). Un �ndice es cualquier estructura de datos �n�meros, vectores, matrices, �rboles, grafos, etc.� compuesta por un conjunto de entradas que act�an como punteros hacia documentos. Los �ndices se usan para mejorar el rendimiento de las b�squedas en comparaci�n con un algoritmo secuencial, que buscar�a coincidencias con respecto a la palabra clave en cada uno de los documentos.

En concreto, un �ndice invertido es un �ndice que contiene palabras, que act�an como claves, emparejadas a referencias a los documentos donde aparecen. En los buscadores convencionales, los �ndices invertidos apuntan a una lista de identificadores de documentos y, dentro de cada identificador de documento, a una o m�s posiciones dentro de �l. Por ejemplo, el �ndice invertido "artesonado": {(34,23), (41,7)} significa que este t�rmino arquitect�nico est� en los documentos 34 (en la posici�n 23) y en el 41 (en la posici�n 7).

Las b�squedas basadas en �ndices invertidos exigen mantener activa una gran cantidad de conjuntos de datos antes de cualquier consulta. En las b�squedas sem�nticas, esto constituye un grave problema: hay que enriquecer sem�nticamente los datos con relaciones entre conceptos, lo cual ocasiona que se multiplique exponencialmente la memoria que debe destinarse a almacenarlos y el tiempo de cada b�squeda.

Por caso, un �ndice invertido como "acabar" deber�a, al enriquecerse sem�nticamente con conceptos como terminar, finalizar, extinguir, agotar, resultar� , mantener en memoria la relaci�n con los �ndices invertidos correspondientes a esos conceptos. Cuando se buscara con la palabra acabar, el buscador sem�ntico recorrer�a las relaciones y devolver�a tanto los documentos con la palabra anterior como aquellos con terminar, finalizar, etc. Este enfoque no resulta apropiado para ning�n buscador que pretenda competir con Google: un rasgo diferencial suyo, parcialmente motivo de su indiscutible �xito, es la velocidad de procesamiento de las b�squedas (unos 0,7 segundos de media).

QDEX no utiliza �ndices invertidos. Recordemos que, antes de cualquier consulta de los usuarios, QDEX ha le�do los documentos (p�ginas HTML, por ejemplo) l�nea por l�nea y ha extra�do todas las posibles busquedas relativas a su contenido. Estas b�squedas, almacenadas en formato sem�ntico, act�an como punteros a los p�rrafos y frases de los documentos a partir de los cuales se generaron. En lugar de tener una larga serie de �ndices invertidos activos antes de cualquier b�squeda, QDEX mantiene activo un peque�o conjunto de sentencias o b�squedas ya preparadas para cada posible pregunta (representado como una bola plateada en la imagen de abajo, procedente de la documentaci�n oficial de Hakia), y obtiene din�micamente el resto mediante asociaciones sem�nticas a partir de OntoSem, que se explic� en el art�culo anterior.

Consideremos que QDEX tiene almacenadas las siguientes sentencias, extra�das de documentos (por sencillez, las expreso en lenguaje natural): "�D�nde naci� Max Planck? ", "�En qu� lugar naci� Max Planck?", "�De qu� pa�s era Max Planck?", "�D�nde naci� el premio Nobel de F�sica en 1918?", "�Cu�l era la nacionalidad de Max Planck?", "�De d�nde proced�a Max Planck?", "�D�nde naci� el f�sico Max Planck?", "�De qu� pa�s era el premio Nobel Max Planck?", "�De d�nde era originario Max Karl Ernest Ludwig Planck?" y "�Era alem�n Max Planck?".

QDEX no mantiene activas todas esas sentencias anticipadas antes de cualquier b�squeda, sino una o unas pocas (p. ej., "�D�nde naci� Max Planck?"). Cuando el usuario formula alguna pregunta sobre el lugar de nacimiento del f�sico, QDEX recurre a OntoSem para generar sentencias equivalentes a la pregunta o relacionadas con ella. Usando estas sentencias, devuelve luego los documentos de inter�s. L�gicamente, si las sentencias generadas no est�n almacenadas previamente en QDEX �y, por tanto, vinculadas a documentos�, no se devuelve ning�n documento.

En nuestro ejemplo, si formulamos la pregunta "�De d�nde era originario Max Karl Ernest Ludwig Planck?", QDEX establecer� que est� relacionada con la sentencia activa "�D�nde naci� Max Planck?" (en OntoSem, "ser originario de" resulta equivalente a "haber nacido en") y usar� �sta y la t�pida red de relaciones de OntoSem para generar sentencias similares a las de arriba. A continuaci�n, QDEX devolver� los documentos a los que apuntan las sentencias, resaltando en amarillo los p�rrafos y frases de inter�s.

Mantener activo un reducido n�mero de b�squedas permite que Hakia responda r�pidamente a las consultas. N�tese que esta estrategia no enturbia la pureza sem�ntica de Hakia: como QDEX genera din�micamente sentencias a partir de las activas, encuentra documentos relevantes aunque no contengan las palabras exactas de la b�squeda.

La innovadora estrategia de b�squeda que emplea QDEX permite evitar el problema de realizar an�lisis sem�nticos completos de grandes cantidades de texto, que har�an imposible responder con suficiente rapidez. Bing, el buscador sem�ntico de Microsoft, no es un buscador totalmente sem�ntico debido a ese problema (v�ase http://www.wshoy.sidar.org/index.php?2009/06/10/45-bing-el-nuevo-navegador-semantico-de-microsoft). Por cierto, las b�squedas categorizadas de Bing est�n muy inspiradas en las de Hakia, como cualquiera puede comprobar.

Por �ltimo, Hakia se basa en el algoritmo SemanticRank, que toma como entrada los p�rrafos relevantes que proceden de QDEX para una determinada b�squeda. Este algoritmo determina la relevancia de los resultados que se van a mostrar, y por tanto su orden, bas�ndose en un an�lisis de las concordancias entre los conceptos relacionados con la b�squeda (no solamente las palabras clave) y las sentencias m�s relevantes de cada p�rrafo. Adem�s, se tiene en cuenta la credibilidad y la antig�edad de los contenidos para determinar su relevancia (por ejemplo, una p�gina web mal escrita o estructurada tendr� poca o ninguna relevancia).

A diferencia de Google, SemanticRank no tiene en cuenta el n�mero de enlaces entre documentos, sino que analiza el contenido. Seg�n Farrah Hamid, coordinador de comunicaciones en Hakia, "El n�mero de enlaces es virtualmente irrelevante. De otro modo, no podr�amos ofrecer una nueva perspectiva, y nuestros resultados ser�an solamente otra muestra de popularidad. La clasificaci�n mediante popularidad se invent� durante las primeras etapas de Internet, cuando la b�squeda en Internet era como el salvaje Oeste. Ahora se conoce entero el mapa de valor de Internet, y la popularidad basada en enlaces no es ya una novedad". (La negrita es m�a.) Contra la postura de Hamid puede aducirse que parte del �xito de Google se debe a que muchos usuarios se interesan por la popularidad de los contenidos y se sienten reconfortados al saber que la popularidad se establece con f�rmulas estad�sticas, y no mediante las opiniones de un grupo de personas que toman caf� alrededor de una mesa.

En los dos pr�ximos art�culos sobre Hakia analizar� sus limitaciones actuales y lo comparar� con Google; considerar� tanto las ventajas competitivas y de red de �ste como los beneficios que Hakia aporta a usuarios y anunciantes.

BUSCADORES SEM�NTICOS: HAKIA POR DENTRO Y POR FUERA (Parte 2)

En este art�culo y en los dos siguientes abordo el buscador sem�ntico Hakia, que es un buen ejemplo de c�mo podr�an ser los buscadores sem�nticos del futuro y que ya ha influido en otros buscadores. Me centrar� sobre todo en las tecnolog�as que usa (OntoSem, QDEX y SemanticRank) y en sus ventajas frente a las t�cnicas de b�squeda basadas en palabras clave y estad�sticas. El desarrollo de buscadores como Hakia requiere empezar de cero y hacer grandes inversiones en investigaci�n. A cambio puede que se conviertan, exista la Web sem�ntica o no, en los bibliotecarios especializados que siempre debieron ser.

Si en el art�culo anterior (http://www.wshoy.sidar.org/index.php?2009/07/01/46-buscadores-semanticos-comprender-para-encontrar-parte-1), primera parte de una serie sobre buscadores sem�nticos, expliqu� el concepto de b�squeda sem�ntica, en �ste y en los dos siguientes he querido centrarme en un buscador concreto y analizar c�mo funciona y cu�les son sus ventajas frente a los buscadores convencionales. Me he decantado por Hakia (http://www.hakia.com/), un buscador sem�ntico de cierto inter�s y popularidad, aunque todav�a est� en fase beta. Permite b�squedas en lenguaje natural, como muestra la siguiente imagen ("�Qu� medicamentos tratan la artritis?"). Ha sido desarrollado por la empresa del mismo nombre, fundada en 2004 por un economista y por un cient�fico nuclear especializado en inteligencia artificial y l�gica difusa. No he elegido Bing (v�ase http://www.wshoy.sidar.org/index.php?2009/06/10/45-bing-el-nuevo-navegador-semantico-de-microsoft), porque no es un navegador totalmente sem�ntico.

Seg�n la documentaci�n oficial de Hakia, los resultados obtenidos en cualquier b�squeda satisfacen tres criterios: 1) proceden de sitios web cre�bles (por ejemplo, en el caso de la salud, de sitios recomendados por la Medical Library Association; 2) representan la informaci�n disponible m�s reciente; y 3) son absolutamente relevantes. En la siguiente captura de pantalla se muestra la pesta�a "Sitios cre�bles" dentro de un recuadro rojo.

