Monográfico Ingenierías 2020/2021

MONOGRÁFICO 2020/2021

Ingenierías La tecnología como aliada para construir el futuro

REPORTAJES EXTRAÍDOS DE LA REVISTA DE DIVULGACIÓN CIENTÍFICA UMHSAPIENS

MONOGRÁFICO 2020/2021

Monográfico ingenierías

04

08

19

Dibuja una programadora

Inteligencia Artificial:

Un modelo matemático predice el precio de la electricidad y permite ahorrar costes energéticos

Tecnología y progreso al servicio de la sociedad

umh.sapiens@umh.es | www.umhsapiens.com | @umhsapiens

Dibuja una programadora

Todo empezó en Reino Unido, en 1843. La revista Scientific Memoirs publicó Notas de A. A. L. El trabajo estaba ordenado alfabéticamente de la A a la G. En la última letra se explicaba cómo programar la máquina del matemático Charles Babbage. Un siglo después, se descubrió que detrás de esas siglas estaba la pionera Augusta Ada Lovelace.

L

a profesora de Psicología Social de la Universidad Miguel Hernández (UMH) Carolina Vázquez Rodríguez explica que los estereotipos de género son un conjunto de atributos que se asignan a las personas por pertenecer a una categoría u otra. Y señala: “Muchos bebés nacen ya en entornos estereotipados en donde construyen su identidad de género en función de esa socialización diferenciadora. Antes de nacer ya nos estamos comunicando con ellos en función de su género y construyendo espacios no igualitarios”.

Estas ideas preconcebidas provocan que la sociedad piense que hay profesiones para hombres y para mujeres. En 2020, la Universidad de Tokio (Japón) ha publicado el estudio “Percepción pública de los campos STEM con sesgo de género, centrándose en la influencia de actitudes igualitarias hacia los roles de género”. La investigación demuestra que la ciudadanía japonesa considera que enfermería es un buen trabajo para las mujeres e ingeniería mecánica para los hombres. Además, algunos encuestados piensan que la ciencia es buena para los hombres, pero no para las mujeres.

En España, la situación es muy parecida a la del país asiático. Así lo refleja el último informe de la Fundación Española para la Ciencia y la Tecnología (FECYT) de 2018. Entre los diferentes apartados, hay uno dedicado a la brecha de género en las disciplinas ciencia, tecnología, ingeniería y matemáticas (STEM, por sus siglas en inglés). Los resultados confirman que las mujeres se interesan más por la salud, la alimentación y el consumo que por cuestiones de ciencia y tecnología. Sin embargo, más del 50% de la muestra, tanto varones como mujeres, opinan que es importante saber sobre ciencia y tecnología.

Mujeres Ingenieras por el 11F

El estudio también revela que en torno al 65% de los encuestados considera que la profesión de investigador/a es vocacional y, para las mujeres de 15 a 24 años resulta una carrera atractiva para su edad. La mayor parte de la población entrevistada rechaza la siguiente afirmación: “Las asignaturas de ciencia siempre se me dieron mal”, aunque hay un porcentaje mayor de mujeres de acuerdo con esta aseveración.

El análisis concluye que “las mujeres cumplen totalmente el estereotipo de considerarse menos preparadas para la comprensión de los conocimientos científicos”. La catedrática de Lógica y Filosofía de la Ciencia, investigadora del Consejo Superior de Investigaciones Científicas (CSIC) y coordinadora de la Red Iberoamericana de Ciencia, Tecnología y Género (RICTYG) Eulalia Pérez Sedeño, quien clausuró la última Jornada “La ciencia tiene nombre de mujer” celebrada en la UMH, intenta dar una explicación a este fenómeno: “Hay una ley sociológica que dice que a mayor prestigio de la profesión, menos mujeres y, cuando un campo se feminiza, pierde reputación”.

Libro blanco de las mujeres en el ámbito tecnológico Debido a la brecha de género en el sector tecnológico, el Ministerio de Asuntos Económicos y Transformación Digital publicó en 2019 el Libro blanco de las mujeres en el ámbito tecnológico, donde se analiza esta diferencia en España. Las autoras del mismo, Sara Mateos Sillero y Clara Gómez Hernández, hacen una indagación a través de datos y estadísticas con la intención de proponer soluciones.

Una de las fuentes es la Organización para la Cooperación y el Desarrollo Económicos (OCDE) que presentó el documento titulado “Panorama de la Educación. Indicadores de la OCDE”, una investigación sobre el sistema educativo de los 37 países miembros de esta institución. Esta publicación, también del año 2019, corrobora que las mujeres representan el 30% de las personas que acceden por primera vez a grados en áreas STEM a nivel nacional e internacional en 2017. No obstante, en los campos de salud y bienestar son 8 de cada 10 alumnas. Diversos factores contribuyen a estas cifras: los roles y los estereotipos de género, la influencia social y la habilidad percibida. Se trata de aspectos que llevan a las mujeres a sentirse menos atraídas por este mundo, de acuerdo con el estudio.

Para comprobar la percepción que las niñas tienen sobre su inteligencia, expertas de la Universidad de Standford (EE.UU.) publicaron el informe “Los estereotipos de género sobre la capacidad intelectual surgen temprano e influyen en los intereses de los niños”, en la revista Science. El experimento consistía en analizar la evolución de estos estereotipos en 96 niños de 5, 6 y 7 años (32 por grupo de edad, mitad chicos, mitad chicas). Los resultados sugirieron que tanto niños como niñas asimilan que la inteligencia es una cualidad masculina conforme crecen. Las autoras de este estudio concluyen que “la consecuencia de esta asociación es que las mujeres no se fijen en carreras donde se considera

“Para que las niñas quieran estudiar carreras tecnológicas, es necesario tener referentes femeninos en las profesiones STEM”, opina la profesora Asunción Vicente “Los menores entre los 5 y 7 años asimilan que la inteligencia es una cualidad masculina”, según el informe de la Universidad de Standford

que la inteligencia es importante como matemáticas, física o filosofía”. “Esta idea se desarrolla en el proceso de socialización donde el tratamiento que se le hace a las niñas y a los niños en ocasiones es diferente”, explica la profesora de la UMH Carolina Vázquez.

El libro del que es coautora la profesora Eulalia Pérez Sedeño Las “mentiras” científicas sobre las mujeres (Catarata, 2017) desmiente que haya diferencias entre los cerebros de chicos y de chicas. En el mismo, la catedrática cita un estudio de la Universidad de California en Santa Cruz (EE.UU.) que afirma que los cerebros humanos no se pueden categorizar en dos clases distintas, masculino y femenino; que las diferencias entre hombres y mujeres no son biológicas ni intelectuales, sino que desde pequeñas se educa a las niñas para ir en un sentido o en otro.

el objetivo de empoderar a comunidades minoritarias y animar a las empresas a que tomen medidas para mitigar este tipo de prejuicios.

Las referentes que faltaron En 1983, el investigador australiano David Chambers pidió a niños y niñas de diferentes edades que dibujasen a una persona dedicada a la ciencia. En edades preescolares, la cantidad de hombres y mujeres era equitativa, pero en edades superiores aparecían más científicos que científicas en las respuestas. En 2018, otros grupos de investigación en psicología replicaron el experimento Draw A Scientist y, aunque los resultados fueron mejores, los dibujos de hombres continuaron siendo más habituales.

Por su parte, la empresa Microsoft comprobó cómo influía en las niñas tener referentes en las áreas STEM. El 41% de las niñas con referentes se interesan en STEM, frente al 26% sin referentes. Asimismo, la investigación “Girls in STEM: The importance of role models” constató que las chicas confían más en sí mismas cuando tienen modelos a seguir.

Las encuestadas fueron 11.570 mujeres entre 11 y 30 años de doce países de Europa: Bélgica, República Checa, Finlandia, Francia, Alemania, Irlanda, Italia, Países Bajos, Polonia, Rusia, Eslovaquia y Reino Unido.

La investigadora Pérez Sedeño alude a la presión que reciben las niñas tanto de la familia, en el colegio por parte del profesorado o entre iguales, con los anuncios de televisión o las películas Disney. “Si dicen en la escuela que les gustan las matemáticas o las ingenierías, las miran mal”, comenta la coordinadora de la RICTYG, e indica que, también, influye si los progenitores han estudiado una carrera tecnológica porque, seguramente, en estos casos les llame la atención la profesión de sus padres y decidan cursarla.

La profesora de Ingeniería Telemática de la UMH Asunción Vicente asegura que si aparecen más mujeres de estas profesiones en medios de comunicación, el público no va a asociar la palabra “tecnología” solo con homUna forma de romper con esos estereotibres. Y recalca: “Para que las niñas quieran pos es con la coeducación. La docente de estudiar carreras tecnológicas, es necesario Psicología Social de la UMH Carolina VázCarolina Vázquez tener referentes femeninos en las profesioquez expone que trabajando los estereotines STEM”. Una vez, las alumnas del Grado Profesora de Psicología Social de la UMH pos de género con las y los menores, estos de Ingeniería Mecánica le hablaron de Marga son capaces de entender su significado y Torres, jefa de motores del piloto de la Fórmula 1 Lewis Hamilton, de eliminar las diferencias que a priori encuentran entre lo que está una de ellas dijo: “Yo quiero ser como ella”. La investigadora Vicente establecido en relación al comportamiento de las niñas y los niños. concluye: “Ella ya tiene su modelo a seguir gracias a esta visibilidad”.

Las discriminaciones hacia las mujeres, sesgos de género, no solo se En España, el proyecto Educa 20.20 encuesta a adolescentes sobre reproducen entre humanos, sino que también aparecen en los algorittemas relacionados con su futuro profesional cada año. En 2017, la mos. En 2017, investigadoras de la Universidad de Princeton (EE.UU.) pregunta era ¿Qué quieres ser de mayor? ¿Qué puedes ser de mayor? demostraron que algunos sistemas de Inteligencia Artificial (IA) replicaLa muestra fue de 12.800 estudiantes de bachillerato y ciclos meban los prejuicios raciales y sesgos de género. Por ejemplo, mientras dios de Formación Profesional. Una de las cuestiones concretas era a los nombres femeninos se asociaban con cuestiones familiares, los quién querían parecerse de mayores. De todos los participantes, solo masculinos se relacionaban con carreras profesionales. Asimismo, la 5.800 escribieron sus referentes. El más elegido fue Amancio Ortega, cofundadora de Mujeres Ingenieras y profesora del Área de Ingeniería propietario de Inditex y una de las personas más ricas del mundo, Telemática en la UMH Asunción Vicente Ripoll aclara que esto puede pasar si el algoritmo se basa en un lenguaje sexista. Por este motivo, según la revista Forbes. El listado de las chicas lo encabeza Amancio Ortega, “mi madre” y la actriz Emma Watson, en la selección de ellas han surgido iniciativas como la Algorithmic Justice League, que tienen

1843 Ada Lovelace Ada Lovelace (1815-1852) creció rodeada de los intelectuales británicos de la Edad Contemporánea.

Uno de ellos fue el matemático Charles Babbage quien diseñaba una máquina diferencial, es decir, una calculadora que podía sumar y restar. Lovelace se dio cuenta que si separaba los datos del procedimiento utilizado para manipularlos podría encontrar la manera de diseñar un método aplicable a cualquier tarea que requiriese tratar datos de forma sistemática. Había dado con la noción de algoritmo, es decir, con los pasos secuenciales para resolver un problema informático.

