GNOSS en SEMANTiCS 2022: la era de los Grafos de Conocimiento

La apuesta de GNOSS por la Inteligencia Artificial Semántica y los Grafos de Conocimiento es el reto para el presente y el futuro y así lo hemos confirmado al término de la última edición de SEMANTiCS.

También lo han reafirmado los principales aspectos tratados durante el evento; temas en los que GNOSS trabaja desde hace años. Algunos de ellos son: el concepto de Semantic Data Fabric, la importancia de la experiencia de usuario (UX), la utilización de buscadores facetados que hagan más fácil la búsqueda y el filtrado de la información a los distintos tipos de usuarios, la utilización de la Inteligencia Artificial para caminar hacia las Ciudades Inteligentes, los gemelos digitales o el procesamiento del lenguaje natural.

¿Data Fabric o Semantic Data Fabric?

En 2021, Gartner ya predijo que el mercado de Data Fabric sería la nueva tendencia para procesar y analizar datos. El Data Fabric se refiere a una arquitectura de servicios que permite procesar grandes volúmenes de datos heterogéneos, procedentes de fuentes diversas y agruparlos en un mismo sistema de gestión.

Si en el mismo momento de construir el Data Fabric, le añades una capa semántica y haces que los datos sean inteligentes, interpretados e interrogables por máquinas y por personas (Smart Data) los resultados son aún mejores y más completos. La capa semántica no sólo desempeña un papel fundamental en el consumo de datos, sino que también interactúa a través de los datos y metadatos con el Data Fabric en varios sentidos.

En GNOSS hablamos de Semantic Data Fabric, que se ha convertido rápidamente en el enfoque de mayor crecimiento para democratizar el acceso a los datos y conectar silos de información. Se crea un modelo de datos que pueda ser utilizado por cualquier empleado, aunque no tenga formación en ingeniería de datos ni en bases de datos, la tesitura más habitual en una empresa. Es decir, una vez más, se pone la tecnología al servicio de las personas.

Grafos de Conocimiento y Experiencia de Usuario (UX): tecnología pensada para las personas

GNOSS acudió a la ponencia del fundador del grafo de conocimiento de Ikea, Adam Keresztes, titulada: Diseño de Experiencia de Usuario (UX) y Grafos de Conocimiento - La combinación perfecta. Dos conceptos que en GNOSS siempre hemos llevado de la mano, los Grafos de Conocimiento para facilitar la vida a los usuarios finales: las personas.

Keresztes propuso crear un Grafo de Conocimiento de IKEA como solución para la falta de acceso fácil e intuitivo a los datos necesarios para crear una buena experiencia de usuario y salvar la distancia que encontraban entre los datos y el diseño. Según comentó, en IKEA están convencidos de que los grafos de conocimiento son la herramienta necesaria para hacer que los datos sean comprensibles y usables para los diseñadores de productos UX y, por tanto, para crear “mejores productos y clientes más felices.”

GNOSS construye y explota Grafos de Conocimiento aplicando tecnologías semánticas y ofrece una plataforma semántica propia, GNOSS Semantic AI Platform, altamente personalizable, que se adapta a las necesidades de cada cliente. En GNOSS fabricamos tecnología para las personas, intentando hacerles la vida más fácil, una vida digital feliz.

Facetas para hacer más fáciles las búsquedas y el filtrado de la información

Linda Andersson (Artificial Researcher IT GmbH) impartió una conferencia sobre Tecnología de búsqueda de próxima generación – Grafos como servicio de búsqueda, donde habló de dos ideas fundamentales en las que GNOSS lleva tiempo trabajando.

Por un lado, hay distintos tipos de información que necesitan diferentes soluciones de búsquedas.

Por otro lado, existen diferentes tipos de usuarios, más o menos duchos en la materia, que necesitan encontrar información que quizás no saben cómo o dónde buscar. Es por ello que la búsqueda por facetas desde un punto único de acceso que vaya acompañando al usuario en su búsqueda, es indispensable.

