Paquetes Archivísticos de Preservación (AIPs) inteligentes: ¿el futuro de la preservación digital?

Pasamos por un momento de vivo interés, por parte de prácticamente todas las especialidades de las ciencias de la información, por incluir en sus reflexiones y prácticas, técnicas y métodos de Inteligencia artificial (IA). Se habla de esta en congresos, en artículos científicos y libros, en reuniones técnicas de trabajo, en proyectos de investigación… Además de la proliferación en el tratamiento del tema en los últimos años en nuestros campos de estudio, a muchos el término Inteligencia artificial nos llega cargado de imágenes y significados formados “desde afuera” del mundo de la ciencia, relacionados más bien con la ciencia ficción en la literatura, el cine u otras artes. En esta, la IA se encuentra frecuentemente en situaciones donde la tecnología como artefacto (lo artificial) muestra un comportamiento “inteligente”, liberándose del poder de los humanos e intentando imponer su propio poder (para bien o para mal), volviéndose autónoma, sorprendiéndonos con sus propios análisis y con su capacidad para tomar decisiones (lo inteligente). La IA, aún sin que sepamos a ciencia cierta todo lo que de significado contiene este término, se nos aparece cargada del atractivo de lo novedoso, lo complejo inaccesible y lo distante futuro, cuando en realidad es cada día más un presente concreto y necesario, ya casi un pasado en muchos aspectos.

Para transitar estos caminos desde nuestras ciencias, se requiere primero “desencantar” la concepción que tenemos de lo que es la IA, constituida como sub-campo de las ciencias de la computación desde inicios de la década de los treinta del siglo XX. Sin embargo, la definición de la misma en su propio campo no ha sido, al parecer, algo sobre lo que se haya podido producir hasta el momento un acuerdo universal. Russell y Norvig (2021) y Ertel y Black (2018) nos ofrecen dos libros introductorios muy aceptados en el espacio académico y en ellos se puede consultar la evolución de las definiciones de IA y los momentos más importantes en su desarrollo como subdisciplina.[1] Ertel y Black (2018) incluyen una de las definiciones ya clásicas de lo que es la IA, la ofrecida por Rich (1983) y que vale la pena mencionar aquí por su relevancia y comprensibilidad: “la IA es el estudio de cómo lograr que las computadoras hagan cosas que, hasta el momento, las personas son mejores haciéndolas”.[2] Hasta ahora los humanos somos mejores realizando gran parte del procesamiento clásico de la documentación en las Bibliotecas y los Archivos.

La mayor parte de los procesos, en la mayoría de las instituciones de información, se realiza aún de forma manual. Pero cada vez se ejerce mayor fuerza para que esa situación cambie y estos procesos comiencen a desarrollarse de maneras alternativas, entre ellas con la aplicación de técnicas de IA, con el objetivo fundamental (pero no único) de lidiar con los grandes volúmenes por procesar o con tareas que requieren un gran tiempo de trabajo. Y como en la Física, a mayor fuerza mayor resistencia: también aparece gran oposición por parte de los profesionales de la información a que estos procesos se realicen de manera totalmente automatizada, bajo el argumento de que la máquina no podría realizarlos de una mejor manera y por tanto no podría producir los resultados deseados, o bajo los argumentos de defensa de los puestos de trabajo. Si se analiza la definición de IA brindada y ampliamente aceptada, la aplicación de la IA en el campo reta esas ideas porque el propósito del campo es precisamente proponer, desarrollar, evaluar herramientas que sí podrían producir los mejores resultados en el procesamiento de la información, de la mejor manera.

Entre los muchos investigadores y proyectos de ciencias de la información que están estudiando o aplicando la IA se encuentra el proyecto InterPARES, un proyecto que se ha mantenido marcando tendencia científica desde finales de la década de los noventa del siglo pasado, e influyendo muy notablemente en el campo de las ciencias de la información como un todo. Este proyecto, pionero en estudiar casos complejos tales como la preservación digital en sistemas interactivos, dinámicos, experienciales, la preservación de la autenticidad de los documentos en la nube y otros retos tecnológicamente determinados, se propone ahora estudiar cuáles son las implicaciones de la aplicación de la IA en cada uno de los procesos de la archivística y la gestión documental, entre ellos la preservación digital. Sus objetivos son los de identificar tecnologías específicas de IA que puedan solucionar retos críticos en el trabajo con documentos archivísticos en todas sus etapas, determinar los beneficios y riesgos de utilizar tecnologías de IA sobre documentos archivísticos en sus diferentes fases, asegurar que los conceptos y principios archivísticos informan el desarrollo de una IA responsable y validar soluciones de IA a través de casos de estudio y demostraciones. La BDCV, a través de cuatro de sus especialistas de las áreas de la Coordinación de Innovación Digital y del proyecto de Fondos y Colecciones Especiales, ha iniciado su colaboración como co-partner del proyecto InterPARES Trust AI con el propósito general de contribuir al desarrollo del conocimiento sobre estos temas en el mundo, y con el propósito particular de avanzar en la aplicación práctica de la IA en los propios procesos de la BDCV. El proyecto inició a mediados de 2021 y se extenderá hasta 2026, cuando debe rendir sus resultados más importantes. Como se evidencia en la propuesta de trabajo de este proyecto desde este momento, lejos de desplazarse al bibliotecario o archivista, estos pasan a ocupar una función diferente en el desarrollo o aplicación de las herramientas de IA.

