La Inteligencia Artificial (IA) ha cobrado protagonismo en los modelos generativos y asistentes conversacionales actuales, pero su aplicación no es nueva. Desde hace décadas, la IA ha generado valor económico, como lo demostró en la década de 1970 PROSPECTOR, un sistema experto diseñado para facilitar la exploración minera, un sector caracterizado por su alta incertidumbre.
En aquella época, la IA estaba en una fase temprana, con capacidades de cálculo limitadas. Fue entonces cuando surgieron los sistemas expertos, capaces de reproducir el razonamiento humano mediante reglas lógicas y modelos probabilísticos. PROSPECTOR destacó al asistir a geólogos en la búsqueda de minerales, analizando datos geológicos y geoquímicos para estimar probabilidades de encontrar yacimientos.
A diferencia de las tecnologías basadas en aprendizaje automático actuales, PROSPECTOR funcionaba con conocimiento experto introducido manualmente. Su habilidad para manejar información parcial lo convirtió en un pionero del razonamiento probabilístico aplicado a problemas económicos. Su mayor éxito fue predecir con acierto la existencia de un yacimiento de molibdeno en Mount Tolman, Estados Unidos, validando su capacidad para influir directamente en decisiones económicas significativas.
El éxito de PROSPECTOR demostró que la combinación de conocimiento especializado y modelos computacionales podía generar información valiosa en situaciones inciertas. Este paradigma se mantiene vigente y es la base de los modernos sistemas de pronóstico, esenciales para analizar escenarios complejos y facilitar decisiones estratégicas en diversos sectores.
Con la evolución de la IA, su aplicación se ha diversificado hacia la medicina, finanzas y energía. Los modelos actuales procesan grandes cantidades de información de diversas fuentes, como imágenes satelitales y datos históricos. Las técnicas de Machine Learning y Deep Learning permiten identificar patrones anteriormente difíciles de discernir.
No obstante, el objetivo sigue siendo reducir la incertidumbre y proporcionar herramientas para apoyar la toma de decisiones. A pesar del incremento en la capacidad de procesamiento, el reto sigue siendo interpretar datos incompletos y variables interrelacionadas en escenarios inciertos.
La experiencia de PROSPECTOR ofrece una lección sobre la importancia de la inteligencia computacional en la gestión de la incertidumbre. Más de cinco décadas después, el principio fundamental de emplear modelos computacionales para comprender sistemas complejos sigue vigente, como se observa en los modelos híbridos actuales que combinan enfoques tradicionales y avanzados para anticipar comportamientos.
En el actual contexto de complejidad creciente y necesidad de analizar grandes volúmenes de datos, la inteligencia artificial y los modelos estadísticos son cruciales para el estudio de mercados energéticos y evaluación de inversiones. La próxima sesión de AleaSoft Energy Forecasting abordará el mercado energético europeo y el rol de la IA, discutiendo las tendencias, oportunidades y desafíos del sector renovable, así como el almacenamiento de energía y la hibridación con tecnologías fotovoltaicas.
