De la contaminación fecal a la ubre de una vaca: inteligencia artificial que no verás en las películas

A la inteligencia artificial los objetivos alcanzables le saben a poco. Así ha sido desde su más tierna infancia. Desde que Alan Turing se preguntó “¿pueden pensar las máquinas?”, hasta los primeros paseos de los coches sin conductor por el mundo casi real. Se ha propuesto emular el cerebro humano, escribir libros, pintar obras de arte, invertir en bolsa, hacer entrevistas de trabajo, quitarnos el empleo a todos… Y en el cine la hemos visto hasta enamorar a un humano. No está claro si llegaremos a tachar todas las anteriores de la lista de tareas pendientes. Pero mientras mirábamos embelesados...

A la inteligencia artificial los objetivos alcanzables le saben a poco. Así ha sido desde su más tierna infancia. Desde que Alan Turing se preguntó “¿pueden pensar las máquinas?”, hasta los primeros paseos de los coches sin conductor por el mundo casi real. Se ha propuesto emular el cerebro humano, escribir libros, pintar obras de arte, invertir en bolsa, hacer entrevistas de trabajo, quitarnos el empleo a todos… Y en el cine la hemos visto hasta enamorar a un humano. No está claro si llegaremos a tachar todas las anteriores de la lista de tareas pendientes. Pero mientras mirábamos embelesados a la última frontera de las máquinas inteligentes hemos ido conquistando algunos objetivos alcanzables.

“Nosotros lo que hacemos es buscarle la vuelta a los algoritmos de inteligencia artificial para que nos ayuden en el ámbito del agua potable, en el de saneamiento y en el de la protección del medio ambiente”, adelanta Pedro Martínez, profesor de la facultad de Ciencias Geológicas de la Universidad Complutense de Madrid y director de la Cátedra Unesco de tecnologías apropiadas para el desarrollo humano. Abordar objetivos alcanzables no implica buscar solución a cuestiones menores. Uno de los últimos proyectos del grupo de investigación que lidera Martínez tiene el potencial para cambiar un sinfín de vidas gracias a un sistema que emplea inteligencia artificial para mapear áreas de contaminación fecal en aguas subterráneas. “Hay miles de millones de personas en todo el mundo que dependen del agua subterránea para uso doméstico. Y muchos más que van a depender de ella en un contexto de cambio climático”, explica el investigador.

“Nosotros hemos pasado largas temporadas en aldeas rurales de África y algo que a nosotros como geólogos nos llama la atención es la tendencia que tienen las poblaciones locales a ubicar las letrinas al lado de los pozos de agua que tienen para uso doméstico”, continúa. Pero las letrinas próximas no bastan para identificar aguas contaminadas. El sistema diseñado por Martínez y su equipo coma en consideración la densidad de letrinas, la distancia de la letrina más próxima, el rendimiento de los pozos, la profundidad del agua y la densidad de población para entrenar algoritmos que determinen la ubicación de posibles focos de contaminación fecal. Estos datos deben tomarse sobre el terreno pero, inteligencia artificial mediante, permiten predecir con una precisión del 90% en qué zonas de la población puede existir contaminación fecal en pozos de agua potable “minimizando todos los costes, los riesgos y los problemas logísticos asociados a trabajar en una aldea rural del Sahel”.

El siguiente paso sería la generalización del uso de este sistema, desarrollado con financiación del Ministerio de Asuntos Económicos y la agencia de cooperación suiza, por parte de las autoridades responsables de iniciar tareas de prevención y mitigación. “Ahora mismo pueden ver esto como algo innovadora y potencialmente útil, pero no como la herramienta a la que van a fiar todas sus decisiones. Este es un ámbito de conocimiento joven y seguramente aún tiene margen de mejora”, concluye el investigador.

Reconocimiento de ánforas

ArchAIDE está hasta disponible para descargar. Y gratis. Pero es raro que la necesites, a menos que te dediques a la arqueología. Si este es el caso, la app desarrollada a partir del trabajo conjunto de las universidades de Pisa, Tel Aviv, York, Barcelona y Colonia, el italiano Consiglio Nazionale delle Riserche y las empresas Baraka, Elements e Inera, puede ahorrarte horas de trabajo y dinero gracias a su sistema de identificación de cerámicas. “Para nosotros este es el fósil director. A partir del neolítico es omnipresente y tiene unas características tecnológicas, morfológicas y decorativas muy específicas de cada época”, explica Miguel Ángel Hervás, de Baraka.

Sin ArchAIDE, la tarea sacar la partida de nacimiento de un fragmento de cerámica exige consultar con ceramólogos especializados en las épocas en cuestión. “Para los arqueólogos que excavamos en yacimientos de muy diversa cronología es muy difícil reconocer todos los tipos de cerámica de manera inmediata”, añade Hervás. Resolver el acertijo puede suponer cientos de horas de estudio de gabinete en catálogos. Con la ayuda de la aplicación, esta consulta se automatiza de manera que la aplicación compara una foto del fragmento con la de los catálogos que conforman su base de datos y ofrece al arqueólogo las cinco opciones más probables.