Son considerables ya las soluciones de IA relacionadas con el campo de la Archivística y la Preservación Digital. Muchas de ellas han surgido desde fuera de estos campos, pero se aplican a los mismos. Por ejemplo, considérese la aplicación de la IA a los Big Data, la que ha sido uno de los motores más importantes para el desarrollo de la IA en los últimos años. Los Big Data proponen retos infranqueables para su tratamiento humano y manual, entre ellos el de su enorme volumen generalmente no estructurado. Son varios los autores que han estudiado o hecho notar las relaciones entre Archivos y Big Data,[3] constituyendo muchos archivos Big Data como tal en muchas ocasiones. Algo que comparten ambos es precisamente ese problema de los grandes volúmenes de información que son imposibles de tratar con normas o estilos bibliográficos o archivísticos clásicos, en un tiempo y con recursos lógicos y limitados. Aunque no siempre es una cuestión de volumen… sino también, de casos en los que el tratamiento tradicional manual de la información no logra producir un resultado utilizable de calidad para el usuario porque no evidencia, respeta o considera la naturaleza de los documentos en cuanto a su existencia en agrupaciones documentales, la representación de sus contextos, etcétera, o casos en los que simplemente se puede producir una mejor solución si se utiliza una manera computarizada. Los Big Data han estimulado la búsqueda de soluciones partiendo de estos mismos problemas para información nacida digital y al hacerlo desde las ciencias de la computación, aparecen cada vez más, nuevas soluciones muchas de las cuáles podrían ser aplicables o analizables para cuerpos de documentación archivística o bibliográfica, para la preservación digital, o que de hecho se están aplicando ya sobre los mismos. Uno de los enfoques más desarrollados dentro de la IA es el de la “solución de problemas”, desde el cual la función de la IA es ofrecer la mejor de todas las soluciones para un determinado problema, sin tener que tomar como referencia cómo lo resolvería un humano. Esta es una de las vertientes más desarrolladas para las ciencias de la información, desde la cual se identifican problemas de difícil o imposible solución de forma manual, y en alianza con las ciencias de la computación se buscan las soluciones óptimas y se crean agentes inteligentes como parte de estas soluciones. ¿Cómo valorar esta indetenible aplicación de la IA en nuestros campos de las Ciencias de la Información?

Al ceñirnos a las aplicaciones de la IA en la Archivística y la Preservación Digital, es necesario partir de analizar las soluciones planteadas con el uso de la IA, por una parte 1) Desde el cuerpo teórico que se ha constituido históricamente desde el campo de la Archivística y la Preservación Digital; y por otra, 2) Desde las necesidades impuestas “desde afuera” al funcionamiento de cuerpos de documentos digitales, en cualquiera de las etapas del ciclo de vida en que estos pudieran presentarse; necesidades generalmente impuestas por el Sistema Jurídico o por las reglas internas de funcionamiento de determinados campos de la sociedad (como puede ser la Historia como disciplina académica, la Medicina, la gestión bancaria, cualesquiera de las ciencias exactas, etc.). El centro del análisis para la preservación digital y la archivística buscaría entonces determinar en qué medida la aplicación de estas técnicas pone en peligro o preserva la calidad de los documentos como “documentos”, es decir, en qué medida la aplicación de estas técnicas pone en peligro o preserva la confiabilidad (trustworthiness) y la autenticidad de los mismos a corto, mediano o largo plazos. Cualquier solución de IA, tiene que pasar por esta valoración, no obstante el tipo de problema al que intente dar solución.

