CALO

CALO fue un proyecto de inteligencia artificial que intentó integrar diversas tecnologías de IA en un asistente cognitivo. CALO es un acrónimo de " Asistente Cognitivo que Aprende y Organiza ". El nombre se inspiró en la palabra latina "Calo", que significa "sirviente del soldado". El proyecto comenzó en mayo de 2003 y se desarrolló durante cinco años, finalizando en 2008.

El proyecto CALO ha dado lugar a numerosos proyectos derivados importantes, entre los que destacan el asistente de software inteligente Siri , que ahora forma parte del sistema operativo iOS de Apple desde iOS 5 y está disponible en varios teléfonos y tabletas; Social Kinetics, una aplicación social que aprendía estrategias personalizadas de intervención y tratamiento para pacientes con enfermedades crónicas, vendida a RedBrick Health ; el proyecto Trapit , un extractor de datos web y agregador de noticias que realiza selecciones inteligentes de contenido web en función de las preferencias del usuario; Tempo AI , un calendario inteligente; Desti , una guía de viajes personalizada; y Kuato Studios , una empresa emergente de desarrollo de videojuegos.

CALO fue financiado por la Agencia de Proyectos de Investigación Avanzada de Defensa ( DARPA ) bajo su programa Asistente Personalizado que Aprende (PAL). ^{[ 1 ] [ 2 ]} El contrato de cinco años de DARPA reunió a más de 300 investigadores de 25 de las principales instituciones de investigación universitarias y comerciales, con el objetivo de construir una nueva generación de asistentes cognitivos que puedan razonar, aprender de la experiencia, recibir instrucciones, explicar lo que están haciendo, reflexionar sobre su experiencia y responder de manera robusta ante la sorpresa. SRI International fue el integrador principal responsable de coordinar el esfuerzo para producir un asistente que pueda convivir con sus usuarios y aprender de ellos, proporcionarles valor y luego superar una evaluación anual que mide qué tan bien el sistema ha aprendido a realizar su trabajo. ^{[ 3 ]}

CALO asiste a su usuario con seis funciones de alto nivel:

1. Organización y priorización de la información : A medida que el usuario trabaja con correos electrónicos, citas, páginas web, archivos, etc., CALO utiliza algoritmos de aprendizaje automático para crear un modelo consultable sobre quién trabaja en qué proyectos, qué papel desempeñan, cuán importantes son, cómo se relacionan los documentos y los entregables con esto, etc.
2. Preparación de artefactos de información : CALO puede ayudar a su usuario a crear nuevos documentos, como presentaciones de PowerPoint, aprovechando el aprendizaje sobre la estructura y el contenido de documentos anteriores consultados en el pasado. ^{[ 4 ]}
3. Mediación de la comunicación humana : CALO ofrece asistencia a sus usuarios en sus interacciones con otras personas, tanto en foros electrónicos (por ejemplo, correo electrónico) como en reuniones presenciales. Si se le concede acceso para participar en una reunión, CALO genera automáticamente una transcripción, realiza un seguimiento de las tareas asignadas, detecta los roles de los participantes, etc. CALO también puede crear un "Paquete de preparación" para la reunión, con información que se puede consultar con antelación o tener a mano durante la misma.
4. Gestión de tareas : CALO puede automatizar tareas rutinarias (por ejemplo, autorizaciones de viaje) y se le pueden enseñar nuevos procedimientos y tareas observando e interactuando con el usuario.
5. Programación y razonamiento en el tiempo : CALO puede aprender tus preferencias sobre cuándo necesitas que se realicen las tareas y ayudarte a gestionar tu apretada agenda (PTIME publicado en ACM TIST). ^{[ 5 ]}
6. Asignación de recursos : Como parte de la gestión de tareas, CALO puede aprender a adquirir nuevos recursos (servicios electrónicos y personas reales) para ayudar a realizar un trabajo.

Cada año, tras convivir con su usuario durante un tiempo, el sistema CALO se somete a una prueba de rendimiento con 153 preguntas de "asistente administrativo", centradas principalmente en lo que ha aprendido sobre la vida del usuario. Los evaluadores miden la mejora interanual del rendimiento de CALO en estas preguntas y cuánto de dicho rendimiento se debe al "aprendizaje en entornos reales" (nuevos conocimientos, tareas e inferencias que ha adquirido por sí mismo, en contraposición a las funciones o conocimientos preprogramados por un desarrollador).

