Cómo usar datos para solucionar cualquier tipo de problemas

El uso de la inteligencia artificial y los datos puede tener un impacto social positivo, si se acompaña de las decisiones correctas. Ese fue el mensaje de María Inés Arán, especialista en ciencia de datos con impacto social, en el tercer capítulo de Smart Data, organizado por LA NACION. “¿Los datos pueden ayudarnos a resolver los problemas actuales de la sociedad? Sí, pero...”, comenzó.

La especialista definió que el uso de la tecnología puede asistir en el camino a lograr los objetivos de desarrollo sostenible hacia 2030. Estos son, entre otros, los de salud, educación inclusiva, conservación del ambiente y de la biodiversidad y las problemáticas de género. El insumo -los datos- puede obtenerse de distintas fuentes, como el comportamiento de los usuarios en redes sociales, las fotos que toma cualquier dispositivo, sonidos o sensores.

“Tenemos tecnología de datos como machine learning, procesamiento de datos en la nube en tiempo real, ciencia de datos o estadística. Todas estas herramientas, que han crecido en el último tiempo, se usan para distintos propósitos, desde procesos de fabricación, para detectar fallas en procesos productivos o cuando una red social nos recomienda seguir a determinados usuarios”, explicó Arán.

El desafío está en tomar esas mismas herramientas y aplicarlas a la resolución de problemas. Para ilustrar el cómo, la especialista brindó algunos ejemplos. “Vemos un mapa con distintos afluentes del río. Los sensores transmiten en tiempo real las mediciones y variables relevantes para entender el estado de esos ríos, para preservar la biodiversidad. Permiten identificar rápidamente cuándo alguna de las variables se desvía de su comportamiento normal”, comentó.

Otro de los objetivos que ayuda a alcanzar es el del consumo y la producción responsable, por ejemplo en la moda, una de las industrias más contaminantes. “Por el fast fashion, esta tendencia a cambios de moda todo el tiempo, se consume mucha más ropa. Surgieron, con uso de datos, distintas iniciativas de moda circular, en donde se pretende extender el tiempo de vida de la prenda”, dijo. También agregó que los modelos de predicción permiten a las empresas entender qué prendas tienen menor o mayor demanda, para eficientizar su la producción.

Sin embargo, Arán advirtió que los datos por sí solos no resuelven ningún problema. Hay que tener en cuenta determinadas limitaciones o consideraciones.

• “Los datos apoyan la toma de decisiones, hacen más rápido el proceso, pero somos las personas las que nos acercamos a la resolución. Son las personas las que lo pueden lograr, apoyándose en la tecnología de datos. Para poder tener impacto y generar una mejora en el medio ambiente, necesitamos que una persona tome decisiones. No funcionan por sí solas, necesitan de la gente”, opinó.
• En segundo lugar, explicó que no porque tengamos datos disponibles los podemos usar para resolver problemas, sino que requieren de un procesamiento y limpieza. “Lo que ocurre muchas veces es que tenemos datos relativos a una problemática, pero no sirven para el problema específico, hay que buscarlos”, dijo.
• Una última limitación es que esta tecnología está en evolución y no distingue lo que está bien de lo que está mal, solo aprende de los datos. “Si los datos que le damos al algoritmo están sesgados o contienen alguna discriminación, no están curados, vamos a perpetrar este tipo de comportamientos a futuro”, advirtió.

La experta en inteligencia artificial y robótica Marcela Riccillo comenzó su presentación refiriéndose a la importancia de cuidar los datos. No solamente guardarlos, sino también procesarlos. No es necesario tener muchos, sino que sean valiosos. Para explicarlo uso una metáfora: no es tan relevante cuántas naranjas tiene uno, sino que estas tengan mucho y buen jugo.

“Los datos pueden ser una imagen, números, textos. La AGI sería la inteligencia artificial general. Todavía no existe. Sería como una conciencia artificial. Por ende, la máquina no tiene culpa, ni responsabilidad, ni emociones. La toma de decisiones sigue siendo del humano. La máquina solo sugiere. Con machine learning podemos enseñar a procesar datos. No se necesitan muchísimos. Cuando se procesan muchos, se lo llama big data”, explicó.

Riccillo agregó: “Queremos entrenar la máquina para que me asista. Que analice opiniones en las redes, que me prediga ventas, por ejemplo”. Para lograrlo, las máquinas requieren de ejemplos a través de los cuales puedan deducir. “¿Cómo le explico lo que es un perro? Con ejemplos. Que la máquina se entrene. Tenemos diferentes técnicas: árboles de decisión, redes neuronales y otras técnicas matemáticas”, dijo.

A continuación, explicó que una red neuronal artificial es “una red donde conecto unidades matemáticas y les muestro al inicio de la red lo que quiero”. Cuando son muchas capas de procesamiento, se lo llama deep learning. Un ejemplo de ello, de acuerdo con la especialista, es el traductor de Google, porque entiende por contexto, porque “entendió” por ejemplos.

“Hay que saber para qué y cuándo utilizarlo. Hay varios lenguajes. Además, pensar que esto se puede aplicar en economía, finanzas, etcétera. Es importante que haya grupos interdisciplinarios, pero cualquiera puede iniciarse. No es necesario tener un conocimiento previo. Solo se necesitan datos”, cerró.

Eventos LNComunidad de Negocios

---

Conforme a