1942 Hedy Lamarr Hedwig Eva Maria Kiesler (19142000), más conocida como Hedy Lamarr, fue una actriz e inventora austriaca. Su primer marido fue Fritz Mandl, empresario de la industria armamentística nazi. Su esposo le obligaba a asistir a las reuniones donde Hedwig recopilaba información de la tecnología de la dictadura de Hitler. En un viaje de Mandl, la inventora escapó y tras varios días consiguió llegar a Hollywood.

Cuando estalló la II Guerra Mundial, la intelectual Lamarr se ofreció a ayudar al Gobierno de Estados Unidos. Desarrolló el espectro ensanchado para guiar torpedos que evitaban las interferencias y la detección del enemigo. Esta técnica se basaba en el salto de frecuencia y era necesario que el emisor y el receptor estuviesen sincronizados.

Esta innovación se aplicó en la tecnología WiFi, Bluetooth o radio.

1946 Las Programadoras de ENIAC La máquina ENIAC fue de las primeras computadoras en funcionar entre 1946 y 1955. Servía para hacer tablas de tiro y cálculos físicos sobre la bomba de hidrógeno. El equipo técnico estaba formado por hombres y mujeres, sin embargo, ellos aparecían como autores y se pensaba que ellas eran modelos. Gracias a la investigadora Kathy Kleiman se descubrió la realidad. Las trabajadoras que salían en las fotos eran las programadoras Frances “Betty” Snyder, Jean Jennings, Kathleen McNulty, Marlyn Wescoff, Ruth Lichterman y Frances Bilas.

1959 Grace Murray Hopper A Grace Hopper (1906- 1992) le interesaron las matemáticas y la ciencia desde pequeña. En 1934 fue doctora de Matemáticas en la Universidad de Yale en Connecticut (EE.UU) y dio clases de esta materia hasta que estalló la II Guerra Mundial. En ese momento, la científica Hopper ingresó en la Marina para trabajar en la computadora experimental Mark I. El resultado de su estancia fue un manual donde explicaba su funcionamiento. En 1959, Hopper creó el lenguaje COBOL, el primer lenguaje de programación que se basaba en escribir la función en inglés y lo traducía a un sistema binario para que la máquina lo pudiera interpretar.

1965 Mary Allen Wilkes Mary Allen (1937-) fue la primera usuaria de una computadora desde casa. La graduada en Filosofía Allen consiguió un puesto en el Instituto Tecnológico de Massachusetts (MIT). Cuando trabajaba en el ordenador LINC, el equipo técnico se trasladó a Misuri, pero ella no podía porque su madre estaba enferma.

Su mentor e inventor de la máquina, Wesley Clark, le propuso que se lo llevase a su casa. Allí desarrolló el sistema operativo LAP6 que combinaba el lenguaje ensamblado y un editor, una novedad en esa época.

Se basaba en una consola que editaba el texto desplazándose por el documento usando el scroll. Si se presionaba la letra L, gracias a esta técnica, se transformaba en un código de 0 y 1 para que la máquina lo interpretase.

hay paridad y diversidad de profesiones. En la de ellos no aparece ninguna mujer como referente ni tampoco hay artistas o escritores. Los más votados de los chicos son el fundador de Microsoft, Bill Gates; el cofundador de Apple, Steve Jobs y Amancio Ortega. Además, predominan las profesiones relacionadas con la tecnología, emprendimiento o deporte. El resultado es que entre los 100 referentes más repetidos hay el triple de hombres que mujeres.

En la encuesta Educa 20.20, una iniciativa del periodista Fernando Jáuregui, la única científica que aparece es la física Marie Curie. Las autoras de Las “mentiras” científicas sobre las mujeres Eulalia Pérez Sedeño y S. García Dauder exponen en la obra que un motivo de la carencia de modelos a seguir en ciencia es el Efecto Matilda, que consiste en tener prejuicios a la hora de reconocer las aportaciones de mujeres científicas. Asimismo, los artículos donde ellas eran coautoras con sus maridos o colaboradoras se valoraban peor. También se atribuía por defecto la autoría a los hombres cuando se ponían las iniciales o apellidos o solo se les citaba a ellos.

donde es fácil ponerle la zancadilla a una ingeniera porque está en minoría: “Es necesario que las mujeres se empoderen”, reivindica la investigadora Vicente. A su vez, añade que algunas mujeres con perfil técnico se van a otro trabajo que les ocupe menos horas porque no pueden conciliar la vida personal con la laboral. La psicóloga de la UMH Carolina Vázquez explica por qué suelen ser ellas las que abandonan su trayectoria profesional: “La responsabilidad de las tareas del ámbito de lo privado recae en las mujeres por los roles de género, es decir, el papel que tiene que desarrollar una mujer y un hombre vienen impuestos por la sociedad y los roles de género establecidos.

Reducen aspectos de lo público para darle tiempo a lo privado, lo que se considera responsabilidad de ellas”.

Esta discriminación la ha vivido la técnica Kenza Hazeb cuando estudiaba Ingeniería informática en la Universidad de Granada. Durante la carrera sus compañeras y ella escucharon comentarios machistas y sexistas de alguno de los docentes como “Has venido aquí para buscar novio” o “Yo ya sabía que la ingeniería no era para chicas”. A pesar de estos comentarios, continuó con sus estudios y, ahora, trabaja en la empresa de software Nazaríes IT. Su día a día consiste en reunirse con los clientes y plantear un proyecto acorde a sus exigencias.

“Hay una ley sociológica que dice que, a mayor prestigio de la profesión, menos mujeres y, cuando un campo se feminiza, pierde reputación”, señala la coordinadora de RICTYG Eulalia Pérez Sedeño

La primera programadora Ada Lovelace publicó el diseño del algoritmo con sus iniciales para que no supieran que era una mujer. En la II Guerra Mundial, fue crucial el trabajo de la inventora Hedy Lamarr, quien desarrolló la técnica del espectro ensanchado, precursora de la señal WiFi, Bluetooth o GPS. Otra pionera fue la informática Radia Perlman, quien planteó el Protocolo Spanning Tree (STP) que permite que la comunicación sea fluida en Internet. “Si en una videollamada la señal se corta, el protocolo abre otra vía para que la comunicación pueda seguir”, ejemplifica la profesora del Área de Lenguaje y Sistemas Informáticos de la UMH María Belén Pérez Sánchez.

El futuro tecnológico con ellas A pesar de los diversos factores que influyen en la brecha de género en las áreas STEM, la filósofa Eulalia Pérez Sedeño cree que más adolescentes se interesarán por estas disciplinas y añade que “cuanta mayor diversidad, mejor, porque se amplía el espectro y los conocimientos”. Para conseguirlo, la investigadora Pérez Sedeño propone acercar la ciencia de forma amistosa a las niñas con el objetivo de animarlas a participar en ella. Además, plantea que las jóvenes tengan mentoras que las guíen y aconsejen. Por último, “es importante que las niñas y adolescentes se sientan apoyadas en casa cuando elijan que quieren ser de mayores”, señala Pérez Sedeño.

La profesora del Área de Ingeniería de Sistemas y Automática de la UMH Asunción Vicente admite que es un mundo muy competitivo

1980 Lynn Conway La inventora Lynn Conway (1938-) estudió Física en el Instituto Tecnológico de Massachusetts (MIT) y cursó el Máster en Ingeniería Eléctrica en la Universidad de Columbia de Nueva York (EE.UU). La empresa de tecnología IBM la contrató enseguida, pero la despidió cuando supieron que iba a someterse a una operación de reasignación de género. La decisión de la investigadora Conway provocó que su mujer se divorciase y no le dejase ver a sus dos hijos. Entonces, conoció a otras transexuales que sufrían la persecución policial. Un año después de la operación, trabajó en la compañía informática Xerox PARC en la Integración a Muy Grande Escala (VLSI) junto al técnico Carver Mead.

El desarrollo de VLSI permitió que se fabricasen ordenadores más pequeños. A pesar de ser Conway la creadora, el mérito fue solo para Mead. Años más tarde, reconocieron su labor y Lynn Conway se convirtió en una activista por los derechos de los transexuales en EE.UU.

1985 Radia Joy Perlman La programadora Radia Perlman (1951-) era una alumna sobresaliente. Cuando finalizó el instituto se inscribió en Instituto Tecnológico de Massachusetts (MIT) donde construyó TORTIS, una tortuga que podían programar niñas y niños de 2 a 5 años. En 1976, terminó el Máster de Matemáticas y se unió al grupo de la empresa informática BBN, allí aprendió a programar. En una ponencia sobre la ruta de la red el director de la compañía DEC contrató a la matemática Perlman para que diseñase un protocolo que tuviera varias redes de conexión disponibles por si la principal fallaba. Este protocolo conocido como Protocolo Spanning Tree (STP) es una de las reglas fundamentales para el tráfico en Internet. Por ejemplo, si en una videollamada la señal se corta, el protocolo abre otra vía para que la comunicación pueda seguir. Ahora la técnica Perlman se dedica a crear sistemas seguros y fáciles de entender para que todos los usuarios puedan borrar la información que no quieran que aparezca de ellos en la Red.

La informática Hazeb ve posible el aumento de matriculadas en estudios STEM cuando las leyes cambien y lo ejemplifica con los permisos de paternidad: “A un CEO de una empresa le compensa más contratar a un hombre que a una mujer porque si hay una baja por maternidad, el padre está menos tiempo fuera del trabajo. Si el periodo fuese el mismo, eso no se tendría en cuenta”. Mientras tanto, Hazeb apoya la divulgación de las disciplinas STEM y trabaja para dar visibilidad a las mujeres en las áreas de ciencia y tecnología. Entre otras iniciativas de cara al público, ha participado en el programa Medina en TVE, que visibiliza la comunidad islámica en España.