SRI International puso a disposición en línea una colección de tecnologías exitosas de aprendizaje automático y razonamiento desarrolladas en el programa PAL, principalmente del proyecto CALO. Las tecnologías disponibles incluyen métodos de aprendizaje de propósito general, así como aplicaciones de aprendizaje más específicas. El software PAL y las publicaciones relacionadas están disponibles en el sitio web del Marco PAL. ^{[ 6 ]}

Las capacidades de PAL se han modularizado, empaquetado y adaptado a los estándares de la industria para facilitar su incorporación a las aplicaciones objetivo. Se encuentran disponibles varios componentes de infraestructura y API para simplificar la interacción con las tecnologías. Las capacidades de PAL se integraron en el sistema de mando y control CPOF del Ejército de los EE. UU. y se desplegaron en Irak en 2010. ^{[ 7 ] [ 8 ]}

Las tecnologías disponibles fueron desarrolladas por equipos de investigación de SRI International, la Universidad Carnegie Mellon , la Universidad de Massachusetts Amherst , la Universidad de Rochester , el Instituto de Cognición Humana y de Máquinas , la Universidad Estatal de Oregón , la Universidad del Sur de California , Xerox PARC y la Universidad de Stanford .

En los primeros cuatro años del proyecto, la investigación financiada por CALO ha dado como resultado más de quinientas publicaciones en todos los campos de la inteligencia artificial. Aquí hay algunas: ^{[ 9 ]}