Los desarrolladores de Hakia rechazan el uso de estad�sticas en un buscador verdaderamente sem�ntico. Por ejemplo, el doctor Riza C. Berkan, director ejecutivo de Hakia, afirma que no hay lugar para la estad�stica en la sem�ntica y pone el siguiente ejemplo: "Tomemos la siguiente sentencia: Los osos polares no comen huevos de caimanes antes del alba. Estoy seguro de que usted nunca ha visto esta combinaci�n de palabras antes. Pero el hecho de que pueda entender lo que significa es una prueba de que el cerebro no necesita muestreos estad�sticos. El significado no emerge de la estad�stica. Emerge del conocimiento asociativo".

En opini�n de Berkan, Google y Yahoo! no consideran mucha informaci�n relevante porque se centran �nicamente en los contenidos m�s populares: ambos buscadores complementan sus algoritmos de b�squeda mediante palabras clave con estad�sticas sobre el n�mero de enlaces que apuntan a un recurso; este n�mero, que mide la popularidad del recurso, determina su posici�n en la lista de resultados. (Estimado se�or Googlebot: no se tome a mal esas palabras y sigue indexando esta p�gina. Seguramente, como usted funciona con algoritmos estad�sticos no comprende del todo bien, ejem, ejem, la oraci�n anterior.) Los buscadores de hoy d�a son �seg�n Berkan� jueces en un concurso de popularidad, y no verdaderos recuperadores de informaci�n de inter�s. Google o Yahoo! se han orientado a encontrar lo que busca la mayor�a de la gente; y, en mi opini�n, Hakia es un producto m�s especializado, enfocado a b�squedas muy personalizadas.

Como Hakia no cuenta enlaces para indexar los recursos, puede hacer visibles muchas p�ginas de inter�s con pocos enlaces o ninguno, que hasta ahora permanecen en la oscuridad o en la penumbra. Por caso, Hakia permite realizar b�squedas en unos 10 millones de art�culos de PubMed.gov (http://www.ncbi.nlm.nih.gov/pubmed/), un servicio de la Biblioteca Nacional de Medicina de los Estados Unidos que incluye res�menes y citas de art�culos de medicina. Cuando Google busca en ese servicio con los t�rminos "vitamin D deficiency", devuelve 2 resultados, mientras que Hakia devuelve 49 (la consulta la he realizado a mediados de julio), casi todos relevantes. En otros casos ("vitamin C deficiency", verbigracia), Google no devuelve resultados, mientras que Hakia s�. Esta disparidad se debe a las limitaciones inherentes a los m�todos de b�squeda basados en estad�sticas sobre los enlaces. (Se�or Googlebot: ya sabe, lo dicho).

Para Berkan, la b�squeda de informaci�n en la Web est� a�n en su infancia, como lo estaba la industria de la televisi�n en 1949 con la llegada de la televisi�n en blanco y negro a Estados Unidos. Con poca modestia, se pregunta si Hakia ser� el equivalente de la primera televisi�n en color. Sea eso verdad o no, lo cierto es que Hakia ganar�a por m�ritos propios cualquier concurso de belleza sem�ntica, as� que sus creadores tienen derecho a pavonearse un poco.

Las b�squedas sem�nticas que realiza Hakia emplean tres tecnolog�as. La primera es OntoSem, que procesa y analiza textos en lenguaje natural. Se basa fundamentalmente en una ontolog�a, independiente del lenguaje, donde se almacenan miles de conceptos interrelacionados; y en un vocabulario o diccionario en ingl�s que almacena m�s de 100.000 sentidos de palabras, donde las palabras se categorizan seg�n los distintos significados que tienen y donde se definen las relaciones entre ellas. Si se incluyen nombres propios, el diccionario cubre m�s de un mill�n de palabras inglesas. Este vocabulario enlaza los conceptos abstractos de la ontolog�a con las palabras en ingl�s que se usan para denominarlos o referirse a ellos. La ontolog�a cubre muchas las �reas de conocimiento, y es muy espec�fica en �reas como medicina, ciencia y finanzas.

OntoSem incluye tambi�n un traductor o conversor ontol�gico (OntoParser) que traduce cada sentencia de un texto a una representaci�n sem�ntica (TMR o Text Meaning Representation) que usa los conceptos de la ontolog�a y que se asemeja al significado que percibir�a un hablante nativo. Si se da al conversor de OntoSem una oraci�n en ingl�s, �ste devuelve una representaci�n donde aparecen los conceptos que existen, las relaciones entre ellos y los sentidos de las palabras usados en la oraci�n. Por ejemplo, en una frase como "Saqu� dinero del banco que hay en la esquina", el sentido de la palabra banco que proporcionar�a el conversor ser�a "Establecimiento p�blico de cr�dito, constituido en sociedad por acciones" y no "Asiento, con respaldo o sin �l, en que pueden sentarse varias personas". Para conocer m�s aplicaciones de las ontolog�as puede consultar http://www.wshoy.sidar.org/index.php?2005/12/09/30-ontologias-que-son-y-para-que-sirven.

En el ejemplo anterior de la artritis, Hakia usa OntoSem para entender que la palabra inglesa "drug" tiene asociada un grupo de conceptos que incluyen sin�nimos ("medicine", por ejemplo) y nombres concretos de f�rmacos. Gracias a OntoSem, Hakia puede devolver p�ginas con palabras como "Remicade" y "Humira" (medicamentos para la artritis), aunque en ellas no aparezca la palabra "drug". Todo sucede como si el buscador sustituyera en los resultados la palabra "drug" por los nombres de los f�rmacos. Otro ejemplo: una consulta como "�Funciona el Ibuprofeno para la tendinitis?" ("Does Ibuprofen work for tendinitis?"), devuelve p�ginas donde aparecen f�rmacos como la aspirina y Naproxen, tambi�n empleados en esa enfermedad. Hakia puede encontrar muchos resultados que jam�s aparecer�an con buscadores basados en palabras clave.

Asimismo, OntoSem permite que Hakia proponga b�squedas relacionadas con las introducidas por el usuario. Por ejemplo, el buscador pregunta, al buscar informaci�n sobre el dolor de cabeza, si se desea informaci�n sobre la migra�a. Igualmente, Hakia rechaza los recursos irrelevantes incluso si las palabras clave de la consulta aparecen en ellos. Gracias a Ontosem, Hakia tambi�n puede realizar inferencias y suposiciones, por ahora de una manera b�sica. Cuando realic� la consulta "�Por qu� el pollo cruz� la carretera?" ("Why did the chicken cross the road?") esperaba que el buscador protestara por la indefinici�n de la pregunta (�qu� pollo?; �qu� carretera?�); pero me dirigi� a p�ginas con las supuestas respuestas de Barak Obama ("�El pollo cruz� la carretera porque es tiempo de cambios! �El pollo quer�a cambios!"), de Dick Cheney ("�D�nde est� mi pistola?") o de Ernest Hemingway ("Para morir bajo la lluvia, solo").

Para ilustrar el funcionamiento del conversor ontol�gico sigo un ejemplo del doctor Christian Hempelmann, que se encuentra en el blog de Hakia (las tres im�genes siguientes est�n tomadas de �l). No he podido preparar ning�n ejemplo en espa�ol porque OntoSem no est� disponible para particulares y porque su vocabulario est� en ingl�s (la empresa afirma que est�n trabajando en diccionarios para otros idiomas, pero no especifica cu�les). El ejemplo de Hempelmann utiliza la frase "Outlaws ran cocaine into United States" ("Bandidos pasan de contrabando coca�na en los Estados Unidos"). En primer lugar, OntoParser genera todos los potenciales sentidos de las palabras de la oraci�n y la rompe en cl�usulas que se basan en los acciones o sucesos principales que se identifican a partir de los sentidos. La siguiente captura de pantalla muestra lo dicho.

En la terminolog�a de la representaci�n sem�ntica, necesaria para entender el ejemplo, el agente (agent) es la entidad que causa un suceso (event) o acci�n, o es responsable de ella; el tema (theme), la entidad cuyo estado o posici�n se describe, o cuyo estado es modificado por una acci�n; la posici�n (location), el lugar donde tiene lugar la acci�n o donde existe un objeto; el destino (destination), un punto final para las acciones o procesos que incluyen cambios de lugar; y el instrumento (instrument), el objeto utilizado para llevar a cabo la acci�n. Veamos un ejemplo: "Luis [agente] comi� fideos [tema] con la cuchara [instrumento] en la cocina [posici�n]".

La palabra "outlaw" (bandido, forajido) tiene un solo sentido en ingl�s: CRIMINAL (la may�scula denota el concepto, no la palabra en una frase); "ran", pret�rito del verbo "run" (correr, tomar parte en, funcionar, ejecutar, dirigir, organizar, transportar, pasar de contrabando [armas o drogas]), tiene 9 sentidos en ingl�s; "cocaine", 2; y "United States", uno. No todos los sentidos son v�lidos. Por ejemplo, FLOW (fluir) no admite agentes, solamente un tema (no se puede decir, p. ej., "Andrea fluy� el mercurio�), y debe ser un l�quido; y ni CRIMINAL ni DRUG (droga, medicamento) son l�quidos.