La preparación para comenzar el trabajo en el proyecto de investigaciones InterPARES Trust AI, me ha permitido comenzar a identificar un conjunto de técnicas de IA aplicadas a la archivística y la Preservación Digital. En el caso de esta última, considero que uno de los problemas más interesantes a los que se ha aplicado la IA, que va directo al centro del mantenimiento de la confiabilidad y autenticidad en el tiempo de los documentos digitales, ha sido el de cómo crear los Paquetes de Información para la preservación a largo plazo (los llamados AIPs en la norma Open Archival Information System (OAIS)). Con la aplicación de IA algunos investigadores han intentado crear lo que podríamos considerar paquetes de información inteligentes.[4] Aunque hasta ahora esta solución no ha tenido éxito total, parece que es una de las propuestas más prometedoras que aparecen en el campo, aunque es necesario “escarbar” para identificar y encontrar la literatura sobre el tema, porque su aplicación ha sido muy limitada, es incluso anterior a la existencia de la norma OAIS y porque no solo se aplica a la preservación digital. Curiosamente esta línea de trabajo, pese a su larga data, ha sido pasada por alto o no ha sido identificada en las revisiones más importantes sobre la aplicación de la IA a la archivística o a la preservación digital.[5]

La creación de los Paquetes de Información es el centro de lo que un sistema de información debe hacer para la preservación digital a largo plazo, según lo prescrito por la norma más importante para esta especialidad.[6] O sea, si el Sistema de Preservación no es capaz de empaquetar la información en la forma prescrita por OAIS no se estaría haciendo preservación digital: así de importante son estos paquetes. La propuesta de varios investigadores ha sido construir, con la aplicación de IA, un Paquete de Información en el que se priorice la importancia del contenido preservado por sobre el propio sistema de preservación, se garanticen caminos de desarrollo independientes o desacoplados para el contenido preservado y para el sistema que lo preserva, lo almacena o lo recupera, de modo que esto influya en la sobrevivencia a largo plazo del contenido preservado y finalmente, que se introduzcan en el paquete la aplicación de sus términos y condiciones, de su mantenimiento, y de la visualización de su contenido. La primera referencia de la que tengo noticia y que trata este asunto en la práctica es la de Nelson (2001), como se puede observar muy anterior a la publicación de OAIS en 2012.[7]

Este tipo de paquete fue llamado inicialmente por Nelson (2001) bucket y se define como: “una colección de mecanismos y protocolos para agregar, proteger, gestionar y movilizar contenido y servicios básicos”.[8] Sus criterios de diseño, definidos por Nelson (2001) serían:

• Grado de agregación: Tendría un alto grado de agregación de diferentes formas del contenido, que no estarían almacenadas por separado, respetando las relaciones existentes entre estas diversas formas en que un mismo contenido o contenidos relacionados se pueden presentar. Por ejemplo, tendría agregadas en su interior las diferentes migraciones de formato en el tiempo de un mismo contenido.
• Inteligencia: El paquete sería autónomo y activo, lo más independiente posible del sistema y del servidor, su inteligencia estaría en función de sus interacciones con usuarios, pero con otros paquetes o con otros sistemas o herramientas.
• Autosuficiencia: Se debería lograr la máxima autonomía del paquete incluyendo físicamente en su interior datos, código, ficheros, palabras clave, y todo lo necesario para el mantenimiento y funcionamiento del mismo, sin que tenga que depender de ningún sistema exterior.
• Movilidad: Dadas su autosuficiencia e inteligencia, el paquete sería móvil, no tendría por qué estar anclado en un espacio determinado.
• Heterogeneidad: No todos los paquetes tendrían que ser iguales, estos responderían a las diferentes políticas establecidas, y podrían evolucionar o cambiar en el tiempo.
• Grado de independencia del sistema: En la medida de lo posible, el paquete debería poder interactuar (ser indexado, por ejemplo) con cualquier sistema de archivación, biblioteca digital u otros y no depender de ninguno. Asimismo, ninguno de estos sistemas sería intrínseco al funcionamiento del paquete, sino que este estaría del todo desacoplado.

Se estaría aplicando aquí el enfoque orientado a la solución de problemas, y lo que se estaría creando con el paquete sería un “agente inteligente” que haría lo necesario para su propia preservación, es decir, que tendría en sí la suficiente capacidad como para garantizar el mantenimiento a largo plazo de la confiabilidad y la autenticidad de la información que este mismo contiene, siendo capaz de reaccionar a los contextos que se van presentando y de ejecutar en cada caso las soluciones necesarias para cumplir estas funciones fundamentales. Esto significa hacer exteriores al sistema (e interiores al Paquete) las funciones de mantenimiento, gestión, comprobación de la integridad, etcétera, delegadas hasta ahora en la absoluta mayoría de las soluciones prácticas al Sistema, y no al propio Paquete. Hasta el momento, la falta de éxito de estas soluciones para su aplicación masiva se debe a que la transferencia de inteligencia a los paquetes viene con costos asociados al aumento de su complejidad y de su tamaño para el almacenamiento, pero no a la propia posibilidad teórica y práctica de construir un paquete con métodos incorporados que puedan producir el resultado deseado. En la medida en que se desarrollan las soluciones de IA, estas cuestiones pueden optimizarse o incluso dejar de ser un problema como tal (por ejemplo, porque el costo del almacenamiento por unidad tiende a disminuir significativamente). Desde el sistema de preservación, producir un paquete de información de archivación a largo plazo sería como hacer nacer un pájaro sabio y longevo, y soltarlo libre al bosque donde este se sabrá mantener por sí mismo, aunque no por sí solo, hasta el momento.

