Tendencias de la inteligencia computacional

Introducción

En esta investigación se presenta una revisión sistemática de literatura enfocada a la inteligencia computacional. Se examina la temática propuesta mediante redes bibliométricas que exponen la vinculación de términos asociados al campo de estudio. Las ilustraciones brindan de manera relevante información sobre los nuevos ámbitos de aplicación para la inteligencia computacional. Especialmente, se visibilizan las nuevas áreas y de igual forma se indica la correlación entre estas. Al contrastar las redes bibliometricas en el intervalo de tiempo a estudio (2015-2020), se obtiene una amplia comprensión acerca de la forma en que la inteligencia computacional ha venido transformándose durante este lapso de tiempo. Mediante un análisis cualitativo, se demuestra como los autores (científicos) han evolucionado dicho concepto para dar aplicabilidad a sus investigaciones.

En la actualidad las investigaciones sobre la inteligencia computacional son bastantes amplias. Se han detectado estudios previos que examinaron Aprendizaje automático, Clasificación, Inteligencia artificial, Selección de características, Clasificación de algoritmos, Redes neuronales, Sistemas inteligentes. El presente estudio pretende demostrar los nuevos enfoques para la inteligencia computacional, en el que se analizaron documentos científicos de los últimos cinco años (2015-2020). En el presente análisis, se utilizaron dos bases de datos consideradas sumamente importantes, Scopus® y Web of Science®. Con los datos en los que se basa esta investigación, se pretende brindar de forma óptima una mejor conceptualización de la temática, y así mismo que sea bastante amplia y confiable. La metodología implementada en este estudio, instruye sobre la realización de revisiones sistemáticas y análisis de redes bibliometricas, las cuales permiten identificas la vinculación de términos y autores que brindan un nuevo campo del conocimiento.

Börner, Chen y Boyack al igual que Okoli y Schabram [1], [2] brindan de forma generalizada una guía para realizar una revisión sistemática de la literatura de la investigación en sistemas de información. El presente artículo se estructura desde los enfoques propuestos por Okoli y Schabram [2] para tal fin, al igual se elabora la construcción de redes bibliometricas desde la experiencia propia y el uso del software VOSviewer® destinado para la visualización de redes científicas que proporcionan mejores resultados para los análisis literarios.

Metodología

La metodología propuesta en esta investigación se basa en los aportes descritos por [3], [4], quienes instruyeron a la realización de análisis sistemáticos de datos cuantitativos de literatura, enfocando esta indagación desde la perspectiva de la inteligencia computacional, de igual forma se sustenta en palabras claves derivadas de bases de datos previamente seleccionadas y reconocidas. La búsqueda estuvo ajustada hacia el sector de aplicación, intervalos de tiempo y tipos de idiomas en que se efectuaron las publicaciones. Por otra parte, para el uso del software VOSviewer® se efectuaron tamices en cuanto a la calidad, congruencia y efectividad; para que la temática expuesta mantuviese criterios de inclusión y/o exclusión permitiendo la selección final de los documentos. Para terminar, se diferenciaron ciertas interacciones que resultaron ser verídicas o hipotéticas en este análisis, que mediante el uso de herramientas científicas se logró la consecución de esquemas de la temática.

Resultados

1. Inteligencia Computacional

El concepto de inteligencia computacional ha sido definido hacia aquellos sistemas inteligentes, robótica y la computación compleja, los cuales se han convertido hoy en día un tema interesante para investigadores [6]–[9]. En la actualidad no se puede dar un concepto bastante claro sobre que es en verdad la inteligencia computacional, se podría indicar respecto a los hallazgos efectuados que la inteligencia computacional son algoritmos difusos y redes neuronales artificiales, las cuales discierne su razonamiento de forma similar a la humana, con capacidades de instruirse o transformarse.

En la ingeniería, la inteligencia computacional se está utilizando ampliamente en la investigación científica por el aumento de los recursos computacionales [10]. La inteligencia computacional emula las funciones humanas por medio de la ciencia computacional, este hecho corresponde a aquellos mecanismos capaces de generar novedad y elección computacional, ya sea en la percepción activa, el aprendizaje, la predicción o la postdicción, siendo considerando un medio de optimización inteligente que permite la mejora de resultados y que a su vez brindan nuevos enfoques para su aplicabilidad [11], [12].