La acci�n SMUGGLE (contrabandear, pasar de contrabando) solamente admite temas que deben ser WEAPON (arma), ILLEGAL-DRUG (droga ilegal) o IMMIGRANT (inmigrante), como muestra la siguiente imagen.

OntoParser rellena todos las acciones y sucesos con los posibles participantes de la frase que ha elegido antes. Luego da una puntuaci�n a los posibles sucesos y acciones y a todas la combinaciones de sus participantes, teniendo en cuenta lo bien que �stos se acoplan a las acciones y sucesos. SMUGGLE es la opci�n m�s correcta (3,5) para el significado de "ran" porque COCAINE, una ILLEGAL-DRUG, es lo que mejor encaja con el tema que SMUGGLE puede tomar. Las otras dos opciones se revelan err�neas para cualquier ser humano cabal, pero no para una m�quina: �c�mo van los bandidos a hacer funcionar los Estados Unidos con coca�na o c�mo van a ser candidatos (run for office) a Estados Unidos?

La representaci�n final en TMR de la frase de ejemplo se muestra en la siguiente imagen. En la representaci�n sem�ntica no existe ninguna ambig�edad sobre el significado de "outlaws" o "ran".

Si existiera la Web sem�ntica, Hakia no necesitar�a OntoParser: buscar�a directamente en las representaciones sem�nticas de las p�ginas electr�nicas, de manera similar a lo que hace Swoogle (http://swoogle.umbc.edu) con los documentos RDF que encuentra en la Red. Como no es as�, primero debe transformarse el lenguaje natural de los recursos en una representaci�n formal.

La empresa Hakia ha concedido licencias de OntoSem a otras compa��as. Una de ellas es RiverGlass, un proveedor de aplicaciones para an�lisis de datos. Algunos de sus productos permiten encontrar, recopilar y analizar informaci�n textual de la Web y de dep�sitos empresariales de documentos. Por el momento, RiverGlass usa OntoSem para su sistema de monitorizaci�n inteligente de la red.

La segunda tecnolog�a en que se basa Hakia es QDEX (Query indexing technique). Esta t�cnica de indexaci�n lee los documentos (p�ginas HTML, por ejemplo) l�nea por l�nea y extrae todas las posibles b�squedas relativas al contenido de cada sentencia. Dicho de otro modo: QDEX anticipa todas las posibles consultas que pueden hacerse bas�ndose en cada sentencia. Consideremos que un usuario escribe en Hakia "�Qu� edad ten�a Mozart cuando muri�?". Esa pregunta figura ya en QDEX antes de que el usuario teclee nada; pues QDEX analiz� las sentencias relevantes de los documentos de la Web y, bas�ndose en tal an�lisis, dedujo anticipadamente que era una pregunta posible. (Los datos de QDEX se almacenan en formato sem�ntico en una red distribuida de servidores, y el proceso de extracci�n de b�squedas es previo a cualquier consulta de los usuarios). Cuando alguien busca informaci�n, estas b�squedas �sentencias, a fin de cuentas� act�an como punteros a los documentos originales, los p�rrafos y las sentencias a partir de los cuales se generaron, de manera que se reducen los datos que deben manipularse al ejecutar una b�squeda concreta.

Cuando QDEX analiza los documentos, emplea OntoSem para eliminar las sentencias/b�squedas carentes de sentido. Por ejemplo, consideremos una p�gina web con la frase: "Hermann Minkowski fue un matem�tico alem�n que estudi� las propiedades geom�tricas de los espacios de N dimensiones". Por pura combinatoria, se podr�an obtienen sentencias como "�Fue N dimensiones un matem�tico?" o "�Estudi� alem�n un matem�tico de N dimensiones?"; pero se descartan porque carecen de sentido (OntoSem sabe que las personas, sean alemanas o no, no tienen N dimensiones, de la misma manera que sabe que FLOW (fluir) admite como tema un l�quido y no una persona).

En el pr�ximo art�culo analizar� con m�s detalle el funcionamiento de QDEX y expondr� la tercera tecnolog�a empleada por Hakia: SemanticRank. En un tercer y �ltimo art�culo sobre Hakia analizar� sus limitaciones actuales y lo comparar� con Google.

BUSCADORES SEM�NTICOS: COMPRENDER PARA ENCONTRAR (Parte 1)

En este art�culo se definen conceptos como b�squeda sem�ntica y buscador sem�ntico y se exponen ejemplos de las ventajas de los buscadores sem�nticos con respecto a los buscadores convencionales, basados en el uso de palabras clave para encontrar informaci�n y mostrarla al usuario. El inter�s industrial y comercial de las b�squedas sem�nticas se manifiesta tanto en la aparici�n de numerosos buscadores sem�nticos como en la utilizaci�n de t�cnicas sem�nticas para complementar las b�squedas convencionales (en Google, por ejemplo).

En mi art�culo anterior habl� del nuevo buscador sem�ntico de Microsoft. En este art�culo definir� precisamente conceptos como "b�squeda sem�ntica" y "buscador sem�ntico" y expondr� ejemplos de sus ventajas con respecto a los buscadores convencionales, as� como de sus limitaciones actuales.

Muchos de los buscadores actuales se basan en palabras clave. Es decir, el usuario introduce las palabras relevantes de su b�squeda ("Albert Einstein" y "Nobel", p. ej.), y la aplicaci�n devuelve todos los documentos que contienen esas palabras. En el apartado 3.2 de El futuro de la Web (http://www.javahispano.org/tutorials.item.action?id=55) puede encontrarse una exposici�n de las desventajas de esos buscadores. Dos son las m�s importantes:

Escasa precisi�n o relevancia en los resultados (se devuelven muchos documentos poco relevantes para la b�squeda: la presencia de una palabra clave en un documento no implica necesariamente que �ste sea relevante).

Excesiva sensibilidad al vocabulario empleado en las b�squedas (y, por tanto, imposibilidad de obtener a la primera todos los resultados relevantes disponibles: muchos documentos de inter�s pueden no incluir las palabras clave, pero s� sin�nimos, hip�nimos o hiper�nimos de ellas).

Un estudio de David Hawking y de varios investigadores evalu� 20 buscadores convencionales (basados en palabras clave) usando 54 b�squedas. El porcentaje de resultados relevantes despu�s de inspeccionar las 20 primeras p�ginas web devueltas fue del 0,5% para el mejor buscador (Northern Light), y Google fue el segundo buscador m�s preciso. As� pues, la popularidad de los buscadores basados en palabras clave no tiene mucho que ver con su precisi�n, sino con la paciencia de buey de los usuarios. As� las cosas, las b�squedas sem�nticas ser�an una vacuna para el contagioso virus de la falta de relevancia en los resultados.

Una b�squeda sem�ntica es una consulta en la que se tiene en cuenta el contexto, y por tanto el significado, de aquello por lo que se pregunta (y no solamente las palabras de la consulta), con el objetivo de evitar la ambig�edades tanto de las consultas como del texto de los documentos donde se busca. Por ejemplo, una b�squeda sem�ntica con las palabras "descubridor" y "penicilina" devolver�a documentos sobre Alexander Fleming, aunque en ellos no aparecieran esos dos t�rminos, porque identificar�a los conceptos que estructuran la b�squeda (la penicilina es un producto del cual se desea averiguar su descubridor o, dicho m�s formalmente, Medicina(Penicilina) tieneInventor Persona(Alexander Fleming)). El fin �ltimo de las b�squedas sem�nticas radica en que los usuarios puedan formular b�squedas m�s precisas y expresivas, que originen resultados relevantes para el usuario con la m�nima intervenci�n de �ste.

Normalmente, se admite que las b�squedas sem�nticas se basan en t�cnicas para extraer informaci�n mediante la utilizaci�n de ontolog�as (v�ase http://www.wshoy.sidar.org/index.php?2005/12/09/30-ontologias-que-son-y-para-que-sirven) o metadatos. El uso de ontolog�as permite definir formalmente los dominios de inter�s (teor�as cient�ficas, por ejemplo) con la suficiente riqueza expresiva para que los usuarios pueden especificar sus b�squedas con bastante detalle, ya sea antes de ejecutar la consulta o durante su ejecuci�n.

Desde un punto de vista t�cnico, un buscador sem�ntico es una aplicaci�n que comprende las b�squedas de los usuarios y los textos de los documentos de la web mediante el uso de algoritmos que simulan comprensi�n o entendimiento, y que a partir de �stos proporciona resultados correctos sin que el usuario tenga que abrir el documento e inspeccionarlo por s� mismo. Un buscador de este tipo reconoce el contexto correcto para las palabras o sentencias de b�squeda. Google o Yahoo no son buscadores sem�nticos, pues se basan fundamentalmente en algoritmos que generan estad�sticas a partir de palabras y enlaces, y no en algoritmos cognitivos que capturen el conocimiento impl�cito en las palabras y su contexto. Por ejemplo, una b�squeda como "�Qui�n fue Urano?" en cualquiera de esos buscadores devolver� resultados afines al s�ptimo planeta del Sistema Solar, cuando est� claro que el prop�sito de la b�squeda es encontrar informaci�n sobre el dios primordial del cielo en la mitolog�a griega.

