Ontología y Semántica
La infraestructura del significado
- Un sistema de IA no interpreta la realidad, sino las representaciones que se construyen a partir de ella: la calidad de la IA depende de la calidad del significado asociado a los datos.
- Una parte importante del riesgo algorítmico se deriva de una representación incompleta o ambigua del dominio de conocimiento, antes incluso del modelo.
- Una arquitectura semántica en cinco niveles: vocabulario controlado, taxonomías, ontología, grafo de conocimiento y nivel inferencial.
Lee el texto completo
Antes de discutir modelos, algoritmos, centros de datos, cloud o capacidad computacional, es necesario abordar el nivel más profundo de la Inteligencia Artificial: la construcción del significado. Un sistema de IA no interpreta directamente la realidad, sino las representaciones que se construyen a partir de ella. Estas representaciones están constituidas por datos, atributos, categorías, relaciones, eventos, clasificaciones y reglas interpretativas. Cuando estos elementos no están definidos de acuerdo con criterios compartidos, la máquina puede procesar enormes cantidades de información sin comprender realmente el significado que estas asumen en el contexto administrativo, sanitario, industrial, económico o jurídico en el que se utilizan.
La semántica representa el nivel que atribuye significado a los datos; la ontología, por su parte, constituye la estructura formal que organiza ese significado de manera computable. En términos científicos, una ontología describe un dominio de conocimiento identificando los conceptos fundamentales, las relaciones que los vinculan, los atributos que los caracterizan, las reglas mediante las cuales pueden derivarse nuevas informaciones y los vínculos lógicos que impiden interpretaciones incoherentes o incompatibles. La ontología no es, por tanto, un simple vocabulario evolutado, sino una verdadera arquitectura de conocimiento que permite a personas, organizaciones y sistemas inteligentes compartir no solo el mismo lenguaje, sino también la misma interpretación de la realidad.
La calidad de la Inteligencia Artificial depende directamente de la calidad de esta representación. Dos administraciones pueden utilizar el mismo término otorgándole significados diferentes; dos hospitales pueden clasificar la misma patología según criterios diferentes; una Región, un Ministerio y un Ayuntamiento pueden describir el mismo procedimiento administrativo con modelos informativos incompatibles. En todos estos casos el problema no se refiere a la calidad del dato, sino a la calidad del significado asociado al dato. Una base de datos puede ser completa, actualizada y formalmente correcta, pero sigue siendo semánticamente frágil. El algoritmo producirá entonces resultados aparentemente coherentes, pero construidos sobre categorías conceptuales inestables. Una parte significativa del riesgo algorítmico surge precisamente de esta representación incompleta o ambigua del dominio del conocimiento y precede al propio funcionamiento del modelo.
Para construir una infraestructura pública de significado es necesario desarrollar una arquitectura semántica estructurada en cinco niveles progresivos. El primero consiste en la definición de un vocabulario controlado, a través del cual se uniforman los términos fundamentales de cada dominio. El segundo se refiere a la construcción de taxonomías que organizan los conceptos según jerarquías coherentes. El tercer nivel está constituido por la ontología propiamente dicha, en la que se formalizan las relaciones, propiedades e interdependencias entre los conceptos. El cuarto implica la transformación de la ontología en un knowledge graph, capaz de hacer que dichas relaciones sean interrogables y utilizables por los sistemas informáticos. El quinto introduce el nivel inferencial, permitiendo que los sistemas de IA identifiquen anomalías, verifiquen coherencias y generen nueva información a través de procesos de inferencia automática. Este camino representa el paso de la simple digitalización de los documentos a la construcción de una verdadera infraestructura de conocimiento. Es el requisito previo para que la Administración Pública pueda evolucionar hacia un modelo de inteligencia institucional computable.
La construcción de ontologías públicas requiere inevitablemente una gobernanza multidisciplinar. La definición del significado no puede confiarse exclusivamente a los informáticos, ya que implica competencias organizativas, jurídicas, económicas, sociales y lingüísticas. Las Regiones pueden desempeñar el papel de coordinación territorial identificando los dominios prioritarios; las Administraciones Públicas contribuyen con el conocimiento de los procesos y los datos administrativos; las universidades y los centros de investigación aportan competencias en ingeniería de la información, inteligencia artificial, ciencia de los datos, derecho, economía y lingüística computacional; las empresas tecnológicas desarrollan los instrumentos de representación semántica, mientras que las empresas de los distintos sectores económicos transfieren el lenguaje operativo de sus respectivos dominios. Los pedidos profesionales contribuyen a la formalización de las prácticas especializadas y el Tercer Sector, junto con las Jurados Comunitarios para la IA, verifica que las categorías adoptadas representen correctamente las necesidades de las personas y de los territorios.
En este contexto, la Fondazione ENIA podría desempeñar una función de enlace metodológico entre todos los actores involucrados, favoreciendo la construcción, la validación y la evolución de la semántica pública de la Inteligencia Artificial. El Congreso propone, por tanto, el inicio de un Atlántico Semántico Público para la Inteligencia Artificial, concebido como un programa permanente de investigación y colaboración. El proyecto podría desarrollarse mediante la cartografía de los dominios prioritarios, la recopilación de los vocablos existentes en administraciones, empresas y universidades, la creación de ontologías piloto en los principales ámbitos de interés público, su transformación en gráficos de conocimiento interoperables y su posterior experimentación con sistemas de IA predictiva y generativa para medir sus efectos en términos de interoperabilidad, precisión, trazabilidad y fiabilidad. El objetivo final es construir una infraestructura pública de significado, un patrimonio compartido que permita a las instituciones, las empresas y los ciudadanos participar en la construcción de un ecosistema de Inteligencia Artificial confiable, interoperable y transparente. Porque, en última instancia, los algoritmos pueden procesar datos; solo una semántica compartida les permite procesar conocimiento.