El Grafo de Conocimiento de GNOSS integra y unifica información heterogénea y aislada en diversos sistemas, la unifica y la conecta, haciéndola interrogable por personas de manera natural. Un Grafo de Conocimiento que contextualiza la información y permite convertir el proceso de búsqueda en un viaje personal de investigación, descubrimiento y aprendizaje.

Smart Cities, desarrollo urbano sostenible

Las Ciudades Inteligentes (Smart Cities) persiguen ser espacios sostenibles, conectados y optimizados gracias al uso de la tecnología con el fin de reducir tanto los efectos del cambio climático como las consecuencias socioeconómicas que provocan las urbes en nuestro planeta. Uno de los aspectos a trabajar es la movilidad como servicio (MaaS) para conseguir que todos los servicios de la ciudad sean un transporte integrado e inteligente.

El MaaS, para mejorar los aspectos del transporte (emisión de billetes, navegación, tráfico, gestión del aparcamiento, etc.), utiliza técnicas y tecnologías semánticas, datos enlazados y grafos de conocimiento.

GNOSS trabaja desde hace tiempo en algunos verticales de las Smart Cities (la ciudad son conversaciones, espacio ciudadano de vida digital (turismo, servicios y museos) y Marketplace) y ha sido, por ejemplo, el encargado de conceptualizar, diseñar y construir el artefacto cognitivo que funciona como el corazón inteligente de BIOTIP, la Ciudad Inteligente de Bilbao que la convertirá en un Destino Turístico Inteligente. GNOSS Semantic AI Platform, es capaz de ofrecer servicios de inteligencia contextual en tiempo real a los viajeros, agregando todos los contenidos posibles de fuentes diversas gracias a un grafo de conocimiento unificado que actúa como el cerebro o el corazón del sistema y es interrogable por máquinas y por personas. De esta manera, se ayuda al viajero en todo el proceso del tourist jurney, desde la preparación del viaje hasta el acompañamiento durante la visita y los servicios posteriores.

¿Quién necesita un Gemelo Digital?

Un Gemelo Digital es la réplica virtual de un objeto, proceso o servicio que utiliza la recopilación de datos para simular su actividad real en un entorno virtual y poder así prever su comportamiento, anticipar la respuesta y mejorar la toma de decisiones. Para crearlos, se necesita recopilar gran cantidad de datos, normalmente a través de sensores que recopilan información del mundo real; estos datos se procesan gracias a la Inteligencia Artificial y la información se utiliza para crear modelos que representan los comportamientos o estados del objeto/proceso/servicio.

Según la Universidad de Twente, en cierto sentido, los gemelos digitales son lo más parecido a las ontologías (modelos semánticos), pero en lugar de mapear el mundo real en representaciones conceptuales, estas representaciones se codifican en términos de sistemas y modelos informáticos.

De hecho, proponemos aplicar tecnologías de IA (ML) para procesos predictivos en las simulaciones en el gemelo digital para la gestión inteligente de territorios urbanos. Asimismo, creemos que construir un grafo de conocimiento de los elementos del Gemelo Digital Urbano de una ciudad y de la información vinculada con ellos, a la vez que se extrae información de forma automática con NLP-NLU que permita categorizar, metadatar o relacionar información relevante para elementos del Gemelo Digital, mejora las explotaciones de los datos en los análisis que se realicen sobre el Gemelo Digital.

Inteligencia Artificial Semántica y Procesamiento del Lenguaje Natural

El taller sobre Inteligencia Artificial Semántica organizado por la Semantic Web Company, Universidad de Viena y Universidad de Ciencias Aplicadas de St. Polten, resaltó los usos cada vez más comunes de la IA basados en el aprendizaje automático, así como la importancia de unos datos adecuados y bien estructurados para que las iniciativas no fracasen y la necesidad de que los modelos de IA dejen de ser tan opacos.

Los enfoques de la IA semántica combinan la metodología de la IA estadística y la IA simbólica basada en tecnologías semánticas como los grafos de conocimiento, así como el procesamiento del lenguaje natural, al tiempo que incorporan mecanismos para la IA explicable.