2. Búsqueda de publicaciones en bases de datos

Las bases de datos previamente seleccionadas brindaron resultados preliminares donde se observó que los datos bibliográficos de resúmenes y citas científicas de Scopus® proporciono 773 documentos, siendo seleccionados 28. A su vez el servicio en línea de información científica Web Of Science® suministro 332 documentos, siendo seleccionados 19. en cuanto al muestreo probabilístico dispuso de 08 artículos que se hallaron simultáneamente en las bases de datos. Se emplearon tamices de calidad, congruencia y naturaleza en los documentos ya escogidos y que a su vez fueron escritos en ingles así: Aprendizaje automático, Clasificación, Inteligencia artificial, Selección de características, Clasificación de algoritmos, Redes neuronales, Sistemas inteligentes, dando una totalidad de 55 artículos para esta investigación. (Tabla II). Realizado el compendio total de los documentos seleccionados, se procedió a efectuar las mediciones en lo que refiere a los datos o términos existentes de esta manera: periodo de tiempo enero/2015 a junio/2020, país/región/territorio, revistas, autor(es) y palabras claves.

De modo que estos indicadores facultaron la realización de una exposición detallada sobre la producción científica durante los últimos años.

3. Publicaciones efectuadas por años

En el intervalo de tiempo a estudio 2015-2020, se percibe en el 2015 se efectuó el número más bajo de divulgaciones científicas en materia de Inteligencia Computacional, 07 documentos; en 2016-2017 hubo una homogeneidad en la cantidad de difusiones relacionadas y enfocadas en dicha temática, 12 documentos; La cantidad reflejada en el 2018 tuvo un incremento superior al 50% en las divulgaciones científicas, 33 documentos, siendo el hincapié para que un año después 2019, sufriese un aumento en la difusión de resultados científicos; 08 Artículos, este fue el punto de inflexión para que el número de prospectos académicos superara lo realizado años previos 2016-2017, permitiendo que, en lo corrido del año 2020 las publicaciones académicas aumentaron cerca de un 60%; 44 Artículos en total.

Estos antecedentes exhortan al hecho de que, se ha fomentado aún más la labor científica en cuanto a Inteligencia computacional, a fin de afianzar la labor investigativa para brindar mejores resultados [21], [22].

4. Publicaciones efectuadas por países

Entre los países que ha efectuado una mayor contribución científica en temas relacionados a la inteligencia computacional, sobresale en primer lugar España con 28 publicaciones, en segundo lugar, India con 27, y en el tercer lugar, China con 22. Seguidos por Estados Unidos y Reino Unido con un promedio de 17 a 19 documentos divulgados. Italia con 13 y Canadá con 12 divulgaciones, y en último lugar Australia con 11 documentos. Estos hallazgos permiten inferir que, la Inteligencia computacional se está encausando a la búsqueda de nuevas alternativas de uso o aplicaciones. (Grafico 2).

Estos países han permanecido en los ocho primeros lugares de acuerdo a los informes de la CiteScore™ metrics: bibliometric analysis, quien establece el nivel de calidad, citación y enlace de fuerza “Link Strength” de los documentos científicos publicados en las bases de datos de Scopus® y Web Of Science®, Tabla III.

España se mantiene en primer lugar por el número de publicaciones y citaciones, descendiendo al último lugar por su enlace de fuerza, siendo remplazado en tal aspecto por China, quien sobresale además de sus citaciones y es tercero por número de publicaciones; en segundo lugar, India por el número de publicaciones, pero quien a su vez se disputa junto a Reino Unido, Italia y Canadá dicha posición por el enlace de fuerza. Por otra parte, Estados Unidos ha disminuido el total de sus documentos y enlace de fuerza, afectando directamente su nivel de impacto, ubicándolo en tercer lugar; Canadá por otra parte, ha disminuido el número de sus publicaciones, pero se mantiene por encima de Italia quien ha venido sumando esfuerzos para obtener mejores resultados superando a Australia quien llegado a ser uno de los últimos ocupando el 8 lugar en este Ranking debido a que es el país que menos publicaciones ha realizado, pero las cuales están generando un fuerte impacto.

