El dilema del viajero moderno
Planificar un viaje es emocionante, pero elegir el hotel adecuado puede convertirse en una tarea abrumadora. Ante una cantidad infinita de opciones, filtros y opiniones, ¿cómo saber cuál se ajusta realmente a nuestras necesidades? La mayoría de los buscadores se basan en criterios rígidos como el precio o el número de estrellas, pero ignoran los matices de la experiencia humana. Un viaje de negocios no requiere lo mismo que una escapada romántica, y lo que para una persona es "céntrico" para otra es "ruidoso". Para resolver este problema, un equipo de investigadores desarrolló Sem-Fit, un sistema experto diseñado para pensar y aprender como un agente de viajes humano.
La magia de la lógica difusa y las emociones
La clave de Sem-Fit reside en su capacidad para interpretar la ambigüedad del lenguaje humano a través de la "lógica difusa". A diferencia de los sistemas tradicionales que operan con valores binarios (sí/no, 0/1), la lógica difusa permite grados de pertenencia. Por ejemplo, en lugar de clasificar a alguien como "joven" o "no joven", el sistema puede determinar que una persona de 30 años pertenece en un 70% al conjunto "joven". Esto permite manejar conceptos subjetivos como "hotel de lujo", "viaje relajante" o "ambiente familiar" con mucha mayor precisión.
Para conectar las características del viajero con las del hotel, Sem-Fit utiliza una herramienta psicológica llamada "affect grid" (cuadrícula de afectos). Este modelo mapea las emociones humanas en dos ejes: placer-displacer y activación-calma. El sistema traduce el perfil del usuario (edad, motivo del viaje, preferencias) a un punto en esta cuadrícula emocional y busca hoteles cuyas características (ubicación, servicios, ambiente) se alineen con ese estado afectivo deseado. Así, no solo busca un hotel, sino la experiencia que el usuario anhela.
¿Cómo funciona el "Affect Grid"?
El "Affect Grid" es una escala visual desarrollada por los psicólogos James Russell, A. Weiss y G. A. Mendelsohn. Permite a una persona calificar su estado de ánimo en un gráfico de dos dimensiones. El eje horizontal va de "displacer" a "placer", y el eje vertical de "somnolencia" a "alta activación". Sem-Fit adapta este concepto: en lugar de que el usuario se autoevalúe, el sistema infiere su "estado afectivo ideal" para el viaje a partir de su perfil. Por ejemplo, un viaje de "luna de miel" se asociaría a un alto placer y una activación media-baja (relajación), mientras que un "viaje con amigos para salir de fiesta" se vincularía a un alto placer y alta activación. El sistema entonces busca hoteles que, según su ontología, satisfacen estas coordenadas emocionales.
Un sistema que aprende y se adapta
Lo más innovador de Sem-Fit es que no es un sistema estático. Después de recibir una recomendación, el usuario proporciona una valoración sobre cómo se "siente" con respecto a la sugerencia. Esta retroalimentación es crucial, ya que el sistema la utiliza para recalibrar sus reglas internas. Si muchos usuarios con un perfil similar rechazan un tipo de hotel recomendado, Sem-Fit ajusta sus algoritmos para futuras sugerencias. Este ciclo de aprendizaje continuo permite que el sistema evolucione y se adapte a las tendencias y preferencias cambiantes de los viajeros, superando la configuración inicial definida por los expertos.
¿Funciona de verdad? La puesta a prueba
Para validar su eficacia, los investigadores pusieron a prueba a Sem-Fit con 50 estudiantes que buscaban un hotel para sus vacaciones. Compararon las recomendaciones del sistema con las de cuatro expertos humanos en viajes. Los resultados fueron sorprendentes: la recomendación principal ("estrella") de Sem-Fit coincidió con la del experto en un 58% de los casos. Sin embargo, al considerar la lista completa de sugerencias (la principal más cuatro alternativas), la elección del experto estaba incluida en el 96% de las ocasiones. Esto demuestra que el sistema es tan competente como un profesional para crear un abanico de opciones relevantes. Además, el 96% de los usuarios encontró una opción satisfactoria dentro de las recomendaciones de Sem-Fit, demostrando que el sistema no solo es inteligente, sino también útil.
Ficha Técnica
Título original: Sem-Fit: A semantic based expert system to provide recommendations in the tourism domain
Revista: Expert Systems with Applications
Año: 2012
Autores: Ángel García-Crespo, José Luis López-Cuadrado, Ricardo Colomo-Palacios, Israel González-Carrasco, Belén Ruiz-Mezcua
Comentarios (0)
Aún no hay comentarios
Sé el primero en compartir tu opinión sobre este artículo.