Gobiernos, organizaciones y empresas se han lanzado a utilizarla para desarrollar soluciones que ayuden a tomar decisiones rápidas y fundadas capaces de transformar la industria y la sociedad en un cambio similar al que supuso la aparición de la energía eléctrica a finales del XIX
En 2020 la Inteligencia Artificial (IA) ya es la nueva electricidad. Andrew Ng, uno de sus pioneros más influyentes a nivel mundial, popularizó la poderosa idea de que esta tecnología tendrá un impacto transformador en la industria y en nuestra sociedad equiparable al que supuso la energía eléctrica a finales del siglo XIX. Al mismo tiempo, en 2020 nadie contaba con un invitado indeseado que también está teniendo un enorme impacto cuyo alcance es difícil de cuantificar. La irrupción del covid-19 está suponiendo un desafío, pero disponemos de conocimiento y de herramientas para enfrentar este problema.
Una de ellas es la rama de la IA conocida como Machine Learning o Aprendizaje Automático. Gracias a las matemáticas, la potencia de los ordenadores y la ingente cantidad de información que generamos, podemos crear modelos (fórmulas matemáticas, al fin y al cabo) que reflejan patrones presentes en dicha información y que ofrecen predicciones ante situaciones concretas. Por suerte, los últimos años han sido testigos del despegue de este peculiar retoño de la estadística y la informática. Tanto es así que gobiernos, organizaciones y empresas se han lanzado a utilizar IA para desarrollar soluciones que ayuden a tomar decisiones rápidas y fundadas en la ciencia. Además, cualquier persona puede acceder sin ningún coste a herramientas punteras y sofisticadas con las que crear productos innovadores.
China, además del origen de la pandemia, es la primera potencia mundial en cuanto a IA, debido a las grandes inversiones que realiza y a que los datos personales de sus ciudadanos gozan de menos protección que los de Estados Unidos o la Unión Europea. Gracias a ello, China ha realizado multitud de experiencias contra el covid-19 que podemos repasar para asomarnos a un horizonte de posibles aplicaciones.
Uno de los éxitos de esta revolución ha sido el reconocimiento facial, que combinado con la detección de temperatura corporal por infrarrojos permite registrar rápidamente a potenciales enfermos dentro de multitudes o espacios de trabajo reducidos. Otra área prometedora de la IA, el diagnóstico de imagen médica, se aplica analizando tomografías y detectando en los tejidos pulmonares signos de neumonía que ayuden a clasificar la severidad de cada caso, con el fin de aliviar la sobrecarga de los técnicos. En la carrera por la vacuna se están utilizando herramientas de secuenciación genética asistidas por IA para decodificar rápidamente la estructura genética del virus, así como sistemas de procesamiento de lenguaje que resumen artículos científicos extrayendo conceptos clave. Soluciones más cercanas como los asistentes virtuales han sido útiles ante situaciones de congestión en la gestión de citas para test de infección por el virus. Y en el área epidemiológica, los sistemas predictivos alimentados por Big Data facilitan la toma de decisiones al generar avisos precoces de situaciones que se pueden atajar si se detectan a tiempo.
No obstante, en esta disciplina los éxitos están cimentados sobre estratos de fracasos. En la situación que estamos viviendo todo es nuevo, y la IA tal como se concibe hoy en día no funciona bien ante lo desconocido. Para identificar patrones complejos se necesitan muchos datos, y conseguirlos no es trivial en territorio inexplorado. Incluso disponiendo de cantidad suficiente es difícil que estos no presenten algún sesgo, lo que implica que los modelos resultantes no serán «imparciales» ante ciertas situaciones a pesar de no ser realmente inteligentes: un modelo de Machine Learning tiene la misma capacidad para ser clasista que la que puede tener una media aritmética.
Por ello conviene ser cauto ante proclamaciones de rendimientos espectaculares de una IA: los expertos saben que suele ser indicativo de errores al medir el desempeño, cuando no de problemas de base más graves. En la práctica la IA todavía necesita complementarse con inteligencia y experiencia humanas para obtener los mejores resultados. Los epidemiólogos llevan años usando modelos estadísticos para analizar pandemias y acumulan un conocimiento específico que no tiene un recién llegado, aunque sea experto en algoritmos de Machine Learning.
Por este motivo en la lucha contra el covid-19 resulta vital una visión orientada a resultados prácticos. Hacia esta óptica gravita de forma natural la ingeniería, ya que se basa en la aplicación de la ciencia básica para solucionar problemas del mundo real con los recursos disponibles. A la hora de adentrarnos en el mundo de la nueva electricidad, los ingenieros de telecomunicación hemos podido apreciar cómo nuestra formación nos aporta las bases necesarias en matemáticas e informática y cómo el ejercicio de la profesión nos aporta un enfoque integral para acometer proyectos con garantías de éxito. Nuestras sociedades son complejas y también lo son sus problemas, pero nuestros profesionales aúnan cualificación, conocimiento y pasión por la tecnología: ahora toca agudizar el ingenio.
Pablo Soto Cid es Ingeniero de Telecomunicación - Científico de Datos
O Resumo Edición Nº 432 - 25 de Septiembre de 2020
Fuente: lavozdegalicia.es 20.9.2020
Comments