• Matthias Zimmermann ; Yang Liu ; Elizabeth Shriberg ; Andreas Stolcke (27 de noviembre de 2005). «Segmentación y clasificación conjunta de actos de diálogo en reuniones multipartitas mediante A*». Taller IEEE sobre Reconocimiento y Comprensión Automática del Habla, 2005. págs. 215-219 . CiteSeerX 10.1.1.329.4676 . doi : 10.1109/ASRU.2005.1566537 . ISBN   978-0-7803-9479-7.
• Melinda T. Gervasio ; Michael D. Moffitt ; Martha E. Pollack ; Joseph M. Taylor ; Tomas E. Uribe (2005). "Aprendizaje activo de preferencias para asistencia personalizada en la programación de calendarios". Actas de la Conferencia Internacional de Interfaces de Usuario Inteligentes de 2005 .
• T. Duong; H. Bui; D. Phung; S. Vekatesh (2005). "Reconocimiento de actividad y detección de anomalías con el modelo semi-Markov oculto conmutado". Conferencia Internacional IEEE sobre Visión por Computadora y Reconocimiento de Patrones .
• Rachel Greenstadt ; Jonathan P. Pearce ; Milind Tambe (2006). "Análisis de la pérdida de privacidad en la optimización de restricciones distribuidas". La Vigésimo Primera Conferencia Nacional sobre Inteligencia Artificial . AAAI .
• Nathan Schurr ; Pradeep Varakantham ; Emma Bowring ; Milind Tambe ; Barbara Grosz . «Multiagentes asimovianos: aplicación de las leyes de la robótica a equipos de humanos y agentes». Programación de sistemas multiagente: 4.º taller internacional, ProMAS 2006. Springer.
• David Morley ; Karen Myers (2004). "Equilibrando las preocupaciones formales y prácticas en el diseño de agentes". Actas del taller de la AAAI sobre arquitecturas de agentes inteligentes: combinando las fortalezas de la ingeniería de software y los sistemas cognitivos .
• Gideon S. Mann ; David Mimno ; Andrew McCallum (11 de junio de 2006). «Medidas de impacto bibliométrico mediante análisis temático». JCDL '06: Actas de la sexta conferencia conjunta ACM/IEEE-CS sobre bibliotecas digitales . Association for Computing Machinery.
• Karen Myers (julio de 2006). "Construyendo un asistente personal inteligente". Charla invitada de la AAAI .
• Edward C. Kaiser (3 de abril de 2005). "¿Puede el modelado de la redundancia en tareas multimodales y multiparticipantes apoyar el aprendizaje dinámico?". Taller CHI 2005: CHI Virtuality 2005 .
• Vinay K. Chaudhri ; Adam Cheyer ; Richard Guili ; Bill Jarrold ; Karen Myers ; John Niekarasz (2006). "Un estudio de caso sobre la ingeniería de una base de conocimiento para un asistente personal inteligente". Informe técnico .
• Un marco cognitivo para la delegación a un agente de usuario asistido , K. Myers y N. Yorke-Smith. Actas del Simposio de Otoño de la AAAI de 2005 sobre Asistentes de Resolución de Problemas de Iniciativa Mixta, Arlington, VA, noviembre de 2005. ^{[ 10 ]}
• Clasificación colectiva multietiqueta , Nadia Ghamrawi y Andrew McCallum. CIKM'05, Bremen, Alemania. ^{[ 11 ]}
• Composición de campos aleatorios condicionales para el aprendizaje por transferencia , Charles Sutton y Andrew McCallum. Actas de HLT/EMNLP, 2005. ^{[ 12 ]}
• Implementación de un agente de gestión del tiempo personalizado , P. Berry, K. Conley, M. Gervasio, B. Peintner, T. Uribe y N. Yorke-Smith. Actas de la Quinta Conferencia Internacional Conjunta sobre Agentes Autónomos y Sistemas Multiagente (AAMAS'06), Sección Industrial, Hakodate, Japón, mayo de 2006. ^{[ 13 ]}
• Diseño e implementación del gestor de consultas CALO , Jose-Luis Ambite, Vinay K. Chaudhri, Richard Fikes, Jessica Jenkins, Sunil Mishra, Maria Muslea, Tomas Uribe, Guizhen Yang. Aplicaciones innovadoras de la inteligencia artificial, julio de 2006. ^{[ 14 ]}
• Menos clics y menos frustración: Reduciendo el costo de acceder a la carpeta correcta , X. Bao, J. Herlocker y T. Dietterich. Conferencia Internacional de Interfaces de Usuario Inteligentes de 2006. 178–185. Sídney, Australia. ^{[ 15 ]}
• Descubrimiento de grupos y temas a partir de relaciones y texto , Xuerui Wang, Natasha Mohanty y Andrew McCallum. LinkKDD2005, 21 de agosto de 2005, Chicago, Illinois, EE. UU. ^{[ 16 ]}
• Modelos ocultos de Markov jerárquicos con jerarquía de estados general , H. Bui, D. Phung y S. Venkatesh. Actas de la AAAI, 2004. ^{[ 17 ]}
• Un sistema de aprendizaje híbrido para el reconocimiento de tareas de usuario a partir de actividades de escritorio y mensajes de correo electrónico , J. Shen, L. Li, T. Dietterich y J. Herlocker. Conferencia Internacional de Interfaces de Usuario Inteligentes de 2006, 86–92. Sídney, Australia. ^{[ 18 ]}