En la Captación Termografíca de la Figura 2, se visibiliza un aumento de la labor científica, la cual ha involucrado significativamente a otros países, el crecimiento y avance de ello ha generado una nudosidad que contribuye para que las nuevas investigaciones se centren de forma objetiva en la inteligencia computacional. India y China se destacan entre los países que han acrecentado dicha temática, dado que estos denotan una amplia anuencia científica, que se ve reflejada en las citas u/o referencias de sus investigaciones permitiendo generar un Clúster más definido y objetivo. Después de una relación inicial bastante débil que se obtuvo durante el 2015 (Grafico 1), se generó una gran cofradía de autores, lo cual favoreció la investigación científica ocasionando mayor impacto y estrategias de crecimiento permitiendo marcar las nuevas tendencias mundiales.

5. Redes bibliométricas

En general, se observa una correlación científica que está en continuo progreso, los resultados en terminología a las palabras claves asociadas a la ecuación de búsqueda, permiten determinar nuevos ámbitos de aplicación u aportes de la inteligencia computacional. Cada nuevo enfoque producto de la adición de dicha temática, genera nuevos panoramas de mayor o menor medida y nuevas alianzas científicas en el tiempo determinado de estudio. Por lo tanto, las implicaciones teórico-prácticas llegan a ser muy difíciles de predecir a largo plazo.

Lo anterior, puede discernir que, en términos de vinculación de las palabras claves halladas en los documentos de estudio, los principales nuevos enfoques para la inteligencia computacional son: Aprendizaje automático, Clasificación, Inteligencia artificial, Selección de características, Clasificación de algoritmos, Redes neuronales, Sistemas inteligentes; ver Tabla IV.

6. Correlación de autores

En esta sección se resalta los conceptos emitidos por Fogel, 1995; Bezdek, 1998 y Chen y Yi, 2004, quienes definen a la inteligencia computacional como métodos y sistemas computacionales utilizados para brindar soluciones complejas de problemas, mediante mecanismos de reconocimiento de patrones y datos numéricos; por otro lado autores como: Hassanien et al., 2009; Kroll y Mikut, 2008; Eberhart y Shi, 2007, han afirmado que la inteligencia computacional está enfocada en la aplicación de mecanismos adaptativos que posibilitan comportamientos sistemáticos inteligentes y cambiantes, facilitando la resolución de problemas, el diseño de nuevos sistemas y la comprensión del comportamiento humano, entre muchas otras cosas.

Conclusiones

En este documento se presentó una revisión sistemática de literatura enfocada en la inteligencia computacional, del análisis efectuado se puede extraer como conclusión que, el campo de la Inteligencia computacional está enfocado particularmente hacia el aprendizaje autónomo, sistemas de clasificación e inteligencia artificial lo cual resulta ser de vital importancia para esta ciencia.

En el intervalo de tiempo de estudio, las redes bibliometricas reflejaron que la inteligencia computacional es vista como una forma estructurada de disolución de problemas de niveles inferiores. Así mismo, dichos enfoques están debidamente relacionados por la complejidad de su aprendizaje. La correlación de los subtemas presenta en la actualidad un incremento vertiginoso; esto puede ser notorio en los mapas de progresión científica de los últimos años (intervalo de tiempo 2015-2020).

En las ultimas representaciones graficas se percibió claramente que el aprendizaje automático y la inteligencia artificial son temáticas aparentemente diversas y diferentes, de lo cual se puede apreciar en los últimos años el desarrollo de la inteligencia computacional se ha acrecentado, tal hecho se ve reflejado en que numerosos investigadores detallan que las redes neuronales y el aprendizaje automático están enfocados a áreas similares, los cuales ayudan a la solución de problemas de una forma más satisfactoria.

Este estudio demuestra que el interés de los investigadores sobre la inteligencia computacional ha aumentado significativamente durante los últimos años, enfocándose hacia el aprendizaje automático, la selección de características y clasificación de algoritmos; Para ellos es indispensable establecer nuevos sistemas que rivalicen con el ser humano; dado que, la información referente en tales prácticas es exigua o limitada, ello requiriere un enfoque práctico hacia áreas como el reconocimiento de patrones y el procesamiento de información para optimizar la comprensión, el razonamiento y la planificación para la resolución de problemas.