Volviendo a las ideas mencionadas al principio de este texto sobre la ciencia ficción, la IA y los agentes inteligentes… ¿Será que el futuro de la Preservación Digital y la Archivística dependerá de “pequeños” constructos sobre los cuales podríamos eventualmente perder el control y ellos rebelarse, como unidades de memoria, contra la desmemoria y el olvido de nuestras sociedades actuales? ¿Pequeñas unidades inteligentes, agentes subversivos de memoria, que nos recuerden cuánto hemos olvidado? ¿Agentes que se nos planten un día delante, desde el bien, para recordarnos nuestro pasado y forzarnos a convertirlo en prólogo para un mejor futuro…?

Notas

[1] Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach. Pearson education limited. 6ta. Edición y Ertel, W., & Black, N. T. (2018). Introduction to Artificial Intelligence. Springer International Publishing.

[2] Ertel, W., & Black, N. T. (2018). Introduction to Artificial Intelligence. Springer International Publishing. p. 2.

[3] Véase por ejemplo Colavizza, G., Blanke, T., Jeurgens, C., y Noordegraaf, J. (2021). Archives and AI: An Overview of Current Debates and Future Perspectives. 1–22. http://arxiv.org/abs/2105.01117

[4] Hägerfors, A., Quisbert, H., & Nilsson, J. (2009). Agent technology supporting digital preservation. IMETI 2009 – 2nd International Multi-Conference on Engineering and Technological Innovation, Proceedings, 2, 259–263; Nelson, M. L. (2001). Buckets: Smart objects for digital libraries. NASA Technical Memorandum, 211049; Nelson, M. L., Maly, K., Shen, S. N. T., & Zubair, M. (1998). Buckets: Aggregative, intelligent agents for publishing. NASA Technical Memorandum, 208419, 1–7.

[5] Para revisiones sobre la aplicación de la IA a estos campos véanse: Colavizza, G., Blanke, T., Jeurgens, C., y Noordegraaf, J. (2021). Archives and AI: An Overview of Current Debates and Future Perspectives. 1–22. http://arxiv.org/abs/2105.01117; Hutchinson, T. (2020). Natural language processing and machine learning as practical toolsets for archival processing. Records Management Journal, 30(2), 155–174. https://doi.org/10.1108/RMJ-09-2019-0055; Bunn, J. (2020). Working in contexts for which transparency is important: A recordkeeping view of explainable artificial intelligence (XAI). Records Management Journal, 30(2), 143–153. https://doi.org/10.1108/RMJ-08-2019-0038; Fiorucci, M., Khoroshiltseva, M., Pontil, M., Traviglia, A., Del Bue, A., & James, S. (2020). Machine Learning for Cultural Heritage: A Survey. Pattern Recognition Letters, 133, 102–108. https://doi.org/10.1016/j.patrec.2020.02.017

[6] CCSDS. Reference Model for an Open Archival Information System (OAIS). Recommended Practice, issue 2. Magenta Book. Washington: CCSDS, 2012. Esta norma es a su vez la ISO 14721– Space data and information transfer systems — Open archival information system (OAIS) — Reference model.

[7] Nelson, M. L. (2001). Buckets: Smart objects for digital libraries. NASA Technical Memorandum: 211049. Hampton, VA: NASA Langley Research Center. p. 15.

[8] No obstante a la extraordinaria importancia del diseño de los paquetes de información para archivación a largo plazo, no es fácil aún encontrar en la literatura información explícita sobre este tema, al que los preservadores digitales debemos acercarnos generalmente desde cero forjándonos cada cual nuestra propia experiencia. En dominar estos criterios de diseño e implementarlos consiste gran parte de la experticia de un preservador digital. Los criterios establecidos por Nelson (2001) para su propia investigación podrían ser útiles para analizar cualquier diseño de paquete de información.

Arien González Crespo

More Posts