Hazeb aconseja a las futuras informáticas que no hagan caso de los comentarios machistas o clasistas. A su juicio, con esfuerzo y trabajo es posible culminarla carrera, “e incluso se disfruta el doble al conseguir superar este tipo de trabas”. La ingeniera proclama: “Nadie debe quitarles esa ilusión a las jóvenes, son sus sueños y deben luchar por ellos”. Su objetivo es motivar a las chicas que hayan pensado cursar este tipo de carreras y romper los estereotipos de género; conseguir que tanto niños como niñas contemplen dibujar una programadora cuando les preguntes por sus referentes

.

1994 June Cohen Cohen se graduó en Ciencias Políticas de Universidad de Stanford de California (EE.UU), allí fue la editora jefa del periódico universitario The Stanford Daily en 1991, fue el primer medio de comunicación en lanzar contenido multimedia. Tres años después, la revista Wired la contrató como la vicepresidenta de contenido en el sitio web de la empresa, HotWired. Esta página era pionera porque incorporó sistemas de afiliación, de comentarios y de espacios publicitarios. En 2005, Cohen formaba parte del equipo de la organización de Tecnología, Entretenimiento y Diseño (TED) y fichó al director de cine especializado en internet, Jason Wishnow. El objetivo de Cohen era grabar las conferencias y publicarlas en la web de forma gratuita.

Hace tres años, fundó la compañía de contenido digital premium WaitWhat junto con Deron Triff, los dos antiguos ejecutivos de TED.

1995 Marian Rogers Croak Desde pequeña la informática Marian Croak (1955) se había interesado por las ciencias tanto que construyó un laboratorio de química en su casa.

Se graduó en Análisis Cualitativo y Psicología Social en la Universidad de Princeton (EE.UU) en 1982. Ese año entró en la multinacional AT&T donde desarrolló la tecnología VoIP, que es la que permite digitalizar el audio que el emisor envía y llegue al receptor, es la que se aplica en las llamadas por Whatsapp o Skype. También diseñó un sistema de donaciones a través de mensajes de textos con el objetivo de recaudar fondos tras el Huracán Katrina. Actualmente es la vicepresidenta de Ingeniería de Google y pertenece a la junta directiva del Centro de Educación sobre los Derechos Humanos.

2003 Cecilia Pagkalinawan La programadora Cecilia Pagkalinawan estudió en la Universidad de Hofstra de Nueva York (EE.UU). Durante siete años Pagkalinawan ha sido especialista en e-commerce en empresas relacionadas con la moda y en 2003 lanzó la primera tienda on-line de la marca Burberry. Entre 2006 y 2010, fue vicepresidenta de comercio electrónico y marketing en las compañías de sábanas de lujo Frette y la marca de lencería La Perla. La pionera Cecilia Pagkalinawan es fundadora y Oficial Ejecutivo Jefe (CEO) de la empresa BRWN dedicada a mostrar la diversidad cultural en los sectores de moda, belleza, bienestar, decoración del hogar. La Asociación Nacional de Mujeres Empresarias la nombró Empresaria de Nueva York del Año 2000. Un año después de recibir ese premio, la CEO Pagkalinawan fue acosada por un alto ejecutivo de Silicon Valley, la sede de empresas como Facebook, Apple y Google. En el reportaje El acoso sexual en Silicon Valley: La oscura realidad de las empresas tecnológicas Pagkalinawan aseguro que era un problema que nunca se iba a eliminar.

imagen: Pixabay.

La Inteligencia Artificial en la Comunitat Valenciana: una estrategia para las personas La importancia de la Inteligencia artificial Creo, como muchos otros, que la Inteligencia Artificial va a cambiar la forma en que hacemos muchas cosas cotidianas, que vamos a abandonar prácticas habituales y nos va a introducir en nuevos procesos que ni imaginamos. ¿Recuerdan lo que se decía hace veinte o treinta años sobre los ordenadores? No creo que nadie tenga dudas acerca de que la informática ha cumplido con creces ese pronóstico. Pero ¿es la IA más de lo mismo o es una cosa nueva?

Hace muchos años, en una entrevista que le hicieron a Steve Jobbs, el fundador de Apple decía que si analizábamos la eficiencia de los animales que nos rodean, la especie humana no era especialmente eficiente, menos que un salmón. Sin embargo, si se subía en una bicicleta impulsada sólo con la fuerza de sus piernas, se convertía en la más eficiente con diferencia, más que el cóndor o el guepardo.

Usando esto como metáfora, afirmaba que «los ordenadores son las bicicletas para nuestras mentes»: nos permitirán desarrollarnos y llegar mucho más lejos y más rápido de lo que lo haríamos sin ellos.

Cualquiera que haya manejado un ordenador, aunque sea como usuario, ha tenido esta percepción. La máquina le habrá permitido hacer más y más rápido. Pero también habrá ocurrido algo: habrá comenzado a realizar cosas que son completamente nuevas y con ello a realizar su propio proceso de «transformación digital».

La Inteligencia Artificial lleva esto muchísimo más lejos. Es directamente una prolongación de algunas de las habilidades que nuestro cerebro es capaz de hacer. Por ejemplo, reconocer objetos en imágenes o analizar el lenguaje humano oral o escrito, encontrar patrones en conjuntos de datos, realizar predicciones con información parcial. Y, por ello, es capaz de mejorar las fotos que tomamos con el móvil, clasificar imágenes o vídeos, traducir idiomas o conducir coches por nosotros.

Soy una optimista tecnológica y creo que todas las posibilidades que nos ofrece la IA tendrán un altísimo impacto en nuestras vidas cotidianas para mejor. Allí donde se haga un adecuado y ético uso de la Inteligencia Artificial, vamos a notar cambios y mejoras.

Si sabemos aprovechar las oportunidades, la Inteligencia Artificial va a ser una fuente de prosperidad para nuestra sociedad por todas las promesas que ofrece, de hecho, algunas ya se están cumpliendo. Tenemos la obligación, cada uno desde donde nos corresponda, de aprovechar esas oportunidades. Sobre todo, para el bien común.

No nos vale el «todo vale» He marcado antes la palabra «adecuado» porque la IA, como muchas otras tecnologías, es un catalizador -potentísimo, eso sí- de tendencias, procesos y funcionalidades. Por tanto, igual que puede ser utilizada positivamente también puede servir para potenciar usos no adecuados. Ahí es donde tenemos que ser vigilantes. No podemos dejar que la IA sea utilizada contra el ser humano, sino a su favor. Hay muchos investigadores que han puesto el acento en los usos de la IA para el bien común, como la científica Nuria Oliver, directora del nodo Ellis de IA en Alicante.

A la vez que señala las oportunidades que la IA ofrece, ella también remarca los problemas que hay que resolver para que el uso sea «adecuado».

Lo hace presentando el acrónimo «FATEN», que son la iniciales, en inglés, de «Fairness», «Autonomy», «Transparency», «Education» y «Non-Maleficience» (Justicia, Autonomía, Trasparencia, Educación y No maleficiencia) a los que añade «responsabilidad y beneficiencia o buen uso».

Al pensar en utilizar la Inteligencia Artificial, no todo vale.

Hay que potenciar lo bueno. Gracias a la IA, en el campo de la medicina, en nuestra propia tierra, nuestras investigadoras e investigadores están encontrando herramientas no agresivas que salvan vidas con diagnósticos tempranos; se puede luchar contra los desastres naturales; combatir el fraude y se puede ser muy eficaz en la gestión de los recursos públicos ciudadanos. Se puede predecir la producción de las cosechas y la ocupación turística con meses de anterioridad.

Todo depende de que tengamos claro cómo vamos a usar la Inteligencia Artificial para el bien común. Investigadores como Nuria Oliver y otros pensadores nos marcan el camino a seguir.

Hay que tener un plan Por las razones expuestas debemos hacer todo lo posible, insisto: cada uno desde donde le corresponda, para hacer que la Inteligencia Artificial sea el motor de desarrollo valenciano de los próximos años. Debemos introducirla en nuestros procesos productivos, de gestión, de diagnóstico... Y, por supuesto, en los sistemas educativos de todos los niveles. Querría señalar aquí excelentes iniciativas universitarias como la de

Carolina Pascual Villalobos

Consellera de Innovación, Universidades, Ciencia y Sociedad Digital la Universidad Miguel Hernández de Elche y su plan de Introducir la IA en los niveles educativos básicos, formación profesional y secundaria.

En definitiva: la inteligencia artificial, y con ella la gestión de la información y datos disponibles, producirá el cambio de modelo económico hacia una economía y a una sociedad digital.

El futuro llegará. Algunos dirían que ya ha llegado. Pero pueden pasar dos cosas: que el futuro que otros diseñan nos arrolle, nos pase por encima y que acabemos siendo consumidores pasivos o que contribuyamos al diseño de un futuro próspero con nuestras condiciones y propuestas. Para que ocurra esto último hace falta tener un plan.

La iniciativa de Presidencia de la GVA de establecer una «estrategia para la IA Valenciana» va mucho más allá de la simple idea de que hay que impulsar su desarrollo. También marca cómo queremos que la IA sea utilizada, siempre para el bien común y pretende establecer los compromisos de la propia administración valenciana para hacer posible ese uso «adecuado» que debe traer prosperidad.

Ya están ocurriendo cosas y no son casualidad: los numerosos programas de la AVI sobre IA o el impulso para incorporar la IA en todos los sectores, la instalación preferente en el Distrito Digital de empresas enfocadas a la aplicación de la Inteligencia Artificial o el reciente anuncio de que el mismo Alicante será la sede de un nodo de la red europea de excelencia investigadora ELLIS. Son muestras de que, si nos proponemos las mismas metas, todo será posible.