Los buscadores sem�nticos no siempre pueden acertar a la primera el significado de una palabra polis�mica. Por tanto, deben disponer de medios de desambiguaci�n para conocer el sentido exacto que tiene la palabra en la b�squeda. Por ejemplo, un buscador sem�ntico que utilize internamente ontolog�as con conceptos inform�ticos y medios de transporte deber� disponer de herramientas para determinar a qu� se refiere el usuario cuando hace una consulta con la palabra bus, que puede significar autob�s o "sistema digital que transfiere datos entre los componentes de un computador o computadores". Para ello, puede escoger el significado m�s probable, preguntar al usuario para que elija entre varias opciones (como hace el buscador Hakia, que presenta las opciones extray�ndolas de su ontolog�a) o usar las dem�s palabras de la b�squeda para inferir el significado exacto de bus en ese contexto (p. ej., en una consulta como "�A qu� hora sale este viernes el bus para Soria desde Madrid?").

Como un buscador sem�ntico se basa en algoritmos que simulan la comprensi�n de las palabras y, por ende, establecen relaciones entre ellas, pueden realizar b�squedas de inter�s para el usuario aunque en los documentos devueltos no figuren las palabras o expresiones de b�squeda. Por ejemplo, un buscador sem�ntico en que se introdujera la palabra "marsupial" mostrar�a documentos donde aparecer�an t�rminos como �stos: canguro, koala, satanelo de Nueva Guinea, monito del monte, rata canguro, zarig�eya, tlacuache, demonio de Tasmania. Como demuestra este ejemplo, las b�squedas sem�nticas son muy superiores a las basadas en palabras clave: uno puede encontrar documentos de inter�s que jam�s encontrar�a buscando con palabras clave. Adem�s, si uno buscara informaci�n sobre distintas especies de marsupiales, no necesitar�a formular la consulta de distintas maneras, con el nombre de cada especie, para obtener la informaci�n deseada.

La falta de estructura y de anotaciones sem�nticas en los recursos de la web (documentos Word, PDF, p�ginas HTML, etc.) obliga a que los buscadores sem�nticos analicen mediante algoritmos cognitivos los recursos, palabra a palabra y oraci�n a oraci�n, para asignar las palabras y oraciones a conceptos ontol�gicos. Estos algoritmos son lentos y requieren supervisi�n humana. De ah� que los buscadores sem�nticos no cubran por ahora tantos recursos de la web como los convencionales, que emplean algoritmos estad�sticos, mucho m�s r�pidos y completamente automatizados. Esta limitaci�n desaparecer� cuando se vayan mejorando los algoritmos cognitivos o en cuanto los "islotes sem�nticos" se unan para formar la web sem�ntica o, al menos, "continentes sem�nticos".

"Nunca existir� la web sem�ntica �oigo a lo lejos�. Es tan imposible que funcione como las m�quinas voladoras de Leonardo da Vinci." Tengo dos objeciones contra esa opini�n. Una: el pesimismo no tiene futuro. Dos: hubo un tiempo, no lejano, en que se pensaba que la interoperabilidad sint�ctica era imposible salvo con enormes inversiones, y casi todos apostaron a que no habr�a un �nico caballo ganador en la carrera de los lenguajes de intercambio de datos. Se equivocaron. Y algunos perdieron hasta la camisa. A�n peor: unos pocos siguieron apostando por caballos perdedores despu�s del final de la carrera.

A falta de la web sem�ntica, algunos ya se han puesto al tajo. Existen buscadores sem�nticos que trabajan ya estructurando la informaci�n a la que luego se accede mediante b�squedas, pues resulta posible obtener cierto nivel de conocimiento sem�ntico a partir de la estructura de los datos. Por ejemplo, Freebase (http://www.freebase.com/), un buscador social, utiliza RDF para definir su estructura de datos como una serie de nodos y un conjunto de enlaces que establecen relaciones entre los nodos. Freebase tiene una gran colecci�n de vocabularios codificados mediante RDF(S), con los cuales expresa un amplio rango de dominios y �reas de inter�s.

Seg�n la documentaci�n oficial de Freebase, lo que diferencia a Freebase de otras bases de datos es que cualquier asunto puede ir acompa�ado de muchas clases distintas de informaci�n. El ejemplo que dan es muy claro: "Por ejemplo, Arnold Schwarzenegger podr�a aparecer como actor en una base de datos de pel�culas, como gobernador en una base de datos de pol�tica y como Mr. Universo en una base de datos de culturistas. En Freebase, solamente hay un tema sobre Arnold Schwarzenegger, que contiene informaci�n sobre las tres facetas de su vida p�blica. El tema unificado act�a como un centro de informaci�n, por lo que es f�cil encontrar informaci�n sobre �l y aportarla, independientemente de qu� clase de informaci�n es".

En principio, los buscadores sem�nticos podr�an evitar las p�ginas basura, que proliferan en la web como malas hierbas en un campo abandonado. Como tienen en cuenta el contexto de las palabras o frases de los documentos, podr�an descartar esas p�ginas enseguida. Por ejemplo, una p�gina web que incluya la frase "web sem�ntica" rodeada de frases sobre c�mo aumentar la potencia sexual, juguetes er�ticos y sexo f�cil en alg�n pa�s lejano de costumbres relajadas ser�a eliminada de cualquier b�squeda sobre la web sem�ntica o tendr�a una relevancia muy baja; pues el contexto de estas �ltimas frases (sexo) no tiene ninguna relaci�n con la web sem�ntica.

Que un buscador permita introducir preguntas en lenguaje natural ("�Qu� tiempo hace ahora en Viena?") y las responda correctamente no significa necesariamente que sea un buscador sem�ntico: puede que solamente traduzca las preguntas en lenguaje natural a consultas sobre una base de datos.

Por el momento, casi todos los buscadores sem�nticos permiten solamente b�squedas en ingl�s, aunque se est�n ampliando para que admitan otros lenguajes. Aparte del predominio del ingl�s, la causa de eso se debe tambi�n a las dificultades inherentes a reflejar el conocimiento de los lenguajes naturales en estructuras de datos que permitan b�squedas r�pidas y escalables (matrices, listas, pilas, colas, �rboles, grafos, etc.). Por ejemplo, el buscador Hakia utiliza un vocabulario en forma de ontolog�a que incluye unos 100.000 sentidos de palabras inglesas, y ese n�mero continuar� aumentando seg�n se perfeccione la aplicaci�n. Confeccionar cualquier vocabulario de ese tama�o es una empresa lenta, tediosa y muy cara, y que debe ser realizada por un equipo bien coordinado de especialistas en ling��stica.

Se equivocar� quien piense que, teniendo una ontolog�a de sentidos de palabras en ingl�s, resulta sencilla su conversi�n a una ontolog�a en otro idioma: la conversi�n de ontolog�as ling��sticas de un idioma a otro es un proceso muy complejo y que requiere la supervisi�n constante de un equipo de traductores. Por poner un ejemplo, si queremos pasar de una ontolog�a ling��stica en espa�ol a una en alem�n, debemos considerar todas las posibles traducciones al alem�n de cada palabra espa�ola; en caso contrario, los resultados de las b�squedas en alem�n estar�n m�s limitados que los de las b�squedas en espa�ol. Una palabra espa�ola sencilla y sin ambig�edades como "autom�vil" puede traducirse en alem�n como "Auto", "Wagen", "Kraftwagen", "Kraftfahrzeug", "Automobil", "Motorfahrzeug" o "KFZ" (seguro que hay m�s traducciones, pero hasta ah� llega mi alem�n b�sico).

En una b�squeda interlingu�stica espa�ol-alem�n de tipo sem�ntico, todas estas palabras deber�an tenerse en cuenta para encontrar todos los documentos relevantes cuando alguien escriba "autom�vil" en el buscador. (Las b�squedas interlingu�sticas son aquellas en que se traduce una b�squeda en un lenguaje a otro lenguaje, y los resultados se traducen de nuevo al primer lenguaje. Google est� trabajando para a�adir a su buscador esta clase de b�squedas, que permitir�n, entre otras muchas cosas, que un hispanohablante puede reservar entradas en museos y cines en Tokio, aunque la informaci�n de horarios y venta de entradas no est� disponible en espa�ol.)

Es probable que los buscadores sem�nticos cambien la manera en que se busca y se muestra la informaci�n y que supongan un gran cambio para los usuarios ocasionales. Consid�rense, por ejemplo, las interfaces que aparecen en las siguientes capturas de pantalla, procedentes de Mnemo (http://www.mnemo.org/) Kart00 (http://www.kartoo.com/) y KoolTorch ( http://www.kooltorch.com/).

BING: EL NUEVO BUSCADOR SEM�NTICO DE MICROSOFT

Las tecnolog�as sem�nticas se utilizan cada vez m�s en las grandes empresas, y un ejemplo de ello lo constituye el nuevo buscador de Microsoft: Bing. Poco a poco, se va alcanzando una masa cr�tica industrial y de usuarios que seguramente permitir� el paso de "islotes sem�nticos" a la Web sem�ntica, del mismo modo que unas cuantas p�ginas HTML y una infinidad de archivos de distintos formatos ("islotes sint�cticos") acabaron formando la Web actual.

En mayo de este a�o, Microsoft anunci� el lanzamiento de Bing (www.bing.com), un nuevo buscador basado en tecnolog�as sem�nticas. Este buscador est� disponible en forma de versi�n definitiva para Estados Unidos, y existe una versi�n beta para Europa a la que se le ir�n a�adiendo progresivamente algunas funciones de la versi�n estadounidense. Por el momento, consultas como "�Qui�n fue la mujer de Salvador Dal�?" o "�Cu�ndo muri� Hermann Minkowski?" obtienen la respuesta correcta en la versi�n estadounidense, pero todav�a no en la europea.

