Barcelona, 24 de noviembre de 2015
– Expert System (EXSY.MI), líder en tecnología de la computación cognitiva para la gestión eficaz de la información no estructurada, apareció a principios de noviembre en la revista Nature, que publicó un artículo sobre inteligencia semántica en el que recoge la opinión de José Manuel Gómez-Pérez, director de I+D de Expert System Iberia, sobre algunas de las herramientas de búsqueda disponibles en la actualidad.
Los académicos tienen la necesidad de acceder y filtrar la cada vez mayor cantidad de recursos disponibles, para poder identificar fácil y rápidamente los que mejor se adaptan a sus requerimientos. Por este motivo, herramientas digitales como Google Scholar, PubMed u otras bases de datos gratuitas, son cada vez más utilizadas por los científicos para disponer de recursos académicos de calidad. El problema de estas herramientas reside en la filtración de los documentos, ya que las bases de datos cuentan con una cantidad y variedad de datos académicos demasiado amplia.
Sin embargo, esta problemática podría resolverse gracias al nuevo software creado por el Instituto Allen para la Inteligencia Artificial (AI2), una organización sin ánimo de lucro situada en Seattle (Washington). Se trata de una herramienta gratuita, llamada Semantic Scholar, que permite comprender el contenido de un documento con el objetivo de proporcionar a los usuarios recursos de calidad de una forma rápida, limpia y usable.
Entre las principales aportaciones de Semantic Scholar, destacan la selección de las palabras clave más importantes sin necesidad de que el autor las teclee, la detección de los documentos que ofrecen una visión general sobre un determinado tema, la extracción de cifras de los documentos para presentarlas en los resultados de búsqueda y, finalmente, la identificación de las referencias más influyentes citadas por un artículo.
A pesar de ello, una de las principales deficiencias que presenta a día de hoy este servicio gratuito es la limitación de recursos, ya que únicamente ofrece acceso libre a tres millones de documentos, una cifra que se encuentra significativamente por debajo de la capacidad de Google Scholar. Sin embargo, el objetivo del Instituto es poder mejorar la herramienta y ampliarla a otros sectores en un año, especialmente en el ámbito de la medicina.
Por su parte, Google Scholar abarca más de 100 millones de documentos, y si bien es la base de datos más grande, presenta puntos débiles, principalmente relacionados con la calidad del retorno de las búsquedas. Según Gómez-Pérez, director de I+D de Expert System Iberia “Google Scholar debe dar un paso adelante en la comprensión del contenido de los documentos”. Otras herramientas gratuitas disponibles son Microsoft Academic Search,, que cuenta con más de 30 millones de documentos, y CiteSeer, el cual contiene 4,3 millones de registros.
Según Oren Etzioni, director ejecutivo de AI2, “Semantic Scholar nace con la vocación de crear un servicio que pueda leer a través de la literatura científica e identificar hipótesis y experimentos útiles”. Y, considera, que su objetivo es permitir que los investigadores puedan encontrar respuestas a algunos de los problemas más espinosos de la ciencia. Pero, tal y como apunta Péter Jacsó, científico de la Universidad de Hawái, “los avances únicamente serán importantes si Semantic Scholar acaba siendo mejor que Google Scholar, un aspecto que aún es demasiado pronto para determinarlo”.