Conceptos y Contextos Ángeles Gallar / Alicia de Lara

Inteligencia Artificial El futuro de la Inteligencia Artificial (IA) es más bien el presente. La vida cotidiana se encuentra arropada por multitud de sistemas basados en la IA, con la excusa de hacerla más amigable y sencilla. Igual que la Coca-Cola consiguió estar presente hasta en los lugares más remotos de África, donde apenas existían las carreteras, hoy es complicado encontrar un ser humano que no tenga a su disposición un smartphone. Este dispositivo es a la IA lo que el caballo de Troya a los aqueos. La IA se ha colado por los asistentes de voz (Siri y otros); las cámaras (enfoque inteligente, detección de caras, sonrisas, o transformaciones faciales) y las aplicaciones web, donde los smartphones interaccionan con un sinfín de sistemas inteligentes basados en recomendación o tratamiento de la información (Facebook, Twitter, Netflix, etc.). ¿Cuáles son los pilares de este desarrollo tecnológico? Y, sobre todo, ¿qué implicaciones tiene?

Lo primero que hay saber para entender por qué la inteligencia artificial está ya presente en cada aspecto del día a día es que cualquier cosa en el mundo puede ser transformada en un número. La voz se caracteriza por una cierta frecuencia (número de repeticiones por unidad de tiempo), una galleta pesa tantos gramos, una imagen tiene una cierta cantidad de rojo, verde y azul.

Si todo puede numerarse, todo puede calcularse; y el trabajo de resolución de problemas que hace un cerebro humano puede ser imitado -con más o menos acierto- por un procesador, mediante el uso de algoritmos.

Algoritmo clasificador Los algoritmos de IA suelen ser bastante sofisticados.

Más que intentar entender cómo funcionan, es importante saber para qué se utilizan. Una de las tareas básicas es la de clasificación. Muchos algoritmos sirven para reducir fenómenos naturales a “características”, valores útiles a la hora de clasificar cosas. Es difícil que con solo dos variables un algoritmo -o una persona- sea capaz de determinar si un objeto es A o B con un 100% de acierto, pero se le puede entrenar para que el error sea mínimo. La inteligencia artificial se apoya mucho en la estadística, una disciplina que lleva desarrollando la toma de decisiones basadas en datos desde mucho antes de que existieran los ordenadores.

Machine learning Son algoritmos que otorgan a un ordenador la habilidad de aprender de los datos y, en base a ellos, hacer predicciones y tomar decisiones. Distinguir un correo normal del spam, detectar una frecuencia cardíaca anómala, qué publicidad recibe un usuario en base a su comportamiento en la web... Aunque todas estas funciones son útiles, tampoco es que se puedan calificar de “inteligentes”, al menos no

en comparación con la inteligencia humana. La clave para saber si un sistema de redes neuronales está aprendiendo de verdad o no es proponerle nuevos problemas. Sería como la diferencia entre preparar el examen de conducir, un examen tipo test con preguntas y respuestas modelo en las que siempre se plantean las mismas situaciones, o un examen de desarrollo en el que se plantean situaciones hipotéticas que el futuro conductor nunca se había planteado.

También existe el problema de las falsas correlaciones, relacionado con la importancia de elegir bien los datos con que se alimenta un sistema de inteligencia artificial, así como de mantener una arquitectura simple para su análisis. Ya que, de lo contrario, pueden extraerse conclusiones sin validez. Por ejemplo, una red neuronal se daría cuenta fácilmente de que la tasa de divorcio está directamente relacionada con el consumo de margarina, porque matemáticamente es así, pero esta afirmación, aunque pueda ser demostrada, no tiene sentido.

Redes neuronales El cerebro toma decisiones utilizando 100 billones de neuronas, con trillones de conexiones entre ellas. Una solución matemática para tomar decisiones es usar redes neuronales artificiales. También son muy apropiadas para, entre otros, el reconocimiento de imagen. Un programa sin IA podría analizar si dos fotografías de una persona son idénticas comparando la información contenida en cada píxel, en cada punto de color. Sin embargo, la IA permite distinguir a la misma persona en fotografías diferentes, donde la postura, la luz o el contexto no son ni siquiera parecidos. Este sistema de reconocimiento facial es el que aplica Facebook en el etiquetado de personas. Las redes neuronales se aplican en situaciones para las cuales no se puede utilizar solo un modelo o una fórmula matemática. Cuando un problema se puede resolver mejor por observación continua, se entrena la red para identificar lo que se busca.

Las redes neuronales artificiales constan de una capa de entrada de datos en forma de números y otra capa de salida, con un número indefinido de capas ocultas en medio donde se encuentran las neuronas artificiales. Cada una de ellas analiza los datos con una finalidad específica. Ahora bien, estos sistemas pueden necesitar una inmensa capacidad de procesamiento. Por ejemplo, el proyecto AlexNet de reconocimiento de imagen desarrollado en 2012 necesitaba medio millón de neuronas artificiales para analizar 60 millones de parámetros.

Deep learning Cuantas más capas ocultas se incluyen en la red neuronal, más “profundo” o complejo es el cálculo que realizan. De aquí se deriva el término “Deep Network” (“red profunda”) o “Deep Learning” (“aprendizaje profundo”). Cuantas más

capas ocultas hay en una red neuronal, más abstractos se vuelven los cálculos. Las limitaciones técnicas y la complejidad de los valores son características a tener en cuenta a la hora de construir una red neuronal. Dado que la tendencia es a utilizar redes neuronales para tratar aspectos clave de la vida de las personas, como optar a un trabajo, pedir un préstamo o detectar fraude, es importante que quienes construyen las redes neuronales que analizan todos esos datos tengan claro cada uno de los pasos y cómo se obtiene el resultado final, qué variables están teniendo más peso y cuáles deberían darse por irrelevantes dentro del sistema. Aunque la teoría de las redes neuronales tiene más de 50 años, las redes neuronales complejas no se pudieron implementar hasta que el desarrollo tecnológico permitió una alta capacidad de computación.

Si piensa como un humano y actúa como un humano, ¿es humano?

“Propongo considerar la pregunta, ¿Las máquinas pueden pensar?”. Así comienza uno de los artículos científicos sobre IA más conocidos, el que propone el Juego de la Imitación (ahora llamado “Test de Turing” en alusión a su creador, quien lo propuso en 1950). Responder a esta pregunta requiere algo tan complicado como definir lo que es una “máquina” y lo que es “pensar”. Para simplificar este problema, Alan Mathison Turing propuso una alternativa en forma de juego. Implica a tres jugadores, un hombre (A), una mujer (B) y un interrogador (C) de cualquier sexo.

El objetivo del juego es que el interrogador descubra cuál de las otras dos personas es el hombre y cuál es la mujer. Para ello, puede hacerles cualquier pregunta, como: “¿Puede decirme la longitud de su pelo?” El interrogador recibirá una respuesta escrita a máquina, por ejemplo: “Los mechones más largos de mi pelo miden veintidós centímetros”. Ahora bien ¿qué ocurre si el sujeto A es una máquina? La hipótesis de Turing es que una computadora puede llamarse inteligente si puede engañar a un humano, y hacerle creer que ella también es humana. Cada día, millones de personas utilizan una versión modernizada del test de Turing, llamada Captcha, que sirve para distinguir entre humanos y ordenadores.

Cuestiones éticas Las redes neuronales profundas pueden conducir un coche, traducir un texto o diagnosticar a un paciente. Estos algoritmos son muy sofisticados, pero la comunidad investigadora no tiene claro si pueden llamarse “inteligentes”. A estas técnicas se les llama “inteligencia débil”, porque solo se les da bien una tarea en concreto. Todavía no se ha conseguido desarrollar una IA que abarque todas las capacidades del cerebro humano. Algunos argumentan que es imposible. Pero otros impulsores de la IA, más optimistas, creen que la explosión del conocimiento digital es la mecha necesaria para entrenar una IA completa. Una persona solo puede leer libros, como máximo, 24 horas al día. Sin embargo, un ordenador podría leer y aprender el contenido de 24 libros por segundo. Ahora, las inteligencias artificiales tienen a su disposición la Wikipedia, Youtube y todo un universo digital de conocimiento.

En 2011, la inteligencia artificial Watson desarrollada por IBM se presentó al concurso de televisión Jeopardy! en el que se requieren amplios conocimientos culturales y habilidad para la estrategia. Watson ganó un millón de dólares en dos días y derrotó a los campeones del juego.

En la pregunta de la victoria, otro concursante escribió en su pizarra de respuestas: “Quiero ser el primero en dar la bienvenida a nuestros nuevos amos, los ordenadores”.

UWICORE

Vía abierta al tráfico inteligente

Predicción del comportamiento de redes 5G y otras aplicaciones industriales de la IA

M

ás de la mitad de los vehículos que se están fabricando en este momento en el mundo son vehículos conectados. El director del grupo UWICORE de la Universidad Miguel Hernández (UMH) de Elche, Javier Gozálvez, explica que el vehículo conectado mejora el confort y la seguridad de los usuarios y potencia la digitalización de la movilidad.

Además, ofrece a las administraciones públicas nuevas herramientas para conocer y gestionar el tráfico.

Con los datos de los vehículos conectados es posible conocer el estado del tráfico e incluso predecirlo con una menor inversión e infraestructuras, mediante el acceso a los datos de los coches.

El laboratorio UWICORE pertenece al Centro I3E de Investigación en Ingeniería de Elche de la UMH. Dentro del grupo, el investigador Jesús Mena se ha encargado de seleccionar y perfeccionar una red neuronal para predecir el estado del tráfico, a través datos de sensores fijos colocados en las vías y los datos de vehículos conectados. Los investigadores tomaron como muestra un tramo de 97 kilómetros de la autovía A-7 entre Alicante y Murcia, donde hay una intensidad media diaria de 100.000 vehículos y se encuentran 99 sensores que permiten medir el tráfico con una periodicidad de 1 minuto. El Centro de Gestión de Tráfico de Levante proporcionó la información recabada por sus sensores de tráfico en 12 años. Con una selección de estos datos, los investigadores han desarrollado un escenario digital de simulación que permite generar con gran exactitud el tráfico experimentado en el tramo de la A-7 durante diez días.

Laboratorio de Comunicaciones Móviles e Inalámbricas de la UMH El equipo se preguntaba cómo influye la cantidad de vehículos conectados en la precisión de las predicciones de la intensidad, densidad y velocidad del tráfico. ¿Si los coches “se hablan”, es más fácil saber si se va a producir un atasco en las próximas horas? Según sus resultados, es posible mejorar la predicción del tráfico con datos de tan solo un 4% de vehículos conectados. Esto supone una doble ventaja para las administraciones públicas. Por una parte, cuando existan más vehículos conectados, la inversión en sensores de tráfico podrá ser menor y, además, sabrán exactamente cuántos datos de vehículos conectados necesitan comprar para monitorizar el tráfico. “Parece increíble que se pueda predecir qué va a ocurrir en una carretera, con la cantidad de factores que influyen en el tráfico”, comenta el investigador de UWICORE Baldomero Coll.