• IRIS: Integrar. Relacionar. Inferir. Compartir. Adam Cheyer, Jack Park y Richard Giuli. Taller sobre el Escritorio Semántico: Infraestructura de Colaboración y Gestión de Información Personal de Próxima Generación en la Conferencia Internacional sobre la Web Semántica (ISWC2005). 6 de noviembre de 2005, Galway, Irlanda. ^{[ 19 ]}
• Más allá de lo que las palabras pueden decir: Uso de la prosodia para encontrar límites de oraciones en el habla , Y. Liu y E. Shriberg (2006). 4.ª Reunión Conjunta ASA/ASJ, Documentos sobre Lenguaje Popular. Versión popular del documento IaSC2, 4.ª Reunión Conjunta ASA/ASJ, Honolulu, HI. ^{[ 20 ]}
• Aprendizaje multicondicional: entrenamiento generativo/discriminativo para agrupamiento y clasificación , Andrew McCallum, Chris Pal, Greg Druck y Xuerui Wang. AAAI, 2006. ^{[ 21 ]}
• Evaluación multicriterio en agentes de planificación distribuidos centrados en el usuario , PM Berry, M. Gervasio, B. Peintner, T. Uribe y N. Yorke-Smith. Simposio de primavera de la AAAI sobre gestión de planes y cronogramas distribuidos, marzo de 2006. ^{[ 22 ]}
• Relajación de consultas en línea mediante el descubrimiento de estructuras causales bayesianas , Ion Muslea y Thomas J. Lee. Actas de la Vigésima Conferencia Nacional sobre Inteligencia Artificial (AAAI 2005), Pittsburgh, Pensilvania, 2005. ^{[ 23 ]}
• Poblando la Web Semántica , Kristina Lerman , Cenk Gazen, Steven Minton y Craig A. Knoblock. Actas del Taller AAAI 2004 sobre Avances en Extracción y Minería de Texto, 2004. ^{[ 24 ]}
• Un lenguaje de procesos portátil , Peter E. Clark, David Morley, Vinay K. Chaudhri y Karen L. Myers. En Taller sobre el papel de las ontologías en la planificación y la programación, Monterey, CA; 7 de junio de 2005. ^{[ 25 ]}
• Un modelo probabilístico de redundancia en la extracción de información , D. Downey, O. Etzioni y S. Soderland. ^{[ 26 ]}
• Recuperación tras interrupciones: ¿Trabajadores del conocimiento? Estrategias, fracasos y soluciones propuestas , Simone Stumpf, Margaret Burnett, Thomas G. Dietterich, Kevin Johnsrude, Jonathan Herlocker y Vidya Rajaram. Institución: Universidad Estatal de Oregón, Corvallis, OR ^{[ 27 ]}
• Clasificación de texto semisupervisada mediante EM , Kamal Nigam, Andrew McCallum y Tom M. Mitchell. ^{[ 28 ]}
• Esqueletos en el analizador sintáctico: uso del análisis superficial para mejorar el análisis profundo , M. Swift, J. Allen y D. Gildea. ^{[ 29 ]}
• El marco de trabajo SPARK Agent Framework , David Morley y Karen Myers. Actas de la Tercera Conferencia Internacional Conjunta sobre Agentes Autónomos y Sistemas Multiagente (AAMAS-04), Nueva York, NY, págs.  712–719, julio de 2004. ^{[ 30 ]}
• Superposiciones de oradores y errores de ASR en reuniones: efectos antes, durante y después de la superposición , Ozgur Cetin y Elizabeth Shriberg. Actas del IEEE ICASSP, Toulouse, 2006 ^{[ 31 ]}
• Gestión de tareas en condiciones de cambio e incertidumbre: experiencia en la resolución de restricciones con el proyecto CALO , P. Berry, K. Myers, T. Uribe y N. Yorke-Smith. Actas del taller CP'05 sobre resolución de restricciones en condiciones de cambio e incertidumbre, Sitges, España, octubre de 2005. ^{[ 32 ]}
• Planificación temporal con preferencias y probabilidades , R. Morris, P. Morris, Khatib, L. y N. Yorke-Smith. Actas del taller ICAPS'05 sobre programación con restricciones para planificación y programación, Monterey, CA, junio de 2005. ^{[ 33 ]}
• Transferir o no transferir , MT Rosenstein, Z. Marx, LP Kaelbling y TG Dietterich. Taller NIPS 2005 sobre aprendizaje por transferencia, Whistler, BC. ^{[ 34 ]}
• Aprendizaje por transferencia con un conjunto de tareas de fondo , Z. Marx, MT Rosenstein, LP Kaelbling y TG Dietterich. Taller NIPS 2005 sobre aprendizaje por transferencia, Whistler, BC. ^{[ 35 ]}
• Aprendizaje iniciado por el usuario para interfaces adaptativas , K. Judah, T. Dietterich, A. Fern, J. Irvine, M. Slater, P. Tadepalli, M. Gervasio, C. Ellwood, B. Jarrold, O. Brdiczka, J. Blythe. Taller IJCAI sobre inteligencia e interacción, Pasadena, CA. 13 de julio de 2009. ^{[ 36 ]}

• Sitio web del marco PAL (CALO/RADAR) de DARPA
• Página de Calo de SRI archivada el 2 de julio de 2013 en Wayback Machine .