Después de tres años de proyecto financiados por la Unión Europea, ArchAIDE ya funciona, y lo hace con “niveles de precisión muy, muy altos”, pero no está completa. Para identificar cualquier cerámica necesitaría completar su base de datos con catálogos de todo el mundo. “La idea es que no caiga en saco roto sino que pueda ser utilizado por los investigadores”, señala Hervás. Pero ahí acaban sus obstáculos. La ventaja de reconocer vasijas es que la investigación puede avanzar sin las preocupaciones que acompañan, por ejemplo, al reconocimiento facial o el coche autónomo. “Hay un factor muy determinante que es la responsabilidad civil. Si yo me equivoco identificando una cerámica, lo peor que puede pasar es que mi artículo tenga un error”.

Evaluación de ubres

“Las técnicas de inteligencia artificial que se emplean en el cuidado de la salud de los animales no están tan maduras como las que vemos en el cuidado de la salud humana”, señala Parminder S. Baran, investigador de la facultad de veterinaria de la Universidad de Cornell. En su último trabajo, la grandilocuente inteligencia artificial se une a las no tan épicas ubres de las vacas para impulsar un sistema de evaluación que permite determinar el estado en que se encuentran. Esta herramienta permite prevenir que potenciales infecciones en las glándulas mamarias acaben por convertirse en casos de mastitis, la enfermedad más frecuente en las vacas lecheras de todo el mundo.

Su sistema procesa las imágenes de las ubres de manera que se identifica y etiqueta cada una cada una para posteriormente evaluar su estado. Hacer esto sin la ayuda de la inteligencia artificial implicaría inspeccionar las cuatro ubres de cada vaca de manera presencial. Llevar a cabo esta inspección de forma digital permite además almacenar un histórico de evaluaciones previas, de manera que se pueden identificar tendencias en el ganado. Baran lo compara con la teleatención sanitaria. “Hay una serie de ahorros asociados a conectar al doctor con los pacientes. No habría razón para que un experto en vacas lecheras de España no pudiera realizar una evaluación de las vacas que fotografiamos en la Universidad de Cornell”, razona. Un punto a favor de los avances de su equipo es que, pese a que en sus trabajos debe mediar la aprobación de una junta de ética de la investigación, nadie está especialmente preocupado por la privacidad y la protección de los datos de las vacas.

Recomendación de cafés

Los sistemas de recomendación nos persiguen desde hace tiempo. Te sugieren con más o menos eficacia música, series y productos presuntamente basados en tus preferencias. ¿Y si pudieran ofrecerte el café perfecto, con un 92% de precisión? Jacopo de Berardinis, investigador del grupo de machine learning y optimización de la Universidad de Manchester, se imagina este sistema integrado en un robot que se ubicaría en las cafeterías para predecir las preferencias de los clientes. “Nuestro equipo trabaja en diferentes proyectos de robótica y aprendizaje automático, como algoritmos para el análisis musical, robótica colaborativa y generación de confianza en interacciones humano-robot”, comenta.

El veredicto de los algoritmos se basa en trece variables: especies, orígenes, regiones, variedades, humedad, método de procesamiento, color, uniformidad, dulzor, equilibrio, sabor, acidez, regusto, aroma... Las más universales de estas se presentan ante los clientes de manera que puedan graduar sus preferencias para que el sistema las coteje con la base de datos de reseñas del Coffee Quality Institute. “Nuestro sistema es único en el sentido de que no necesita que cada grano haya sido revisado por un experto”, señala Berardinis. En estos casos, la herramienta utiliza el conocimiento previo de mezclas de características similares.

El investigador se muestra satisfecho con su proyecto, pero es consciente de las limitaciones que aún tiene encuentra la inteligencia artificial. “El proceso de alcanzar una autonomía total o inteligencia general está aún en la infancia”, añade. Mientras tanto, la inteligencia artificial ‘real’ y la ‘aspiracional’ van componiendo un retrato difuso en la mente del público general: “Esto puede generar suposiciones poco realista o dar la sensación de que la inteligencia artificial no es segura”.

Identificación de setas

Después de 20 años trabajando en sistemas olfativos artificiales, Jesús Lozano, investigador de la escuela de Ingenierías Industriales de la Universidad de Extremadura, ha dedicado sus narices electrónicas a todo tipo de sustancias: desde el vino hasta el aire, pasando por los explosivos. En el ámbito de la micología, la aportación de estos dispositivos permite determinar si una seta es venenosa o no. “El uso de la inteligencia artificial en el reconocimiento de aromas nos permite, a diferencia de otros métodos, el aprendizaje de los estímulos y hace que la respuesta del sistema se vaya adaptando a cambios en las condiciones medioambientales o en la respuesta de los sensores con el tiempo”, explica Lozano. A diferencia del caso de las vasijas, cuando se trabaja con setas venenosas (o explosivos) los errores no son admisibles: “Un único fallo puede ser mortal”.

¿Cuánta ambición es suficiente cuando se trabaja con inteligencia artificial? Según explica Lozano, si el objetivo es captar financiación de organismos europeos, “hay que apostar por aplicaciones de elevada novedad”. Sin embargo, este planteamiento puede salir, literalmente, caro: “El problema es que hay algunas aplicaciones muy cerca de llegar a la sociedad y que por falta de financiación se quedan en un cajón. En ese punto es importante que la I+D de las empresas pueda terminar estos desarrollos adaptándolos al mercado”.