ML aplicado a problemas de decisión/optimización
Ponente: Jesús Giráldez Cru
Fecha: 22 Junio 2018
Resumen: Los problemas de decisión/optimización de restricciones son una de las áreas clásicas de la IA, siendo, además, parte esencial de muchas aplicaciones en otros campos de la IA, como planning, scheduling, teoría de juegos, o más recientemente otros como procesamiento de lenguaje natural o representación del conocimiento. La teoría nos dice que, en general, no conocemos algoritmo eficiente para resolver estos problemas, aunque en la práctica vemos que ciertos algoritmos son capaces de resolver algunas instancias --realmente grandes-- de estos problemas en pocos segundos.
En esta charla, nos aproximaremos inicialmente a estos problemas tanto desde la perspectiva teórica como desde la práctica. Seguidamente, nos centraremos en el caso particular de la satisfacción/optimización Booleana, para hacer un repaso de los algoritmos (de búsqueda) que actualmente se usan con éxito en aplicaciones reales. Estos algoritmos contienen multitud de componentes que interactúan entre sí, por lo que habitualmente son considerados como sistemas complejos en lugar de simples algoritmos. Ésta es la razón por la que todavía hoy entendemos bastante poco acerca del éxito de estos algoritmos. Finalmente, veremos como las técnicas de Machine Learning pueden ser usadas para mejorar el rendimiento de estos algoritmos, y como éstas pueden ayudar a entender mejor su éxito en la práctica. La incorporación de técnicas de ML en algoritmos de decisión/optimización ha sido unos de los mayores logros de los últimos años en esta subárea de la IA.