Sin embargo, ya es una realidad. La plataforma digital creada en la UMH permite predecir el estado del tráfico a 15 minutos vista.

El grupo UWICORE, también, utiliza técnicas de IA en las redes 5G aplicadas al entorno vehicular, las que ayudan a los vehículos a comunicarse entre sí y con las infraestructuras. En este ámbito, la IA puede utilizarse para predecir el comportamiento de la red de comunicaciones y reconfigurarla para que los vehículos se comuniquen con mayor fiabilidad y velocidad. “Más que reaccionar ante un problema, la IA nos permitiría anticiparnos”, explica el investigador Miguel Sepulcre.

Estas investigaciones se han desarrollado en el marco del proyecto PREDICT (Predicción y caracterización de tráfico con datos de vehículos conectados y vehículos autónomos), financiado por la Dirección General de Tráfico. En el proyecto, los investigadores de la UMH, también han cuantificado el impacto de los vehículos autónomos sobre el tráfico. Según Gozálvez, la conduc-

ción autónoma permitirá, por ejemplo, la formación de​ platoons ​o convoyes en autovías y autopistas. De esta manera, grupos de vehículos pueden circular a corta distancia sin que suponga un riesgo. Diversos estudios han demostrado que la conducción autónoma aumenta la capacidad de las carreteras y reduce el consumo de combustible. Sin embargo, las investigaciones del grupo UWICORE UMH han demostrado que, sin soluciones eficaces para garantizar la coexistencia de vehículos autónomos y convencionales, el platooning no aumentaría la capacidad de las vías rápidas hasta que al menos el 15% de los vehículos circulen de forma autónoma. El ​problema ​es que más de la mitad de maniobras de conducción autónoma pueden llegar a no ser ejecutadas por problemas en la coexistencia entre vehículos, según indica Gozálvez.

Este equipo de especialistas, también, utiliza la IA para el desarrollo de la Industria 4.0, un modelo de fábrica en el que la maquinaria está automatizada y trabaja de forma conectada para mejorar los procesos de producción. “La IA puede ayudar a predecir el estado de las comunicaciones en el entorno industrial”, comenta la investigadora del laboratorio UWICORE Mª Carmen Lucas Estañ. Las fábricas tienen necesidades digitales crecientes y toda esa cantidad de datos necesita moverse de forma rápida. Predecir cómo se va a comportar una red de comunicaciones inalámbricas tipo 5G es esencial para anticipar problemas en el entorno industrial. Desde el laboratorio de la UMH, investigan cómo una IA puede ayudar a cumplir con los estrictos requisitos de fiabilidad, retardo y velocidad de transmisión en la Industria 4.0. Con datos reales de cadenas de producción, han emulado el comportamiento de sus redes inalámbricas para encontrar fallos y optimizar las comunicaciones.

Ingeniería e inteligencia artificial para entender la mente Interfaces cerebro-máquina no invasivas en la rehabilitación de personas con movilidad reducida

E

l director del grupo de investigación Brain-Machine Interface Systems Lab, José María Azorín, explica que en el ámbito clínico su equipo se centra en desarrollar interfaces cerebro-máquina no invasivas para la rehabilitación de personas que padecen movilidad reducida: “Para que un exoesqueleto pueda ayudar a la persona a caminar, debemos conseguir interpretar la información del cerebro, para lo cual aplicamos diferentes técnicas de Inteligencia Artificial (IA)”. En ese proceso de intención de la marcha se generan una serie de patrones en el cerebro y el objetivo es registrar esa actividad, trasladarla a un ordenador que permita su tratamiento y análisis y que envíe la señal de caminar al exoesqueleto para que la estructura facilite el movimiento. El trabajo del grupo se enmarca dentro de uno de los nodos internacionales del Centro BRAIN (Building Reliable Advances and Innovation in Neurotechnology), el centro estadounidense de investigación colaborativa entre industria y universidad en el campo de la neurotecnología financiado por la National Science Foundation (NSF).

La pregunta que se plantean es la siguiente: ¿Qué está pasando por el cerebro de la persona cuando tiene la intención de caminar? Se centran en casos en los que el sujeto padece una limitación motora, ya sea por un accidente o porque ha sufrido, por ejemplo, un ictus, situaciones en las que la señal que se genera en el cerebro no llega correctamente al músculo. Esta línea de trabajo ha contado con financiación europea y se enmarca en la investigación de los procesos cerebrales: registran y clasifican las señales encefalográficas para determinar las relacionadas con el proceso de la marcha mediante algoritmos y clasificadores de patrones. Un algoritmo extrae las principales características de la señal y un clasificador determina si los patrones corresponden o no a la intención de iniciar o detener la marcha. Para ello, se ponen en práctica técnicas de IA relacionadas con el reconocimiento de patrones y con modelos computacionales de redes neuronales.

Esta investigación se mueve en el terreno de las técnicas denominadas machine-learning, que persiguen un entrenamiento del algoritmo, que le permita aprender sobre los patrones cerebrales. “En realidad, se trata de un proceso de aprendizaje mutuo: por parte de la persona, que aprende a modular sus señales cerebrales, pero también del clasificador, que tiene que adaptarse a esos patrones que se van creando”, añade el investigador. En este proyecto colaboran con diferentes centros clínicos, como es el caso del Hospital de Parapléjicos de Toledo, centro de referencia en España de lesionados medulares.

Otra línea de investigación fuera del ámbito de la salud y en la que el equipo también utiliza técnicas de IA es el estudio de la capacidad creativa: inten-

José María Azorín

Vicente Micol

Director del Brain-Machine Interface Systems LAB tar determinar cuál es la capacidad artística de una persona de acuerdo a su actividad cerebral. “Se trata de una línea de investigación incipiente en la que pretendemos analizar si hay patrones relacionados entre aquellas personas que demuestran una alta capacidad creativa”, apunta Azorín. Para conseguirlo, desarrollan técnicas que, de nuevo, posibilitan la clasificación de patrones, en esta ocasión relacionados con el comportamiento imaginativo.

“El problema en estos casos es que la creatividad y cómo se genera son conceptos subjetivos”, expone el profesor. La hipótesis de partida del grupo es que es probable la existencia de una relación entre la creatividad y las señales EEG (aquellas que se registran con un encefalograma). En la investigación, llevan a cabo pruebas con personas a las que se les plantean diferentes tareas, como puede ser escuchar música o pintar, para intentar obtener una correlación entre su capacidad de crear y la actividad cerebral. Esta línea de trabajo, en la que el grupo colabora con la Universidad de Houston (EE.UU.), puede contar con multitud de aplicaciones: “Si demostramos que hay un mejor

Vicerrector de Relaciones internacionales UMH desarrollo del cerebro en aquellas personas que han hecho esas tareas creativas durante su infancia, esto podría servir para mejorar el diseño de los currículos formativos”, apunta el profesor.

Cuando se le consulta al profesor José María Azorín por el futuro en este terreno, apunta hacia el desarrollo de interfaces cerebro-máquinas implantadas de una forma muy poco lesiva para el usuario y en las que se estimularán los nervios de forma interna, sin la necesidad de un exoesqueleto en aquellos casos en los que sea posible. “Ni habrá exoesqueleto ni habrá un casco visible de electrodos”, aventura el investigador. Azorín se refiere a los electroceuticals, dispositivios electrónicos implantables que registrarán la actividad del sistema nervioso y actuarán sobre éste mediante impulsos eléctricos. En la Universidad de Berkeley (EE.UU.) se ha creado una spin off que trabaja en esta línea y que ha conseguido una importante financiación para empezar trabajar. “Esto nos da una idea de por dónde va a ir el futuro en el desarrollo de estas tecnologías”, apunta el profesor.

Centro BRAIN La inclusión de la UMH en el Centro BRAIN, del que forman parte un gran número de empresas y hospitales de Estados Unidos, tuvo lugar en diciembre de 2018 y fue posible gracias a una colaboración científica previa de los profesores José María Azorín de la UMH y José Luis Contreras Vidal de la Universidad de Houston (EE.UU.). El nodo internacional de este centro en la UMH, dirigido por el profesor Azorín, ha contado en sus primeros pasos con el apoyo institucional del Vicerrectorado de Relaciones Internacionales y del Vicerrectorado de Investigación e Innovación. Según explica el vicerrector de Relaciones Internacionales de la UMH, Vicente Micol, las colaboraciones científicas entre investigadores de distintas universidades son las mejores herramientas para generar relaciones estables, exitosas y duraderas entre instituciones y éste ha sido el caso de la cooperación entre la UMH y la Universidad de Houston.

Además, esta cooperación ha permitido establecer un convenio de movilidad e intercambio de estudiantes, profesores e investigadores entre ambas instituciones. La presencia de la UMH en el Centro BRAIN supone el acceso a nuevas oportunidades de financiación de proyectos en el área de la Neurotecnología y potenciará la movilidad internacional de profesores y estudiantes entre los nodos del centro.

Su actividad se desarrollará en distintas subáreas de la Neurotecnología como las relativas a la salud, el deporte, las artes y la industria inteligente o smart factory y, por tanto, tiene un marcado carácter multidisciplinar que permitirá la participación de grupos de investigación de la UMH pertenecientes a las áreas más diversas. También, presenta una oportunidad para estimular actividades de emprendimiento y traslacionales en el área de las Ciencias de la Salud de la UMH, como el centro experimental Cyborg. El nodo BRAIN de la UMH supondrá, un acicate más para reforzar la reciente incorporación de Alicante a la red Ellis y para posicionar debidamente a la provincia en el ámbito internacional de la Neurotecnología.

El Centro BRAIN está dirigido por la Universidad del Estado de Arizona, una de las universidades más prestigiosas en innovación y transferencia de EE.UU. y posicionada entre las 100 mejores del mundo y la Universidad de Houston. Asimismo, cuenta con el apoyo de la organización NSF, la agencia federal creada por el Congreso de EEUU en 1950 para promover la investigación y generar el conocimiento que transforme el futuro. Además de la UMH, sólo forman parte de este centro otros dos nodos internacionales fuera de EEUU: el Imperial College London (Reino Unido) y el Instituto Tecnológico de Monterrey (México).

José María Sabater

Aprender de la enfermedad

Dispositivos con Inteligencia Artificial para pacientes con TEA y diabetes

D

entro del grupo de Neuroingeniería Biomédica de la Universidad Miguel Hernández (UMH) NBio, el investigador José María Sabater Navarro desarrolla robótica aplicada a la medicina. La Inteligencia Artificial ha supuesto un enorme salto cualitativo para la ingeniería biomédica.