Referencias Bibliografícas

[1] K. Börner, C. Chen, y K. W. Boyack, “Visualizing knowledge domains”, Annu. Rev. Inf. Sci. Technol., vol. 37, pp. 179–255, 2003

[2] C. Okoli y K. Schabram, “Guide to Conducting a Systematic Literature Review of Information Systems Research”, Work. Pap. Inf. Syst., 2010

[3] M. Dixon-Woods, S. Agarwal, D. Jones, B. Young, y A. Sutton, “Synthesising qualitative and quantitative evidence: a review of possible methods”, J. Heal. Serv. Res. Policy, vol. 10, núm. 1, pp. 45–53, ene. 2005

[4] A. J. Onwuegbuzie, N. L. Leech, y K. M. T. Collins, “Qualitative Analysis Techniques for the Review of the Literature”, 2012

[5] M. J. Grant y A. Booth, “A typology of reviews: an analysis of 14 review types and associated methodologies”, Heal. Inf. Libr. J., vol. 26, núm. 2, pp. 91–108, jun. 2009

[6] A. Christoforou y A. S. Andreou, “A Multilayer Fuzzy Cognitive Maps approach to the cloud adoption decision support problem”, en IEEE International Conference on Fuzzy Systems, 2015, vol. 2015-November, pp. 1–8

[7] S. S. Ge, T. M. Guerra, F. L. Lewis, J. C. Principe, y M. Colnarič, “Computational Intelligence in Control”, IFAC Proc. Vol., vol. 47, núm. 3, pp. 8867–8878, 2014

[8] S. Saeedi, R. Chavarriaga, R. Leeb, y J. D. R. Millan, “Adaptive Assistance for Brain-Computer Interfaces by Online Prediction of Command Reliability”, IEEE Comput. Intell. Mag., vol. 11, núm. 1, pp. 32–39, feb. 2016

[9] L. Wang, Q. Zhang, A. Zhou, M. Gong, y L. Jiao, “Constrained Subproblems in a Decomposition-Based Multiobjective Evolutionary Algorithm”, IEEE Trans. Evol. Comput., vol. 20, núm. 3, pp. 475–480, jun. 2016

[10] V. Piuri, F. Scotti, y M. Roveri, “Computational intelligence in industrial quality control”, en IEEE International Workshop on Intelligent Signal Processing - Proceedings, 2005, pp. 4–9

[11] E. Lakshika y M. Barlow, “Computational Intelligence Approaches to Computational Aesthetics”, 2018, pp. 81–92

[12] M. Frank, D. Drikakis, y V. Charissis, “Machine-learning methods for computational science and engineering”, Computation, vol. 8, núm. 1. MDPI Multidisciplinary Digital Publishing Institute, 01-mar-2020

[13] D.Fogel, “Evolutionary computation - toward a new philosophy of machine intelligence”, 1995

[14] J.C. Bezdek, “Computational Intelligence Defined - By Everyone !”, en Computational Intelligence: Soft Computing and Fuzzy-Neuro Integration with Applications, Springer Berlin Heidelberg, 1998, pp. 10–37

[15] D. Poole, A. Mackworth, y R. Goebel, Computational Intelligence: A Logical Approach. New York: Oxford University Press, 1998

[16] A. Kusiak, “Computational Intelligence in Design and Manufacturing”, Assem. Autom., vol. 21, núm. 3, pp. 275–276, sep. 2001

[17] S. Dick y A. Kandel, Computational Intelligence in Software Quality Assurance, vol. 63. WORLD SCIENTIFIC, 2005

[18] Y. Q. Chen y Z. Yi, “Computational intelligence in control engineering”, Int. J. Robust Nonlinear Control, vol. 14, núm. 12, pp. 1081–1083, ago. 2004

[19] A.P. Engelbrecht, Computational Intelligence: An Introduction: Second Edition. John Wiley and Sons, 2007

[20] D. P. Hudedagaddi y B. K. Tripathy, “Quantum inspired computational intelligent techniques in image segmentation”, en Quantum Inspired Computational Intelligence: Research and Applications, Elsevier Inc., 2017, pp. 233–258

[21] T. Hanne y R. Dornberger, “Adapting the Teaching of Computational Intelligence Techniques to Improve Learning Outcomes”, en Studies in Systems, Decision and Control, vol. 294, Springer, 2021, pp. 113–129

[22] N. Ansari y N. Hou, Computational Intelligence for Optimization , 1a ed. New York: Springe US, 1997

[23] A. E. Hassanien, A. Abraham, y F. Herrera, Foundations of Computational Intelligence , vol. 2. 2009

[24] A. Kroll y R. Mikut, “Computational Intelligence”, At-Automatisierungstechnik, vol. 56, núm. 7, pp. 335–338, ene. 2008

[25] R. C. Eberhart y Y. Shi, Computational Intelligence. Elsevier Inc., 2007