Parte de las tecnolog�as sem�nticas que usa Bing provienen de Powerset, empresa especializada en b�squedas sem�nticas mediante lenguaje natural y que fue adquirida en agosto de 2008 por Microsoft. El primer producto de Powerset es un buscador en lenguaje natural para la Wikipedia (www.powerset.com). En el cuadro de b�squeda se pueden introducir palabras, frases y preguntas. Los resultados del buscador de Powerset son bastante precisos, y en algunos casos incluso puede responder directamente ciertas preguntas. Por ejemplo, si introducimos las preguntas "When did Julio Cort�zar die?" (�Cu�ndo muri� Julio Cort�zar?), "Where did Julio Cort�zar die?" (�D�nde muri�?) y "Was Julio Cort�zar married?" (�Estuvo casado?), descubriremos que el escritor argentino muri� el 12 de febrero de 1984 en Par�s y que estuvo casado tres veces: primero con Aurora Bern�rdez, luego con Ugn� Karvelis y finalmente con Carol Dunlop (seg�n varias biograf�as del escritor, nunca contrajo matrimonio con Ugn� Karvelis, pero supongo que esa informaci�n estar� mal en la Wikipedia en ingl�s). Si preguntamos "What did Julio Cort�zar write?" averiguaremos que escribi�, entre otros libros, Rayuela, Las armas secretas, Final del juego, Fantomas contra los vampiros internacionales y Bestiario.

Si, por ejemplo, preguntamos c�mo muri� Ernest Hemingway ("How did Ernest Hemingway died?"), el buscador de Powerset responde directamente que la causa de la muerte fue suicidio -era de esperar esa muerte en un hombre que afirm�: "Cazo y pesco porque me gusta matar, porque si no matara animales me suicidar�a"- y muestra una imagen que no invita a disfrutar de la vida, precisamente.

Seg�n Microsoft, Bing combina tecnolog�a de b�squeda sem�ntica y miner�a de datos. Por necesidad, esta miner�a de datos es muy r�pida: cuando se realiza una b�squeda por palabras clave hay que determinar los conceptos relacionados con estas palabras (por ejemplo, sin�nimos), buscar tambi�n recursos de la web con esos conceptos y determinar su pertinencia para los resultados de la b�squeda.

El nuevo buscador usa ontolog�as para identificar conceptos y asociaciones entre ellos relacionados con una consulta del usuario. Siguiendo el ejemplo que puse en http://www.wshoy.sidar.org/index.php?2005/12/09/30-ontologias-que-son-y-para-que-sirven, Bing puede entender que "memoria USB", "pen drive", "memoria flash USB" y "l�piz USB" son t�rminos relacionados y que designan un mismo dispositivo.

Seg�n declara Microsoft, Bing no es un sistema completo de b�squeda sem�ntica por cuestiones de velocidad: analizar el contenido completo de todos los recursos de la web har�a que la obtenci�n de resultados fuera muy lenta. Con todo, es probable que el desarrollo de nuevos algoritmos o el perfeccionamiento de los actuales haga posible b�squedas sem�nticas completas en tiempos muy reducidos.

La aparici�n de este buscador es una buena noticia, porque es un paso m�s hacia la Web sem�ntica (por el momento, s�lo existen "islotes sem�nticos") y a la popularizaci�n de las tecnolog�as sem�nticas (v�ase, por ejemplo, http://www.wshoy.sidar.org/index.php?2009/05/11/44-el-proyecto-europeo-stasis-acercando-las-tecnologias-semanticas-a-las-empresas). Cada vez hay m�s grandes empresas que utilizan ontolog�as y lenguajes formales para manejar los datos que almacenan en sus servidores y centros de datos y para navegar por ellos. Bing tambi�n obligar� a la empresa Google a que utilice m�s y mejores tecnolog�as sem�nticas en su buscador: la efectividad de la publicidad, as� como los ingresos derivados de �sta, ser� mucho mayor con el uso de tecnolog�as sem�nticas que entiendan el significado de las b�squedas y que, por ende, permitan encontrar exacta y r�pidamente lo que el usuario busca.

Por el momento, Google usa algoritmos sem�nticos que detectan relaciones y conceptos relacionados con las palabras clave que introduce el usuario, y los utiliza para sugerir b�squedas relacionadas con las palabras clave introducidas. En la captura de pantalla siguiente puede verse c�mo la consulta "corriente filos�fica" da lugar a sugerencias de b�squedas relacionadas con el idealismo, el empirismo, el racionalismo, el positivismo, la filosof�a de John Locke, de Heidegger, etc. Aunque no hay mucha informaci�n sobre estos algoritmos sem�nticos, supongo que usan taxonom�as u ontolog�as para determinar qu� clasificaci�n asignar a los contenidos m�s importantes de las p�ginas, y luego determinan mediante reglas de clasificaci�n si las palabras clave de b�squeda corresponden a conceptos y relaciones de esas taxonom�as u ontolog�as. Adem�s, supongo tambi�n que la exactitud de las b�squedas relacionadas se va comprobando y refinando teniendo en cuenta qu� proporci�n de usuarios las selecciona.

El proyecto europeo STASIS: acercando las tecnolog�as sem�nticas a las empresas

En este art�culo se presenta el proyecto europeo STASIS, cuyo objetivo es acercar las tecnolog�as sem�nticas (ontolog�as, por ejemplo) a las empresas mediante herramientas sencillas, as� como dar a conocer las ventajas econ�micas y las nuevas oportunidades de negocio que estas tecnolog�as ofrecen.

En este art�culo quiero difundir el proyecto STASIS (Software for Ambient Semantic Interoperable Systems), en el cual he colaborado y en el que trabaja el Departamento de Tecnolog�as de la Informaci�n de AIDIMA. Es un proyecto subvencionado por el Sexto Programa Marco de la Uni�n Europea y pone en pr�ctica algunas de las tecnolog�as sem�nticas que he comentado en anteriores art�culos. El proyecto empez� en septiembre de 2006 y terminar� en agosto de 2009; tiene un presupuesto de 4 millones de �uros. Al final del proyecto se har�n p�blicos sus resultados.

En STASIS participan doce socios, pertenecientes a empresas comerciales (TIE, Porthus, iSoft), a universidades (Universidades de Oldenburg, Modena & Reggio Emilia y Tsinghua) y a varias organizaciones (AIDIMA, Mariner, Shanghai Sunline, Foton, TANET, ZF y Friedrichshafen AG).

La motivaci�n para STASIS se resume en la siguiente frase: "Si tengo informaci�n en mi formato y est� integrada en mis sistemas, quiero dedicar el m�nimo esfuerzo a convertirlo en cualquier otro formato (estandarizado o no) para realizar negocios electr�nicos con cualquier otra parte".

Actualmente, muchas empresas tienen que hacer negocios electr�nicos con otras empresas o entidades (administraciones p�blicas, universidades, etc.) y para ello necesitan intercambios distintos tipos de informaci�n (facturas, albaranes, pedidos, devoluciones, archivos CAD, etc.). El coste de estos negocios electr�nicos corresponde principalmente a los problemas de interoperabilidad; es decir, a la dificultad de intercambiar informaci�n entre distintas partes en un formato com�n que los sistemas de informaci�n de cada parte puedan �entender�.

Sin un formato com�n ni ninguna aplicaci�n que actu� de puente (un "traductor sint�ctico", por as� llamarlo), el sistema de informaci�n de una empresa no comprender� que el campo "Cantidad" de una factura electr�nica de otra empresa corresponde al campo "Unidades" que este sistema maneja. El sistema puede reconocer "Unidades" en un pedido (reconocimiento sint�ctico), pero c�mo desconoce su significado (sem�ntica) no puede hacer nada con esa informaci�n. En consecuencia, los sistemas de informaci�n de ambas empresas no pueden intercambiar mensajes (facturas, pedidos, albaranes, etc.) autom�ticamente. En el comercio electr�nico, la falta de sem�ntica causa hasta el 60% del coste de integraci�n de los sistemas de informaci�n.

Si los sistemas de informaci�n gestionan y manipulan informaci�n no demasiado compleja, pueden utilizarse aplicaciones puente que transformen los documentos de una empresa a documentos de la otra (por ejemplo, "Unidades" pasar�a a "Cantidad"), y viceversa. El problema de estas aplicaciones puente es que son costosas y requieren un conocimiento exacto del significado de la informaci�n que se va a intercambiar �hay que embeber en la aplicaci�n la sem�ntica que falta en los sistemas de informaci�n�.

Adem�s, si hay muchos sistemas de informaci�n, cada uno con su propio formato, las aplicaciones puente se vuelven inmanejables y desproporcionadas en coste.

Existen formatos estandarizados como XML o EDI (v�ase http://www.javahispano.org/tutorials.item.action?id=55) para el intercambio de informaci�n, pero son bastante complejos y caros, am�n de exigir especialistas en ellos. Adem�s, el conocimiento exacto del significado de los conceptos de una cierta �rea de conocimiento (gen�tica, por ejemplo) solamente lo tienen los usuarios de ese conceptos (genetistas, verbigracia), y no los especialistas en formatos estandarizados.

STASIS trata de resolver los problemas de interoperabilidad creando herramientas que cualquier empresa, ya sea grande o peque�a, pueda utilizar para crear correspondencias basadas en sem�ntica, pero evitando las complicaciones t�cnicas de �sta (creaci�n de ontolog�as, dominio de lenguajes l�gicos, p. ej.). En lugar de concertarse en la sintaxis, STASIS se concentra en identificar entidades o conceptos sem�nticos y en establecer equivalencias o conversiones entre ellas. Por ejemplo, tres conceptos como "Calle", "C�digo postal" y "Ciudad" pueden agruparse en una entidad sem�ntica llamada "Direcci�n", que a su vez puede asociarse a la definici�n formal de direcci�n en una ontolog�a.