Las aplicaciones tecnológicas para mejorar la calidad de vida de los pacientes son más efectivas cuantos más datos son capaces de procesar. La gestión de grandes cantidades de parámetros es un proceso difícil de abarcar desde la informática “clásica”, por lo que la Inteligencia Artificial (IA) es una de las técnicas utilizadas en el grupo NBio para el funcionamiento de los dispositivos que desarrollan.

Uno de los proyectos que dirige el profesor Sabater es una herramienta para analizar las crisis de pacientes con Trastorno del Espectro Autista (TEA). La mayoría de personas con autismo tienen problemas de percepción sensorial, pueden ser más o menos sensibles que otras personas a estímulos como la luz, el ruido, la textura de la ropa o la temperatura. “Identificar qué estímulos provocan las crisis de ansiedad en niños o adultos con TEA es esencial para poder evitar dichas situaciones y estar prevenidos”, expone el investigador. Asimismo, Sabater explica que, con el tiempo, una familia puede llegar a darse cuenta de que el ruido de la aspiradora es lo que provoca los ataques en el niño; pero con la ayuda de un dispositivo que mide variables ambientales y al que se le enseña cuándo se producen las crisis, este proceso de aprendizaje será más objetivo y por lo tanto

Profesor de Robótica e investigador del Grupo de Neuroingenería Biomédica UMH más rápido. “Además, la Inteligencia Artificial siempre va a estar ahí y va a aprender de ese paciente en particular”, apunta el profesor de Robótica. Aquí queda patente otro de los puntos fuertes de la IA: es el paso necesario para la medicina personalizada.

El dispositivo que desarrolla el grupo NBio recoge tanto los datos biométricos del paciente como los estímulos del entorno: temperatura corporal y ambiental, pulso cardíaco, cantidad de movimiento, luminosidad, ruido, humedad...

En una fase inicial, los cuidadores presionan un botón cuando el paciente está sufriendo una crisis. De esta manera, la IA aprende a relacionar los estímulos y sus consecuencias. El objetivo es entrenarla para avisar de la probabilidad de que se produzca una crisis de ansiedad. “La selección de datos para alimentar una Inteligencia Artificial es una de las fases más críticas”, explica Sabater, “si se le alimenta con datos malos va a pensar mal, va a aprender mal”. El objetivo de esta línea de investigación es que el dispositivo sea más eficiente que un ser humano a la hora de predecir los ataques.

Este proyecto ha sido financiado por el Ministerio de Economía, Industria y Competitividad, la Conselleria d’Educació, Investigació Cultura i Esport de la Generalitat Valenciana y se desarrolla en colaboración con el Centro Infanta Leonor para personas con Autismo y la Asociación de Padres Autismo de la Comunidad Valenciana.

El profesor Sabater lleva a cabo un proyecto similar para la gestión de la diabetes. “La diabetes también es una patología muy compleja en la que intervienen muchas variables”, explica el investigador. Los pacientes con diabetes tienen un papel muy activo en su tratamiento. Ne-

cesitan aprender constantemente sobre cómo la medicación, los hábitos y la alimentación afectan a sus niveles de glucosa en sangre.

Según cuánta insulina se administren, a qué hora y qué coman, cuánto ejercicio hagan, qué nivel de estrés tengan, el tratamiento tendrá más o menos éxito en el control metabólico.

Un desequilibrio entre todos estos factores puede conducir a la hiperglucemia (demasiada azúcar en la sangre) o hipoglucemia (muy poca). Ante esta necesidad de predicción tan compleja, la IA es una herramienta muy apropiada. “Intentamos que los actuales algoritmos predictores de glucemia funcionen un poco mejor y puedan ayudar al paciente a saber qué ocurrirá en los próximos 15, 20 o 25 minutos”. Este proyecto ha conseguido financiación para los próximos cuatro años mediante una red de cooperación internacional con ocho países de América del Sur donde la diabetes es un problema de salud todavía más extendido entre la población. Está basado en el dispositivo “Glucoquard”, desarrollado por el grupo NBio. El dispositivo obtiene y transmite el nivel de glucosa en la sangre a una aplicación del móvil que permite al paciente controlar la glucosa en tiempo real.

Para el profesor Sabater, la robótica y la Inteligencia Artificial son una respuesta científica a la necesidad de mejorar la calidad de vida de las personas y en este fin se centran los esfuerzos del grupo de NBio de la UMH. En los próximos años, la investigación permitirá una medicina personalizada, preparada para la gestión de las enfermedades más complejas y accesible al público general. Con respecto a la formación académica, el profesor destaca que la Escuela Politécnica Superior de Elche prepara a los estudiantes para ser parte de esta revolución de los datos.

Alejandro Rabasa

Investigador del Grupo de Ingenería del Conocimiento y Análisis de Datos del CIO UMH

Extraer patrones de comportamiento

La aplicación de modelos de machine learning basados en la perspectiva de los datos

E

l profesor del Centro de Investigación Operativa de la UMH Alejandro Rabasa, miembro del grupo de investigación de Ingeniería del conocimiento y análisis de datos, considera importante señalar la diferencia entre la Inteligencia Artificial (IA) y la ciencia de datos. Según explica, mientras la IA puede ser vista como el conjunto de técnicas que consiguen que un ordenador resuelva problemas de manera similar a como lo haría un humano, la ciencia de datos, a caballo entre la estadística y la informática, modela y define formalmente los principios y técnicas de cualquier proceso relativo al manejo de datos (no necesariamente Big), en cualquiera de sus fases.

Según señala Rabasa, uno de los ámbitos más importantes dentro de la IA es el que aborda problemas de aprendizaje o por su denominación en inglés machine learning: “La actividad de nuestro grupo de investigación se ubica precisamente en la intersección entre la Ciencia de Datos y la Inteligencia Artificial, es decir, en la aplicación de modelos de machine learning absolutamente basados en la perspectiva de los datos.

Gran parte de la actividad del grupo se dedica a la transferencia de resultados a la so-

ciedad, tanto a organismos públicos como a empresas privadas; y a sectores tan diferentes como la medicina, el turismo o la industria. Uno de los casos más interesantes es el convenio que el grupo de investigación mantuvo durante tres años con Turisme Comunitat Valenciana para analizar y extraer patrones de comportamiento de gasto de los turistas extranjeros que visitaban la Comunidad Valenciana. El interés de la Administración era utilizar la información recabada en encuestas a miles de turistas, para poder conocer y anticipar sus preferencias de gasto en ocio, transporte, cultura, gastronomía y alojamiento, en función del motivo y la tipología de sus viajes, con el objetivo de diseñar una oferta más dirigida y eficiente en las ferias y medios internacionales.

Recientemente, el grupo acaba de firmar un contrato donde Cruz Roja ha encargado un estudio a la UMH en el que se pueda segmentar a los usuarios en diferentes tipos de vulnerabilidad. El objetivo que se persigue es que puedan ser derivados a programas personalizados de acompañamiento realmente acordes a su situación y aprovechar así al máximo los recursos de los que dispone la institución.

“Dentro de muy poco tiempo, la IA puede ser capaz de ayudarnos en la toma de decisiones a nivel particular pero confeccionadas no sólo a partir de nuestros propios datos, sino a partir de experiencias previas de usuarios “similares” a nosotros, que han pasado ya por esa situación”. Según explica el investigador, en el ámbito de los navegadores y de visitas turísticas ya hay experiencias en este sentido, “pero todavía hay mucho por hacer para que respondan adecuadamente en escenarios con mucha incertidumbre, en tiempo real y para todo tipo de usuario”, apunta.

Según cálculos del investigador, en unos diez años, los sistemas de pronóstico temprano del ámbito médico serán capaces de señalar con gran precisión posibles diagnósticos que actualmente siguen enmascarados por unas patologías muy poco frecuentes o que afectan a porciones ínfimas de la población.

Rabasa explica que, gracias al abaratamiento de la tecnología, será absolutamente normal la monitorización continua con sistemas de alerta a todo tipo de enfermos crónicos y personas mayores.

“En menos de una década asistiremos al desenlace de una auténtica batalla (que ya ha empezado) entre la privacidad de nuestra información y soluciones tecnológicas cada vez más ad-hoc, pero también más invasivas de nuestra intimidad”, pronostica el profesor y sentencia que el resultado de esta batalla, que pertenece al terreno de la ética y la legalidad y no tanto al terreno tecnológico, marcará por dónde podrán ir los siguientes pasos.

“En cualquier caso, y para poder hacer frente a estos cambios, los científicos de Datos de hoy estamos obligados a afrontar tres retos fundamentales”, expone y pasa a enumerar: primero, el Data Stream, que hace referencia a los modelos capaces de gestionar flujos continuos de datos; en segundo lugar, los algoritmos predictivos, que han de ser mucho más rápidos y precisos; y, en tercer lugar, los sistemas de apoyo a la decisión (que integren nuestros modelos predictivos). Conscientes de la importancia decisiva de estos retos, desde el grupo de investigación al que pertenece el profesor cuentan con dos tesis doctorales en curso sobre estas líneas de trabajo.

Crimen y castigo en un algoritmo predictivo

visión con reconocimiento facial y de movimientos que pretenden mejorar la seguridad ciudadana. La paradoja es que para que estos sistemas funcionen bien hay que alimentarlos con datos reales, para lo que se debe renunciar a ciertos derechos.

Según el profesor de la UMH, “tanto la Unión Europea como muchos investigadores creemos que es fundamental que, por lo menos, el desarrollo de estas tecnologías y la reflexión ética vayan a la par”.

Posibilidades tecnológicas y límites éticos de la IA

C

ada día se generan enormes volúmenes de datos que se utilizan para tomar decisiones. Esta manera de analizar el mundo puede aportar consistencia y objetividad, pero también grandes riesgos. Una de las preocupaciones en torno a las herramientas de Inteligencia Artificial (IA) es que la automatización en la toma de decisiones genere discriminación.

