TÉCNICA
18
APRENDIZAJE AUTOMÁTICO
(«MACHINE LEARNING»)
Uno de los enfoques principales de la IA es el aprendizaje
automático, que usa algoritmos para aprender de
los patrones de datos. Tiene tres categorías: Aprendizaje
supervisado, no supervisado y de refuerzo.
En el aprendizaje supervisado, los algoritmos usan
datos que ya han sido etiquetados u organizados previamente
para indicar cómo tendría que ser categorizada
la nueva información. Con este método, se requiere
la intervención humana para proporcionar retroalimentación.
La supervisión toma la forma de respuestas
correctas que el humano proporciona para entrenar al
algoritmo a la hora de buscar patrones de datos.
En el aprendizaje no supervisado, los algoritmos
no usan ningún dato etiquetado u organizado previamente
para indicar cómo tendría que ser categorizada
la nueva información, sino que tienen que encontrar
la manera de clasificarlas ellos mismos. Por tanto, este
método no requiere la intervención humana.
En aprendizaje por refuerzo, los algoritmos aprenden
de la experiencia. En otras palabras, hay que darles
«un refuerzo positivo» cada vez que aciertan.
Otra categoría del aprendizaje automático es el
denominado «APRENDIZAJE PROFUNDO» O
«DEEP LEARNING», que se utiliza para resolver problemas
muy complejos y necesita grandes cantidades
de datos.
El aprendizaje profundo se produce mediante el
uso de redes neuronales, que se organizan en capas
para reconocer relaciones y patrones complejos en
los datos. Su aplicación requiere un enorme conjunto
de información y una potente capacidad de procesamiento.
Actualmente, se utiliza en el reconocimiento
de voz, el procesamiento del lenguaje natural (PLN o
NLP en inglés), la visión artificial y la identificación
de vehículos en los sistemas de asistencia al conductor.
(Rouhianien, 2018)
PROCESAMIENTO DE LENGUAJE NATURAL
(PLN)
El procesamiento de lenguaje natural consiste en
transformarlo en un lenguaje formal como el de la
programación, que los ordenadores pueden procesar.
Normalmente, parte de dividirlo en elementos
(frases, palabras, etc.) e intentar entender las relaciones
entre ellos.
El objetivo principal del PLN es hacer que las máquinas
comprendan los textos «no estructurados» (los contenidos
en informes, comentarios, mensajes o contratos)
y extraigan su información relevante. Un análisis automático
sobre cualquier tipo de texto permite clasificar,
organizar, buscar o descubrir información no explícita,
agilizando tareas que se realizan manualmente e identificando
los elementos más significativos de un texto.
En lo que se refiere a la utilización del PLN en contratación,
se pueden hacer las consideraciones siguientes:
Los datos contenidos en los documentos que forman
parte del expediente de contratación pueden ser
interpretados mediante IA para extraer información
relevante. Esos documentos contienen mucha información
que normalmente no está disponible por diferentes
causas y el PLN puede extraer datos valiosos
mediante un método denominado «Interpretación de
textos» («Text Parsing») que, de forma simplificada, es
una tarea de programación que separa las diferentes
series de un texto en componentes más pequeños, basándose
en unas reglas determinadas.
INTELIGENCIA ARTIFICIAL Y
CONTRATACIÓN PÚBLICA
La contratación pública no ha sido ajena a esta revolución
que ha supuesto la introducción de la IA y,
sin embargo, sus aplicaciones en la práctica administrativa
de la compra pública son escasas y dispersas,
lejos aún de lo que podría entenderse como una verdadera
estrategia de implantación y uso de la IA.
La Ley 9/2017, de 8 de noviembre, de Contratos del
Sector Público (LCSP), ha introducido una novedad de
gran importancia desde la perspectiva de la reutilización
de la información del sector público. Esta Ley ha consolidado
el papel del perfil del contratante en Internet
como un instrumento esencial a la hora de facilitar el
acceso a la información relativa a la actividad contractual
de los poderes públicos. A su vez, el artículo 63 exige que
toda la información incluida en el perfil de contratante
se publique «en formatos abiertos y reutilizables». Además,
dicho contenido se ha de difundir necesariamente
a través de la Plataforma de Contratación del Sector
Público en los términos del artículo 347, constituyendo
un primer paso para asegurar la disponibilidad de datos
en formatos que permitan su reutilización de manera
automatizada. En efecto, el aprovechamiento de la IA
requiere de una mayor accesibilidad de los datos en tales
formatos, lo que exige la disponibilidad de los relativos a
la ejecución contractual. (Valero, 2020)
La aplicación en el contexto actual de la contratación
del sector público exige valorar los riesgos que
puede suscitar, en particular por lo que se refiere a la
incidencia sobre las garantías jurídicas en procedimientos
normalmente complejos que plantean una
elevada litigiosidad. (Valero, 2020)
En todo caso, el ámbito en el que más incidencia haya
tenido la IA hasta la fecha en materia de contratos públicos
es la «Compliance», es decir, la ética en la contratación,
evitar las malas prácticas, ejercer la integridad como
eje del nuevo modelo de contratación pública, prevenir
la corrupción, evitar los conflictos de intereses, el control
del procedimiento y la detección de irregularidades.