El proceso de asociaci�n entre conceptos se realiza mediante ontolog�as, en las que pueden definirse los conceptos como clases y pueden establecerse relaciones entre ellos (v�ase http://www.wshoy.sidar.org/index.php?2005/12/09/30-ontologias-que-son-y-para-que-sirven). Asimismo, los conceptos pueden enlazarse con estructuras sint�cticas. Por ejemplo, la clase de una ontolog�a "Memoria USB" puede enlazarse al campo "USB flash memory" de una base de datos de una empresa, al campo "Pendrive" de la BD de otra empresa, al campo "Memory stick" de la BD de una tercera empresa�

Las aplicaciones desarrolladas en STASIS permiten identificar entidades sem�nticas utilizados en una organizaci�n y luego relacionarlas semiautom�ticamente con los conceptos utilizados en otra, considerando el significado de cada concepto y no s�lo su sintaxis. Por ejemplo, en la figura de abajo, las herramientas de STASIS permitir�an establecer relaciones entre los conceptos de dos bases de datos pertenecientes a distintas organizaciones.

Todas las entidades sem�nticas y sus relaciones creados en STASIS se almacenan en un repositorio distribuido entre iguales o peer-to-peer, lo cual permite compartir reutilizar esos conceptos y relaciones. Hasta el momento, se ha conseguido que las aplicaciones de STASIS sean lo bastante �inteligentes� para proponer relaciones entre conceptos mediante el an�lisis y la reutilizaci�n de relaciones ya establecidas.

Las herramientas de STASIS se est�n probando en Europa y China en el sector de la automoci�n y del mobiliario porque ambos sectores se caracterizan por utilizar infraestructuras de comunicaciones y formatos de datos incompatibles entre s�. Esto aumenta los costes de hacer negocios electr�nicos con otras empresas (proveedores, distribuidores, clientes) y ralentiza el lanzamiento de nuevos productos. Actualmente, STASIS ya permite a los participantes comerciales del proyecto construir comunidades abiertas donde se define y se comparte la sem�ntica de la informaci�n intercambiada en sus dominios.

�TIENEN LOS AGENTES INTELIGENTES CREENCIAS, INTENCIONES Y DESEOS?

Cuando se describen agentes de software, suelen utilizarse modelos que emplean conceptos como "creencia", "deseo" o "intenci�n". Tambi�n cuando se habla de ellos suelen usarse expresiones como "El agente de viajes desea que su cliente haga el viaje con pocos transbordos". En este art�culo veremos la utilidad de los modelos basados en creencias, deseos e intenciones para describir entidades de software que realmente no tienen esos estados mentales. �O tal vez s�?

Los agentes inteligentes son agentes de software con la capacidad de tomar decisiones racionales cuando se les presenta una elecci�n. Si un agente inteligente tiene un objetivo (buscar informaci�n sobre f�sica cu�ntica, por caso), tomar� decisiones para seguir el curso de acciones que le conducir� a cumplir el objetivo. Una decisi�n racional ser�a, por ejemplo, buscar en la base de datos de tesis doctorales del Instituto Max Planck.

Cuando se habla de agentes inteligentes o de sistemas multiagente suelen usarse t�rminos como "creencia", "deseo" o "intenci�n". �stos proceden del modelo Creencia-Deseo-Intenci�n (CDI o, en ingl�s, BDI: Belief-Desire-Intention), que describe los agentes inteligentes mediante nociones cognitivas como las anteriores. El modelo CDI se basa parcialmente en las ideas del fil�sofo estadounidense Daniel Clement Dennett, quien defiende el enfoque intencional para explicar el comportamiento humano. En opini�n de este fil�sofo, el comportamiento humano puede explicarse e incluso predecirse bas�ndose en conceptos de intenciones (intencionales): creer, temer, querer, desear, esperar� Dennet utiliza el t�rmino sistema intencional para referirse a entidades "cuyo comportamiento puede predecirse por el m�todo de atribuir creencias, deseos y perspicacia racional".

El modelo CDI tambi�n se basa en la teor�a del razonamiento pr�ctico, propuesta por el fil�sofo estadounidense Michael Bratman. Esta teor�a define un marco psicol�gico de sentido com�n para entender el comportamiento humano mediante creencias, deseos e intenciones, concebidos como planes parciales para realizar acciones concretas. A diferencia del razonamiento puramente l�gico, el razonamiento pr�ctico se orienta hacia las acciones (�qu� debemos hacer para conseguir algo?). Es innegable que el razonamiento humano es pr�ctico, pues casi todas las situaciones con las que nos enfrentamos en la vida ordinaria requieren soluciones pr�cticas: en un viaje, nadie se plantea utilizar las ecuaciones de Euler-Lagrange del c�lculo variacional para hallar el camino m�s corto entre dos ciudades. Lo pr�ctico es consultar un mapa de carreteras o preguntar en una estaci�n de trenes.

Seg�n Bratman, el razonamiento pr�ctico se basa en dos procesos: a) decidir qu� objetivos deben conseguirse (proceso de decisi�n o elecci�n); b) elegir un plan para conseguirlos (proceso de b�squeda de medios para alcanzar el objetivo). Por ejemplo, cuando una persona cambia de trabajo es porque ha decidido previamente que quiere m�s dinero, menor distancia al trabajo, mayor categor�a laboral, etc.; y que, para conseguir sus deseos, debe irse a otra empresa.

En el modelo CDI, los agentes inteligentes se consideran sistemas intencionales. Es decir, su comportamiento se explica consider�ndolos agentes racionales cuyas acciones est�n determinadas por sus deseos y creencias. Del mismo modo que decimos "Elena trabaja en una multinacional porque quiere ganar mucho dinero", podemos decir "El agente de compras trabaja con diversos proveedores en Internet porque quiere precios bajos" o "El robot evita los obst�culos porque quiere llegar lo antes posible a su destino". M�s adelante abordar� si es leg�timo asignar conceptos intencionales a los agentes.

En el modelo CDI, las creencias representan el conocimiento que el agente tiene sobre el estado actual de su entorno, de s� mismo y de otros agentes. Se utiliza el t�rmino creencia en lugar de conocimiento porque las creencias de un agente pueden ser err�neas. Por ejemplo, si consideramos un agente para jugar al ajedrez, la posici�n de cada pieza es una creencia del agente. Tanto los agentes inteligentes como los humanos toman, para cumplir sus objetivos, decisiones basadas en sus creencias sobre el mundo; es decir, en las informaciones que sobre �l tienen ("El cielo es azul", "El colesterol es malo para la salud", "Cuando no se ven las is�baras, es que las cosas no est�n claras", "El cerebro es un �rgano maravilloso: empieza a trabajar en el momento en que usted despierta por la ma�ana y no se detiene hasta que llega a la oficina", etc.).

En un agente CDI, la racionalidad resulta imprescindible. Imagine que encarga a un agente comprar en Internet la pel�cula Chelsea Girls. Si el agente tiene como objetivo comprar la pel�cula al precio m�s barato posible y cree que puede conseguirlo en Amazon.com, comprarlo en Amazon ser�a una decisi�n inteligente. Si el agente decidiera comprarla en cualquier parte, en contra de su objetivo o de sus creencias, su decisi�n no ser�a inteligente o, por mejor decir, ser�a irracional.

Los humanos y los agentes inteligentes tienen una gran flexibilidad en sus creencias: si descubren que son err�neas o incompletas pueden cambiarlas. Unos y otros disponen de reglas de inferencia que les permiten revisar sus creencias cuando se encuentran ante situaciones que contradicen las antiguas. Veamos un ejemplo: durante muchos siglos, los europeos creyeron que todos los cisnes eran blancos. Cuando se encontraron cisnes as� en Australia �bastante violentos, todo sea dicho de paso�, los europeos cambiaron enseguida esa creencia err�nea y modificaron sus libros de l�gica, ricos en expresiones como "Todos los cisnes son blancos". (Hay excepciones a la flexibilidad de las creencias humanas, claro. Pi�nsese, por ejemplo, en La sociedad de la Tierra plana: la tozudez humana puede vencer holgadamente a cualquier conjunto de pruebas emp�ricas.).

Aparte de la mayor complejidad de las creencias humanas frente a las de los agentes, ambas difieren tambi�n en su codificaci�n. Las humanas se codifican en nuestras redes neuronales; dependiendo de los est�mulos externos, se generan m�s o menos dentritas (conexiones sin�pticas) entre las neuronas. En los agentes inteligentes, las creencias se codifican mediante lenguajes l�gicos y ontolog�as. Por ejemplo, la ausencia de una persona puede codificarse como la creencia (Luis estaEnCasa ausente), donde ausente es una constante que significa que la persona no est� en casa o no est� a la vista del agente y Luis es una instancia de una clase Persona. Usar lenguajes l�gicos y ontolog�as limita la riqueza expresiva de las creencias.

Los deseos de modelo CDI, tambi�n llamados metas u objetivos, representan determinados estados que el agente quiere producir en su entorno, en s� mismo o en otros agentes. Corresponden a tareas que el agente debe realizar y que se consideran l�gicamente consistentes entre s�: "buscar vuelo a Munich", "ganar a las cartas", "conseguir tablas en la partida", "encontrar el precio m�s barato". Un deseo como "quiero agua caliente" es inconsistente con el de "quiero agua fr�a"; como sucede con "quiero congelar la patata" y "quiero fre�r la patata", si s�lo hay una. En lenguaje l�gico, los deseos se expresan con expresiones como (conseguir (agua tieneTemperatura 20)) o (comprobar ((Luis estaEnCasa ausente) Y (luz esta apagada))).