El estudio de los aspectos éticos y legales de la Inteligencia Artificial es una de las líneas de investigación del centro CRÍMINA de la Universidad Miguel Hernández (UMH) de Elche para el estudio y la prevención de la delincuencia. El director del centro, Fernando Miró, investiga cómo se tienen que crear las Inteligencias Artificiales que se aplican en el ámbito de la seguridad. Para los investigadores de CRÍMINA, definir los límites que se deben marcar a la hora de diseñar herramientas de IA es tan importante como identificar los comportamientos humanos que rodean al delito. “La IA que tenemos se le denomina débil porque no es todo lo que puede llegar a ser. Pero realmente es muy poderosa para la toma de decisiones”, explica Miró. El profesor apunta que, en cierta medida, la IA también es peligrosa si se construye la casa por el tejado: ¿No deberíamos empezar a pensar cuál es el objeto de la tecnología antes de desarrollarla?

Una herramienta de IA que sí ha contado desde el primer momento con las consideraciones éticas es ModeRad. Esta herramienta, desarrollada por investigadores de CRÍMINA y del Centro de Investigación Operativa de la UMH dentro del proyecto europeo PERICLES y el proyecto nacional CiberHache, detecta mensajes potencialmente radicales en Twitter. ModeRad no es un policía artificial, sino una herramienta para ahorrar trabajo. Sirve para reducir el número de mensajes que la policía tiene que leer antes de tomar la decisión de hacer una investigación jurídica o no hacerla. “Hablamos de miles y miles de tuits publicados cada segundo, con mensajes de radicalización que provienen de movimientos extremos de derecha o de izquierda, no solo del terrorismo”, expone Miró. Además, en el caso de ModeRad hay un aspecto clave: es el humano quien analiza la posible amenaza y toma las decisiones. La IA se limita a reducir significativamente la muestra.

Este sistema utiliza una técnica de IA denominada árbol de decisión, donde cada rama del árbol está compuesta de variables que, en función de su valor, marcan el camino a seguir hasta la hoja final, que representa una decisión. “Utilizamos por un lado bolsas de palabras y, por otro lado, los metadatos asociados, como el número de seguidores o la hora a la que se ha publicado un tuit, si tiene una dirección web… Porque utilizar solo palabras es problemático”. Todo esto, asumiendo algo básico: que el crimen en Internet, igual que en el mundo físico, sigue unos patrones.

Fernando Miró

Director del Centro Crímina UMH La IA también ha servido para mejorar la estimación de dónde se van a producir los accidentes de tráfico relacionados con la delincuencia vial en un proyecto de CRÍMINA con la Dirección General de Tráfico (DGT). Con los datos de siniestralidad de la DGT y una Inteligencia Artificial desarrollada en la Universidad de Rutgers (EE.UU.), han segmentado toda España e identificado “puntos rojos”, zonas de riesgo por un comportamiento humano peligroso.

“Esta IA se aplica en casi un centenar de ciudades en Estados Unidos para lo que denominan el predictive policing o policía predictiva”, explica Miró.

Esta técnica les ayuda a tomar decisiones como por dónde patrullar o cuántos efectivos destinar a una zona. Una vez más, no se trata de sustituir el razonamiento humano, sino de apoyarlo en muchos datos empíricos bien analizados.

No obstante, reducir el comportamiento humano a cifras no es fácil. Como explica el profesor Miró, el problema de la conducta delictiva es la multicausalidad. Además, el investigador apunta que la IA no está pensada para saber la causa de las cosas, sino para estimar lo que va a pasar a partir del conocimiento profundo de las relaciones entre lo que ha pasado. Un ejemplo es el llamado predictive sentencing, el uso de herramientas de valoración de riesgo y de IA para tomar decisiones en ámbito judicial. Por ejemplo, apoyar la decisión de si se aplica la libertad condicional o vigilada.

“Estamos trabajando mucho en esta línea para definir las claves éticas de cómo se tienen que utilizar estas herramientas, porque nos da la sensación de que hemos empezado a utilizarlas sin una reflexión previa, como pasó con la bioética”, cuenta el profesor. A los investigadores de CRÍMINA les preocupan también las violaciones a derechos y garantías como la propia intimidad y privacidad, frente a un mundo que implementa circuitos cerrados de tele-

Plus Ethics, la spin off creada por los investigadores de CRÍMINA en la UMH, se dedica a aspectos éticos relacionados con la investigación criminológica y la puesta en marcha de tecnologías relacionadas con el ámbito legal. “Imaginemos que una herramienta basada en IA es capaz de realizar pronósticos respecto al riesgo de reincidencia, pero su opacidad impide conocer las variables concretas que se han tenido en cuenta a la hora de establecer el riesgo. Si asumimos que esta persona tiene un alto riesgo de reincidir, simplemente por lapuntuación que le otorga un algoritmo, ¿existe derecho a la defensa?”, se pregunta el investigador. Quizás ese algoritmo no sirva para tomar la decisión de privar de libertad a una persona. Por otra parte, expone Miró, con un juez siempre se puede dialogar.

Aunque dar respuesta a estas preguntas es acuciante, a día de hoy el riesgo de someter a la sociedad a una dictadura algorítmica es solo posible en la ciencia ficción.

“Estamos todavía en la fase de la intuición artificial”, pero Fernando Miró opina que debemos aspirar a una ética ya incorporada en el diseño. “La tecnología no es neutra. Tiene un propósito, aunque sea implícito, pero no es intrínsecamente buena ni mala”, expone. En manos de la sociedad queda comprender qué se puede hacer, para qué, con qué datos, a qué se va a renunciar en términos de privacidad. El experto de la UMH es optimista, porque en la Unión Europea sí se está marcando desde un principio una voluntad ética que, aunque a veces restringe en exceso, tiene muy en cuenta el contexto de la tecnología que se está desarrollando.

A la vez, Miró considera que renunciar al potencial que supone la IA en el ámbito de la seguridad es también peligroso. La discusión respecto a la discriminación algorítmica sirve para recordar que los humanos tienen sesgos, por el mero hecho de que los atajos que utiliza el cerebro para aprender implican discriminación. Hay varios mitos respecto a la inteligencia artificial: la predicción, la autonomía de la máquina, la alquimia matemática y lo que Miró llama “el cuarto mito”, que es el de la perfección humana. “Corremos un riesgo enorme si creemos que es posible alcanzar las verdades absolutas de esta manera. La máquina (la caja metálica) tiene sesgos porque nosotros los hemos introducido ahí (desde la caja gris)”, sentencia el experto. A los investigadores de CRÍMINA les gusta trabajar en cuestiones límite: “Somos el eslabón que une el conocimiento científico y el normativo, nos planteamos las decisiones éticas de qué se puede hacer, para qué y cómo, con el conocimiento que generamos. Eso es lo que nos apasiona.”

Hacia una Inteligencia Artificial por y para la Sociedad

L

a Inteligencia Artificial (IA) se encuentra en el corazón de la cuarta revolución industrial en la que estamos inmersos. La IA es la disciplina dentro de la informática o la ingeniería cuyo objetivo es el desarrollo de sistemas computacionales (no biológicos) inteligentes, tomando como referencia la inteligencia humana. Del mismo modo que la inteligencia humana es diversa, compleja y múltiple, la Inteligencia Artificial tiene muchas áreas de investigación.

Tiene un gran poder transformacional ya que es transversal (es decir, se puede aplicar a cualquier ámbito social y del conocimiento, incluyendo áreas tan importantes como la medicina, la educación, la banca, la industria, el transporte, el comercio, los servicios digitales, la ciencia, etc..), invisible (es decir, es software), escalable y compleja (permitiéndonos además manejar e interpretar la complejidad), actualizable (al ser software) y con capacidad para no solo explicar el pasado o interpretar el presente, sino realizar predicciones futuras. Al mismo tiempo, la IA tiene otras características que no son tan positivas: en primer lugar, genera situaciones de asimetría (respecto al acceso a los datos necesarios para entrenar los algoritmos de IA y respecto a la disponibilidad de las capacidades y los medios necesarios para poder aprovechar la IA); en segundo lugar, no es invulnerable al ser software y puede ser hackeada; finalmente, con técnicas de IA podemos generar contenido sintético (texto, video, imágenes o audio) totalmente indistinguible del contenido veraz.

Dada la importancia de la IA y los retos que presenta, mas de 25 países del mundo han elaborado sus estrategias nacionales de IA, para asegurarse por una parte que el país no queda descolgado de esta revolución y, por otra parte, para optimizar y maximizar el impacto positivo de la IA en la sociedad. En este contexto, dos comunidades autónomas (Cataluña y la Comunidad Valenciana) también han publicado sus estrategias de IA. Destaca la estrategia de la Comunidad Valenciana por sus tres pilares que marcan la hoja de ruta de inversión y desarrollo de la IA: la competitividad, la inclusividad y el foco en el bienestar de las personas y el planeta. No podemos olvidar que

Nuria Oliver

Ingeniera de Telecomunicaciones.

Doctora Honoris Causa UMH Primera directora de investigación en Data Science en Vodafone, Ltd. hay inmensas oportunidades de aplicación de la IA en el sector público, para ayudarnos a tomar mejores decisiones –basadas en la evidencia—que impactan en la vida de millones de personas.

Europa, desgraciadamente, se está quedando relegada frente a EEUU y China en el desarrollo de la IA. Por ello, los investigadores europeos nos hemos movilizado y hemos creado ELLIS, the European Laboratory of Learning and Intelligent Systems. Nuestro objetivo es conseguir atraer, retener y cultivar el talento excelente en Inteligencia Artificial en Europa.

Hace unas semanas ELLIS anunció el establecimiento de 17 nodos ELLIS de investigación en Europa, incluyendo un nodo en Alicante, que estoy en proceso de crear. Estará enfocado en la investigación en Inteligencia Artificial centrada en las personas, con tres áreas de investigación: el modelado computacional del comportamiento humano utilizando técnicas de inteligencia artificial; el desarrollo de sistemas inteligentes e interactivos y la resolución de las limitaciones de los sistemas actuales de Inteligencia Artificial, incluyendo la discriminación algorítmica, la falta de transparencia, la opacidad con respecto a la atribución de responsabilidad, la manipulación subliminal del comportamiento humano, la generación de contenidos no veraces (deep fakes).

Esta última área de investigación está muy alineada con el marco ético para el desarrollo de la Inteligen-

cia Artificial que propongo y que queda captado en el acrónimo FATEN (en inglés): -F de fairness o justicia, es decir, sin discriminar.

-A de autonomía, es decir, garantizando que cada persona tiene libertad de pensamiento y acción sin ser manipulada por algoritmos de IA; A de accountability, es decir, con clara atribución de la responsabilidad de las consecuencias del uso de sistemas de IA; y A de aumento de la inteligencia humana en lugar de sustitución de la misma.

