Alejandro Lopez

EL BIG DATA Y LA INTELIGENCIA ARTIFICIAL

Que el Big Data es ya el núcleo del Gobierno IT es algo perfectamente conocido, pero que las
tecnologías de analítica cada vez se parecen más a cómo piensa el cerebro humano aún puede sonar
a ciencia ficción. El proveedor de tecnología FICO lo ha explicado en una infografía, pero antes vamos
a recordar alguna curiosa referencia cinematográfica.

La película Inteligencia Artificial de Steven Spielberg llevaba los procesos cognitivos humanos a los
robots, pero entrando en el terreno de las emociones. Mucho antes de ello, el autor inicial de esa
película, Stanley Kubrick, mostró en la mítica 2001: Una odisea del espacio, un robot mucho menos
humano desde el punto de vista sentimental, pero mucho más parecido a lo que ahora entendemos
por analítica, denominado HAL 9000.

Una leyenda urbana decía que HAL tomó su nombre de las letras alfabéticamente previas a las siglas
del gigante de la informática IBM. Pero la realidad es que HAL es el acrónimo de Heuristically
programmed ALgorithmic computer, que traducido al español es computador algorítmico
heurísticamente programado. Es el principio de lo que se entiende por inteligencia artificial: La
aplicación del funcionamiento analítico del cerebro humano a la computación, mediante métodos
matemáticos.

Actualmente no hemos puesto aún el pie en Marte, pero tecnologías como Big Data, Bussiness
Intelligence y la analítica hacen del Gobierno IT un proceso empresarial que, añadiendo la ventaja
de la automatización y el cálculo masivo de datos en muy poco tiempo, cada vez se parece más a la
forma de analizar del cerebro humano.

Esa es la conclusión a la que llega FICO en su informe, que asegura que el aumento de la robótica
ha reflejado un auge en la inteligencia artificial (IA), y que el software analítico imita la manera de
pensar de los seres humanos, o al menos lo que conocemos hasta ahora de la misma, ya que buena
parte de nuestro cerebro sigue siendo un misterio. Para demostrar que esto no es ciencia ficción,
FICO pone cuatro ejemplos:

Redes neuronales: Las neuronas en el cerebro almacenan conocimiento en sus conexiones con otras
neuronas al tiempo que lo fortalecen con esa sinapsis. Esto inspira a las soluciones analíticas a la
hora de detectar fraudes en los pagos, al crear conexiones entre los datos entrantes y resultados
específicos, cambiando el “peso” de las conexiones para aprender la relación entre entradas y
mejorar el rendimiento.

Redes profundas: Las neuronas del cerebro utilizan múltiples etapas de procesamiento en la corteza
visual para aprender a reconocer las caras y clasificar objetos. Esto ha inspirado a las tecnologías de
análisis de video y transcripción automática del habla, a través del procesamiento de bits de datos
en múltiples capas.
 Alejandro Lopez

Programación neurodinámica: El cerebro tiene un sistema de recompensa, que nos permite

aprender secuencias de tareas complejas a través de las señales placenteras o dolorosas, que
ocurren más tarde como consecuencia del acierto o error, respectivamente, en dichas tareas.
Aunque a priori cueste creerlo, en esto se basan los agentes automatizados utilizados en
las soluciones de gestión de reservas de viajes: Calculan el impacto del paso siguiente y todos los
futuros pasos posibles, para evaluar continuamente el mejor paso siguiente con el que alcanzar el
resultado deseado.

Ciberanalítica: Inspirado en cómo el cerebro controla el cuerpo y sus acciones a través de las
sinapsis, las soluciones de seguridad identifican cuándo un malware ha tomado el control del PC.
Para ello reconocen las relaciones de mando y control entre dos entidades diferentes, que son el PC
infectado y el hostbot que lo controla.

Andrew Jennings, director de analítica en FICO y responsable de FICO Labs, explica que “con las
nuevas teorías de los investigadores sobre cómo funciona el cerebro, los ingenieros de Big Data
están incrementando sus capacidades y la velocidad que ofrecen las tecnologías para analizar
datos”. Y va más allá con respecto a lo que nos espera en el futuro: “La combinación de las teorías
de la neuropsicología para desarrollar soluciones sofisticadas de analítica nos permitirá encontrar
respuestas a problemas hasta ahora irresolubles”.

La previsión que hace Jennings nos invita a volver al terreno de la ciencia ficción, y elucubrar acerca
de las consecuencias futuras del Big Data, a medida que los procesos de analítica sean cada vez más
 Alejandro Lopez

sofisticados, también en términos de ética e incluso riesgos tal vez difíciles de controlar: ¿Llevará el
Gobierno IT a decisiones tan estrictas y peligrosas como la de HAL 9000? ¿O conseguiremos una
inteligencia artificial tan humana como la de los robots de Spielberg? Peor aún: ¿Cuál de las dos
opciones puede llegar a ser más peligrosa?

NANOTECNOLOGIA E INTELIGENICA ARTIFICIAL

La nanotecnología y la inteligencia artificial son dos áreas de la ciencia y la tecnología que

combinadas de la mejor manera traen beneficios importantes al ser humano.

Sin embargo, aplicadas de forma negativa los efectos pueden ser muy malos tanto para el ser
humano como para el planeta. En este breve post, te daremos a conocer algunas aplicaciones de la
nanotecnología en la inteligencia artificial. Algunas, ventajas, desventajas y más.

Antes que nada, es importante aclarar algunos temas bien interesantes. Estos términos debemos
tenerlos muy presentes para entender este complejo pero divertido tema.

En el campo de la adquisición de imágenes en Nanotecnología, donde los objetos a observar tienen

un tamaño del orden de unos pocos nanómetros, el procesamiento por ordenador es la única forma
viable de convertir las complejas señales de los microscopios en un formato de imagen intuitivo para
los usuarios. Desde que se emplean microscopios capaces de observar objetos nanométricos, ha
sido imprescindible el desarrollo de software a medida para el tratamiento de imágenes a esta
escala. Debido a que las técnicas de microscopía atómica siguen evolucionando de forma constante
y adquiriendo cada vez más resolución, es necesario un avance en paralelo de las aplicaciones de
visualización de imágenes. En este proyecto se ha realizado un estudio de imágenes tomadas por
un microscopio electrónico de escala nanométrica, en concreto un microscopio de efecto túnel, se
ha abordado de forma directa los principales problemas del software existente, como son las
imágenes escalonadas, imágenes que poseen mediciones a distintas alturas, o imágenes con mucho
ruido o poca resolución. Se han desarrollado dos aplicaciones completas, la primera, AtomDetector,
es la encargada del análisis y detección de átomos en estas imágenes, mientras que, AtomClassifier,
se ocupa de analizar cada uno de los átomos detectados, crear un modelo de cada uno de ellos y
realizar una clasificación según su elemento. Durante el proyecto se han implementado algoritmos
propios tanto para el análisis de imágenes, delimitación de los átomos individuales y extracción de
información de los mismos. Para el proceso de clasificación se ha optado por implementar una red
neuronal, en concreto un perceptron multicapa con backpropagation. Además, se ha desarrollado
interfaces de relación con el usuario para facilitar el uso de estas aplicaciones.