En el modelo CDI, las intenciones son deseos que el agente se compromete a realizar (no todos los deseos pueden cumplirse, como bien sabemos los humanos). Son deseos muy intensos y limitados a los aspectos del entorno sobre los cuales el agente tiene alg�n grado de control. Un agente s�lo tiene intenciones que considera posibles y que cree que puede lograr actuando de cierta manera.

Los agentes no necesitan considerar todos los posibles efectos secundarios de sus intenciones. Por ejemplo, consideremos un agente que pasea por Soria en invierno y tiene como objetivo llegar lo antes posible a una determinada calle. De repente se encuentra que el r�o Duero le impide el paso. Si decide cruzarlo nadando, enseguida se encontrar� empapado. Aunque el agente decida llegar como sea a su destino lo antes posible y, por tanto, est� dispuesto a mojarse y pasar fr�o, eso no significa que el agente desee sumergirse en aguas heladas. Que el agente se moje no es una intenci�n: si no lo consigue, no lo volver� a intentar.

Las intenciones dan lugar a cursos de acci�n �planes� que el agente sigue en un intento de cumplir sus intenciones. Cuando un agente tiene una intenci�n, su actividad se centra en ella. La influencia de la teor�a de Bratman sobre el razonamiento pr�ctico en el modelo CDI resulta bien visible ahora: las salidas del proceso de decisi�n son las intenciones; y las salidas del proceso de b�squeda de medios para alcanzar su objetivo son los planes, que se ejecutan mediante acciones. �stas provocan consecuencias que pueden cambiar las creencias, deseos, intenciones, planes y acciones del agente. Si las acciones del plan no le permiten conseguir su intenci�n, intentar� otro plan.

Si consideramos un agente con un deseo como (conseguir (Ana beber agua), una intenci�n podr�a intentarse con el siguiente plan:

(ir nevera)
(buscar botellaAgua)
(sacar botellaAgua)
(botellaAgua llevarA Ana)
(botellaAgua entregarA Ana)

Como ejemplo de arquitectura de agentes inteligentes basada en el modelo CDI se puede citar JAM (http://www.marcush.net/IRS/irs_downloads.html). En esta arquitectura, las creencias, deseos e intenciones de los agentes se representan expl�citamente en el c�digo del agente; y las intenciones del agente se determinan din�micamente mientras se ejecuta, de acuerdo con las creencias, deseos e intenciones programados.

En JAM, las creencias del agente se representan como hechos (FACTS) que se almacenan en un fichero de texto. Por ejempo, he aqu� las creencias que podr�a tener un agente robot:

FACTS:
   // creencias del agente
   FACT nombre_robot "Ivan";
   FACT id_robot "03536D";
   FACT estado_robot "Correcto";
   FACT posicion_robot 10000 10000 0;
   FACT lugar_robot "Habitacion3";
   FACT objeto_encontrado "Falso";
   FACT objeto_entregado "Falso";
   FACT destino "Habitacion4";

He aqu� un ejemplo de intenciones (llamados GOALS en JAM) y planes (cursos de acci�n para intentar cumplir las intenciones) para el agente robot en JAM:

PLAN: {
NAME: "Plan05"
GOAL: ACHIEVE recoger_destornillador
CONTEXT:
    FACT localizado "destornillador" $X;
    FACT localizado "robot" $X;
    FACT localizado "caja_herramientas" $Y;
BODY:
   EXECUTE print "Coge el destornillador en" $X �.\n�;
   ASSERT coger "destornillador";
   ACHIEVE localizado "robot" $Y;
   EXECUTE print "Deja el destornillador en" $Y ".\n";
   RETRACT coger "destornillador";
   ASSERT depositar "destornillador";
}

Con ASSERT se a�aden nuevos hechos al conocimiento del agente. Con RETRACT se borran. CONTEXT especifica las situaciones para las cuales los planes son v�lidos.

Algunos autores creen incorrecto utilizar t�rminos como creencias o intenciones aplicadas a agentes, pues son estados mentales que los programas o las m�quinas no pueden tener. Para algunos, asignar a un agente palabras como "quiere" o "desea" es una forma de animismo (reconozco que definir persona como "aquel programa de computadora capaz de superar la prueba de Turing" me parece animismo en estado puro, adaptado a los tiempos modernos). Acierten o no, lo cierto es que resulta �til emplear conceptos intencionales porque facilitan entender la estructura de los agentes y su comportamiento.

En el campo de los agentes, los conceptos intencionales son met�foras y abstracciones que proporcionan maneras sencillas y familiares de describir, explicar y predecir el comportamiento de los agentes. El lenguaje cotidiano usa muchas met�foras ("Carlos funciona muy bien en el trabajo", "Carmen se encuentra en el oto�o de su vida", "Sujete la pata de la mesa", "Dele a la luz", "Respete mis canas", "El televisor se niega a funcionar"), as� que no es extra�o que suceda lo mismo en el lenguaje inform�tico y en el cient�fico ("Conecte el rat�n del ordenador", "El agente se comporta de manera err�tica", "El sistema ha ca�do", "Descargue un archivo de Internet", "El fot�n sabe por qu� rendija pasar"). Las abstracciones han resultado tambi�n muy provechosas en la inform�tica: los m�dulos, los tipos de datos abstractos, las clases y los agentes son abstracciones que nos evitan trabajar con c�digo m�quina o con lenguaje ensamblador.

El investigador Yoav Shoham �que acu�� el t�rmino "programaci�n orientada a agentes" en 1989 y ha intentado entenderlo desde entonces� pone el ejemplo de una computadora para explicar la utilidad del enfoque intencional en la inform�tica: aunque puede conseguirse una descripci�n t�cnica de la computadora y de su sistema operativo, ser�a inapropiado recurrir a esas descripciones para explicar por qu� aparece un men� cuando pulsamos un cierto icono con el rat�n. Cualquier computadora es demasiado complicada para explicar cada operaci�n que podemos realizar con ella.

Shoham tambi�n contrasta el ejemplo de la computadora con el de un interruptor de la luz. Aunque admite que el interruptor es un sistema que puede describirse muy bien con nociones intencionales ("El interruptor transmite corriente cuando cree que nosotros queremos que la transmita, y no en otros casos; apretar el interruptor es simplemente una manera de comunicar nuestros deseos"), reconoce que esa descripci�n es absurda y quiz�s infantil. A la pregunta "�Por qu� aceptamos la descripci�n intencional de la computadora y rechazamos la del interruptor?", Shoham responde: "La descripci�n intencional del interruptor no nos dice nada, porque esencialmente entendemos el mecanismo lo bastante para tener una descripci�n mecanicista y m�s simple de su comportamiento".

Lista de buscadores sem�nticos.

Una peque�a nota para tener como referencia aqu�� una interesante lista de buscadores sem�nticos en espa�ol. Se encuentra en: http://www.javi.it/semantic.html P�gina de lo m�s inaccesible, pero en fi�n, qu� se le va a hacer, lamentablemente la mayor��a de la gente interesada por la sem�ntica no es consciente de la importancia de la accesibilidad :-( El apunte me lo ha pasado Mart��n Baldassarre :-) Y eso es todo... Bueno, a�ado que en la lista no aparece, porque a�n no se ha publicado el buscador sem�ntico desarrollado por la Fundaci�n Sidar y cuya beta espero poder anunciar tras el verano.

Blogged with the Flock Browser

Tags: buscador, listas, semántica

�DE D�NDE VIENEN LOS AGENTES DE SOFTWARE?

Los agentes de software ser�n parte de la Web sem�ntica, pero no est�n restringidos a ella. Cada vez se usan m�s en aplicaciones de todo tipo: comercio electr�nico, sistemas de telecomunicaciones, control de procesos industriales, b�squeda de informaci�n, control del tr�fico a�reo, reingenier�a de procesos, gesti�n de agendas, organizaci�n de correos electr�nicos, etc. Puede que en el futuro no exista la Web sem�ntica o que s�lo haya "islotes" sem�nticos. Sea como fuere, los agentes est�n aqu� para quedarse. En este art�culo veremos de d�nde viene la tecnolog�a de agentes.

Cada vez m�s, se necesitan programas o aplicaciones flexibles, que sean capaces de anticiparse a las necesidades de los usuarios de sistemas inform�ticos y de adaptarse a ellas. Los agentes son una soluci�n a esa necesidad. Un agente de software es una entidad aut�noma de software que puede interaccionar con su entorno. James Hendler considera que los agentes de software no difieren mucho de los agentes humanos: "� los agentes podr�an encontrar posibles maneras de cumplir las necesidades de los usuarios y ofrecer al usuario elecciones para su realizaci�n. Del mismo modo que un agente de viajes podr�a darle una lista de varios vuelos que usted podr�a coger, o una elecci�n entre volar o coger un tren, un agente de la Web podr�a ofrecer una lista de posibles maneras de obtener lo que necesita en la Web".