-T de trust, confianza y T de transparencia.

-E de educación, invirtiendo en una transformación de la educación en todos los niveles, desde la educación obligatoria a la educación a los profesionales y a la ciudadanía; E de equality o igualdad, asegurándonos que el desarrollo de la IA contribuye a conseguir más igualdad en el mundo; y E de eficiencia, es decir, maximizando el impacto positivo, con veracidad, sostenibilidad y diversidad.

-N de no-maleficiencia, es decir, minimizando el impacto negativo, con garantías de reproducibilidad, seguridad, fiabilidad y preservando siempre la privacidad de las personas.

Será solamente cuando respetemos estos requisitos que seremos capaces de avanzar y conseguir uno de mis sueños: un modelo de gobernanza democrática basado en los datos y la Inteligencia Artificial, por y para las personas.

Un modelo matemático predice el precio de la electricidad y permite ahorrar costes energéticos

M

atemáticos del Centro de Investigación Operativa de la Universidad Miguel Hernández (UMH) de Elche han desarrollado algoritmos basados en los utilizados tradicionalmente en econometría para predecir el precio de la energía. La empresa murciana Artificial Intelligence Talentum ha aplicado dichos modelos en el sistema de eficiencia energética PRIoTs (Predicción del Internet de las Cosas, en su acrónimo en inglés), con el objetivo de reducir los costes de la electricidad y la huella de carbono. Este sistema permite a los dispositivos inteligentes detectar el mejor momento para el consumo eléctrico, ya que tiene en cuenta el precio de la electricidad, si procede de una fuente limpia o no y si se adapta al patrón de uso del dispositivo.

La demanda de electricidad ha caído un 20% en los países que han aplicado un confinamiento absoluto pero, al mismo tiempo, ha aumentado la presencia de los productores de renovables.

Este escenario complica, más si cabe, la capacidad de las economías para predecir las variaciones en el coste de la electricidad, una tarea imposible sin la aplicación de sistemas avanzados de computación y modelos matemáticos de resolución de problemas con múltiples variables. “Los modelos multiecuacionales nos permiten contemplar la influencia simultanea de numerosas variables y predecir cambios en unas a partir de cambios repentinos en otras”, explica el profesor de Lenguajes y Sistemas Informáticos de la UMH José Juan López Espín, responsable del proyecto que aplica modelos matemáticos al uso eficiente de la energía.

El modelo predictivo de la UMH utiliza el histórico de datos de los precios de la energía para anticiparse a las oscilaciones del mercado. Antonio Vicente Contreras, desarrollador del modelo y CEO de la empresa AI Talentum, explica que esta tecnología tiene capacidad predictiva en tiempo real. A cada momento que va analizando la información, se actualizan las predicciones para las siguientes 24 horas, por lo que un dispositivo que esté utilizando los algoritmos PRIoTs podrá sugerir una planificación del consumo eléctrico que permite ahorrar hasta un 30% en la factura eléctrica.

para calcular de manera sencilla cuál es el consumo, de energía o de agua, que ha tenido la fabricación de ese producto como manera de que el consumidor, igual que sabe cuánto azúcar lleva un alimento, conozca también otros parámetros que son relevantes para el medio ambiente”.

Además de en los procesos industriales, PRIoTs ha demostrado ser una herramienta eficiente para el sector privado. Algunas de las compañías distribuidoras de luz en España ya están implementando el algoritmo de la UMH y AI Talentum en los contadores inteligentes que instalan en los hogares. De esta manera, las utilities o empresas que aportan servicios públicos, también pueden contribuir a la reducción de la huella de carbono haciendo una distribución inteligente de la energía. Ya que el algoritmo no solo aprovecha los mejores precios, también tiene en cuenta si la electricidad vendrá de una fuente renovable o no.

José Juan López Espín

Profesor del Departamento de Estadística, Matemáticas e Informática UMH

La implementación de este sistema tiene un impacto ambiental positivo

De hecho, el algoritmo ya se ha aplicado con éxito en algunas empresas del sector productor primario. Fábricas, cadenas de montaje y otras infraestructuras que necesitan una gran cantidad de energía para funcionar, pueden implementar este sistema. El algoritmo aprende de las necesidades de la instalación y predice el mejor momento para el encendido de las máquinas, de manera que no solo reduce drásticamente el gasto en electricidad, ya que consigue las mejores tarifas, sino que disminuye la huella de carbono de la empresa y la del producto final que llega al consumidor.

“De hecho ahora mismo estamos esforzándonos en que este adelanto que supone el consumo eficiente por parte de los productores llegue al etiquetado de los productos”, explica Antonio Vicente Contreras, y añade: “Estamos muy concienciados en que en un momento dado nuestros algoritmos sirvan también

A gran escala, la implementación de este sistema tendría un impacto ambiental positivo ya que reduciría el consumo de energía durante las horas pico y, en consecuencia, se reducirían las emisiones de dióxido de carbono asociadas a la generación de electricidad.

Normalmente, este tipo de análisis tan complejo necesita de súper ordenadores con una alta capacidad de procesamiento de datos. No obstante, los investigadores de la UMH han desarrollado una modificación del software que puede utilizarse desde un ordenador personal corriente y obtener predicciones a horas vista. Según el investigador principal del proyecto, José Juan López Espín, el modelo matemático propuesto por el equipo de la UMH y AI Talentum es mucho más rápido que el software de cálculo estadístico que se suele utilizar en este tipo de operaciones. En el trabajo se contemplaron distintos modelos de ecuaciones habituales en problemas básicos de econometría, pero nunca se habían utilizado en el campo de la predicción energética. Además, los modelos implementados en el sistema de predicción de la UMH probaron ser los más eficientes. Para probar el algoritmo a la mayor velocidad posible y obtener predicciones de gran inmediatez, se colaboró con el grupo de computación paralela de la Universidad de Murcia utilizando el clúster de computación HETEROSOLAR de dicha Universidad.

La eficiencia del algoritmo fue puesta a prueba inicialmente para analizar las fluctuaciones en los tipos de cambio en el mercado de divisas. El mercado global de divisas (FOREX) es un sistema descentralizado en el que diferentes participantes, como bancos internacionales, empresas o inversores, pueden comprar, vender, intercambiar y especular sobre las monedas. Se considera el mercado financiero más grande del mundo en términos de volumen de negociación, estimado en 6,6 billones de dólares diarios según el Banco de Pagos Internacionales. La predicción del precio del tipo de cambio de un par de divisas (por ejemplo, euro frente a dólar) en tiempo real proporciona información valiosa para empresas e inversores, pero una estimación acertada y rápida de un mercado tan vasto, fluido e interconectado resulta muy difícil.

Los investigadores de la UMH y la empresa AI Talentum, en colaboración con investigadores de la Universidad Católica de Murcia, desarrollaron un modelo denominado modelo elástico de red que tiene en cuenta el contexto del mercado global de divisas para modelar el comportamiento del mercado FOREX. Según el profesor López Espín, este modelo está inspirado en procedimientos naturales como el comportamiento de las macromoléculas en disolución. “Las fuerzas de tirantez de los átomos dentro de una molécula son muy similares a lo que ocurre con las divisas: si tiras del euro hacia abajo, baja el dólar, sube el yen, vuelve a subir el euro…”, explica el investigador. Para visualizar el problema, resulta útil imaginar las distintas monedas como objetos interconectados mediante muelles, al igual que están los átomos en una molécula. Si se activa un solo resorte, provocará una reacción de fuerzas en todo el conjunto, en todas direcciones. El algoritmo permite anticipar la evolución del mercado hasta 21 pares de divisas y así emular el comportamiento del mercado FOREX del mundo real.

Lo que hace el modelo de predicción, explica Antonio Vicente Contreras, es “desintegrar” el estado de los tipos de cambio, tal y como se encuentran en el presente, y lanzarlos hacia el futuro. “Como el DeLorean en Regreso al Futuro”, añade el directivo de AI Talentum.

El gran mérito de este trabajo es que consigue transportar al futuro el coche al completo y en un tiempo récord.

La empresa que comercializa ambos modelos de predicción, Artificial Intelligence Talentum, está dedicada al diseño y desarrollo de algoritmos de inteligencia artificial para modelos de predicción. Sus sistemas con capacidad de aprendizaje automático facilitan y automatizan el proceso de toma de decisiones en diferentes ámbitos, como las finanzas, la energía, la industria 4.0 y el Internet de las cosas.

Por parte de la UMH, además del profesor López Espín, el grupo de trabajo del CIO ha estado compuesto por investigadores y doctorandos de carácter interdisciplinar, especialistas en informática y matemáticas: María Carmen Perea, María Victoria Herranz, Antonio Peñalver, Belén Pérez, Martín González y Rocío Hernández.

El proyecto “Desarrollo de técnicas de modelado estadístico para la predicción en el mercado eléctrico” del que han derivado estas tecnologías ha sido financiado en el marco del Programa de Ayuda a la Investigación y Desarrollo Tecnológico del Instituto de Fomento para el desarrollo económico de la Comunidad Autónoma de la Región de Murcia. También ha apoyado esta iniciativa el Centro para el Desarrollo Tecnológico Industrial, dependiente de la Secretaría General de Innovación del Ministerio de Ciencia e Innovación de España

.

Contreras ET AL 2018 https://doi.org/10.1016/j.simpat.2018.04.008

E

ste modelo matemático de predicción del mercado de divisas está inspirado en el movimiento browniano de las partículas. En 1827, el biólogo y botánico Robert Brown observó en el microscopio granos de polen suspendidos en agua.

El agua parecía estar quieta pero el polen se movía. ¡¿Estaba vivo?! No. En realidad, Brown podía ver cada mota de polen porque son grandes pero no podía ver cada molécula del agua y cómo éstas empujaban el polen constantemente, en todas direcciones, de forma aleatoria. En su época, los átomos y las moléculas existían solo en teoría y habría que esperar hasta 1910 para que Albert Einstein explicase con detalle qué sucedió exactamente aquel día en el microscopio de Brown. El movimiento browniano se puede observar fácilmente mientras se limpia el polvo en una habitación semioscura. Si se deja pasar un rayo de luz por la ventana, se verán las partículas de polvo en suspensión volando hacia todas partes. ¿Por qué el polvo no cae, simplemente, hacia abajo? En este caso el fluido no es agua sino gas, pero el principio es el mismo. Aunque no son visibles, las moléculas del aire se mueven de forma aleatoria y empujan las motas de polvo, repetidamente, en todas direcciones.