Los agentes proceden de los campos de la inteligencia artificial (IA) y de la ingenier�a del software (en particular, de la orientaci�n a objetos). Desde un punto de vista conceptual los agentes proceden del modelo de actores concurrentes que propusieron Carl Hewitt, Peter Bishop y Richard Steiger en 1973. Los actores, directos predecesores de los agentes, fueron definidos por Hewitt en 1977 como "objetos autocontenidos, interactivos y que se ejecutan concurrentemente, que poseen estado interno y capacidad de comunicarse" y como "agentes computacionales que tienen una direcci�n de correo y un comportamiento". Los actores se comunican mediante un intercambio de mensajes y llevan a cabo sus acciones concurrentemente (es decir, sus acciones pueden ejecutarse en paralelo, sin secuencias fijadas de antemano). La principal diferencia entre los actores y los agentes es que estos �ltimos suelen tener restricciones relacionadas con metas o prop�sitos.

Las relaciones y las diferencias entre los objetos y los agentes se detallan en http://www.wshoy.sidar.org/index.php?2007/05/08/38-los-trabajadores-de-la-web-semantica-agentes-agentes-inteligentes-y-agentes-semanticos. La ingenier�a de software tiende a adoptar enfoques un tanto totalitarios: todo es un actor, todo es un objeto�

Hay una fuerte relaci�n entre los agentes y la IA: provienen del campo de la inteligencia artificial distribuida (IAD), que estudia m�todos y t�cnicas para la resoluci�n de problemas mediante la cooperaci�n de diversas entidades distribuidas, aut�nomas e inteligentes. En la IAD se entremezclan dos disciplinas: la IA y los sistemas distribuidos. Un sistema distribuido es, seg�n George Coulouris, "un sistema en el que los componentes de hardware y/o software localizados en computadores en red se comunican y coordinan sus acciones intercambiando mensajes". Aunque usted no supiera qu� es un sistema distribuido, seguro que ha usado alguno. Si no fuera as�, no estar�a leyendo esto, pues Internet y la World Wide Web son sistemas distribuidos.

En la IAD, la colaboraci�n de unas entidades con otras produce comportamientos colectivos que resuelven problemas que ser�an irresolubles si se abordaran individualmente o que proporcionan soluciones eficaces en cuanto a tiempo, velocidad o calidad. Un ejemplo de inteligencia "natural" distribuida nos la proporciona una colonia de termitas: la colaboraci�n entre ninfas, obreras, soldados y la reina permite la supervivencia de la colonia. Las termitas por separado no podr�an sobrevivir (los soldados no pueden alimentarse por s� solos, la reina apenas puede moverse y las obreras no pueden defenderse); pero su cooperaci�n les ha permitido existir desde hace millones de a�os en este planeta. Qui�n sabe, quiz�s sobrevivan al Homo sapiens sapiens: en el gran libro de la evoluci�n quedan muchas p�ginas por escribir.

La IAD consta de tres grandes ramas de investigaci�n: los sistemas multiagente (que estudian sistemas en que un conjunto de agentes cooperan, coordinan y se comunican para conseguir un objetivo com�n), la soluci�n distribuida de problemas (que estudia la soluci�n de problemas mediante procesamientos descentralizados) y la inteligencia artificial en paralelo (que desarrolla m�todos y algoritmos paralelos de IA). Dentro de la IAD, los agentes provienen de los sistemas multiagente, que son grupos de agentes aut�nomos, generalmente heterog�neos e independientes, que colaboran entre s� para conseguir ciertos objetivos; esta colaboraci�n implica que cooperen, se coordinen y negocien unos con otros. En un sistema multiagente no hay un control global del sistema ni existe un lugar donde est� toda la informaci�n.

Tal y como se menciona en http://www.wshoy.sidar.org/index.php?2007/05/08/38-los-trabajadores-de-la-web-semantica-agentes-agentes-inteligentes-y-agentes-semanticos, no es imprescindible que los agentes del sistema distribuido sean inteligentes (esto es, que tengan alg�n tipo de inteligencia artificial); la propia "inteligencia" puede obtenerse de la cooperaci�n entre agentes "tontos". Este tipo de inteligencia se denomina inteligencia social, y es la empleada en los partidos de f�tbol entre robots. En estos partidos, cada robot persigue dos metas bien simples: marcar gol y esquivar a los jugadores del equipo contrario. La combinaci�n de los comportamientos individuales para lograr dichos objetivos hace emerger un comportamiento social semejante al de cualquier equipo de f�tbol humano, salvo en la celebraci�n de los goles. Las colonias de termitas, mencionadas antes, son ejemplos biol�gicos de inteligencia social �al igual que las colonias de hormigas o de abejas�. En las colonias, cada individuo tiene unas metas individuales, programadas gen�ticamente, m�s complejas que las de los robots futbolistas.

Los sistemas multiagente se enfrentan a varias preguntas: �qu� lenguajes deben usar los agentes para comunicarse?, �c�mo deben coordinarse los agentes para que consigan los objetivos del sistema?, �c�mo pueden los agentes resolver los conflictos (de intereses, p. ej.) que pueden surgir mientras colaboran?, �qu� relaciones sociales surgen en una comunidad de agentes?

Gran parte de las propiedades y ventajas de los sistemas multiagente proceden de los sistemas de IA distribuida. Veamos algunas de ellas:

Modularidad. Seg�n el Dictionary of Object Technologies: The Definitive Desk Referente, la modularidad es "la descomposici�n l�gica de las cosas (por ejemplo, responsabilidades y software) en agrupaciones simples, peque�as (p. ej., requisitos y clases, respectivamente), que aumentan las posibilidades de lograr las metas de la ingenier�a de software". La programaci�n modular simplifica el desarrollo de sistemas de software y reduce su coste. (Si quiere saber por qu� la modularidad gan� la II Guerra Mundial puede consultar http://www.javahispano.org/tutorials.item.action?id=25 o http://www.javahispano.org/contenidos/es/orientacion_a_objetos_11/.)

Bajo acoplamiento. Suele utilizarse el t�rmino acoplamiento para designar la dependencia entre m�dulos o componentes de un sistema. En un sistema de software de bajo acoplamiento, cada componente depende lo m�nimo posible de los otros. En estos sistemas, los componentes pueden comunicarse a pesar de tener dise�os e implementaciones muy distintas. Por el contrario, en un sistema de acoplamiento fuerte, los componentes est�n dise�ados para trabajar estrechamente con otros y dependen fuertemente unos de otros. Por ejemplo, el controlador de una impresora tiene un acoplamiento muy fuerte con la plataforma en que se ejecuta: pasar de un PC a un Mac requerir�a programar de nuevo el controlador. El bajo acoplamiento de los sistemas multiagente se traduce en flexibilidad (si hay que modificar alg�n agente, los cambios apenas repercutir�n en el resto de los agentes) e interoperabilidad (los agentes pueden trabajar juntos aunque hayan sido dise�ados y programados independientemente).

Fiabilidad. Que un agente del sistema deje de funcionar no implica que los dem�s lo hagan.

Eficacia. Las funciones del sistema se pueden dividir en tareas repartidas entre los agentes, con lo cual se consigue paralelismo (los agentes trabajan a la vez en distintas m�quinas).

Flexibilidad. Se pueden a�adir y eliminar agentes din�micamente, y �stos pueden tener dise�os e implementaciones muy distintas.

Independencia de la plataforma. Los agentes pueden funcionar en distintas plataformas. Esta independencia est� relacionada con el bajo acoplamiento de los sistemas multiagente.

Velocidad. Como los agentes que cooperan entre s� se ejecutan concurrentemente, aumenta la velocidad de ejecuci�n del sistema en conjunto.

Redundancia. La utilizaci�n de agentes redundantes (es decir, que desempe�an una misma tarea) mejora la tolerancia a fallos del sistema.

Escalabilidad. El sistema mantiene su eficacia cuando aumenta significativamente el n�mero de usuarios del sistema.

Si bien los agentes proceden del campo de la IA y forman un subcampo relevante de ella, cada vez m�s en continua expansi�n, la IA no termina en los agentes. Los agentes no resuelven todos los problemas a los que se enfrenta la IA. A saber: comprensi�n autom�tica de textos en lenguaje natural, traducci�n de textos, reconocimiento y s�ntesis autom�ticas del habla, construcci�n de sistemas capaces de pensar de manera original o creativa, introducci�n del sentido com�n en m�quinas, fabricaci�n de sistemas de reconocimiento de rostros o de formas� Dir� el esc�ptico: "�No deber�a la IA resolver todos esos problemas antes de anunciar lo listos que son los agentes?". Pobre esc�ptico, porque con esa exigencia jam�s habr�a visto un agente en su vida (ni en varias vidas, si cree en la reencarnaci�n). Dudo mucho que alg�n lector llegue a ver una m�quina que hable as� espont�neamente: "S� que �ltimamente he tomado muy malas decisiones, pero puedo asegurarle que mi trabajo se normalizar�. Todav�a tengo gran entusiasmo y confianza en la misi�n, y quiero ayudarle". Hasta el momento, los agentes inteligentes trabajan en dominios muy limitados (la Web, bases de datos, colecciones de documentos, correo electr�nico) y realizan tareas muy sencillas. As�, necesitan muy poca inteligencia y no tienen que enfrentarse a muchos de los problemas de la IA a�n sin soluci�n.

�Ad�nde van los agentes? Por ahora, a todas partes: cada vez hay m�s aplicaciones comerciales y acad�micas basadas en ellos. Si al final son sustituidos por otra tecnolog�a (basada en "siervos", por ejemplo), puede estar seguro de que oiremos frases como �stas: "Todo es un siervo", "La tecnolog�a de siervos aumentar� la productividad de las empresas", "Los siervos abren la puerta a una nueva era de tecnolog�a", "Con los siervos, los usuarios no perder�n el tiempo en tareas repetitivas"