El algoritmo YerevaNN de inteligencia artificial

16 de agosto de 2017

YerevanNN-2Ereván (Armenian News Network).- La matemática es la fuerza impulsora del amor, la justicia y el progreso. Mediamaz y VOLO lanzan un proyecto conjunto, MathArt. Hablará sobre los talentos que desarrollan la matemática en Armenia y cómo es su trabajo.

La matemática es un valor clave en el mundo moderno y esperamos que MathArt pueda ayudar a atraer a los jóvenes armenios a esta ciencia.

Gracias a la inteligencia artificial, es posible predecir el riesgo de mortalidad cuarenta y ocho horas después de la admisión del paciente en una unidad de cuidado intensivo. A primera vista parece un escenario de ciencia ficción, pero mientras muchos laboratorios de investigación científica trabajan en ello en el mundo, el laboratorio de investigación YerevaNN hace lo mismo.

YerevaNN: Uniendo las mentes sobre el aprendizaje automático

El laboratorio de educación científica YerevaNN fue fundado en 2016 por Hrant Khachatryan, un estudiante de posgrado de la Facultad de Informática y Matemáticas Aplicadas de la Universidad Estatal de Ereván. Si bien él estaba inicialmente más interesado en la informática, luego de un tiempo se enfocó de lleno en la matemática. Fue de esta forma que algunos años después nació el laboratorio, el cual tiene como objetivo promover en Armenia el aprendizaje automático, un campo de la computación vinculado a la inteligencia artificial.

YerevanNN-3“Mientras estábamos en la Universidad, vimos que los estudiantes estaban interesados en la inteligencia artificial pero que esta disciplina no era enseñada. En ese momento nos dimos cuenta que necesitábamos una nueva plataforma donde los estudiantes fueran capaces de explorarla de forma profesional”, comentó Khachatryan, agregando que de vez en cuando cuatro miembros de YerevaNN se reúnen con los estudiantes y realizan conferencias.

Además, cabe destacar que para financiar el laboratorio han establecido una fundación cuyos miembros son: El cofundador de Teamable Vazgen Hakobjanyan, el fundador de Fimetech, Gor Vardanyan y el creador de Arminova Technologies Rouben Meschyan. YerevaNN es una fundación sin fines de lucro, financiada por donaciones privadas y becas de investigación, con el objetivo de cooperar con otros centros científicos.

Algoritmos de aprendizaje profundo: ejemplos globales

Este aprendizaje automático es muy utilizado en el mundo, y un ejemplo de ello es la traducción automática.

YerevanNN-1“Introdujimos varias oraciones que habían sido traducidas de antemano por traductores profesionales, y en base a estos ejemplos los algoritmos de aprendizaje automático pudieron ‘aprender’ de estos patrones y utilizarlos para otras frases. La calidad de esto depende del número de ejemplos que se hayan introducido en el programa. En particular, la baja calidad de los programas de traducción automática de inglés-armenio está condicionada por el pequeño número de ejemplos traducidos”, agregó el jefe del laboratorio.

En los últimos años el campo del aprendizaje automático, o también conocido como aprendizaje de máquinas, se ha desarrollado rápidamente gracias a los algoritmos de aprendizaje profundo, los que han resuelto problemas complejos en el último quinquenio.

Por ejemplo, en la actualidad a través del aprendizaje profundo, Facebook reconoce automáticamente las caras y las imágenes de las personas en las fotos, y los usuarios ciegos pueden usarlo para ‘escuchar las imágenes’. Además mediante este conjunto de algoritmos los autos Tesla pueden conducir de forma segura y evitar accidentes.

Aprendizaje automático y el cuidado de la salud

Una de las direcciones más importantes en la que se enfoca el aprendizaje automático es la esfera de la asistencia sanitaria. Según Khachatryan, hay una gran cantidad de problemas médicos que pueden ser resueltos con éxito a través de métodos de aprendizaje automático. De esta manera, puede ayudarse a los investigadores a analizar datos clínicos para tratar enfermedades, por ejemplo, identificar un tumor en una tomografía y dar un pronóstico basado en la información de los pacientes.

Sin embargo, uno de los principales obstáculos para utilizar el aprendizaje de máquinas en el cuidado médico es la inaccesibilidad de los datos. Según el líder del proyecto, todas las grandes instituciones médicas tienen enormes bases de datos de sus pacientes, pero los investigadores no tienen acceso a ellas. Los datos solo pueden obtenerse mediante un permiso especial, pero el aprendizaje automático puede convertirse en un éxito cuando los laboratorios científicos tengan acceso a esta base de datos.

Los primeros frutos de YerevaNN: predicción de la mortalidad

El laboratorio actualmente coopera con la Universidad de California del Sur, basada en el conjunto de datos MIMIC-III del Instituto de Tecnología de Massachusetts. Incluye datos de salud anónimos asociados con más de cuarenta mil pacientes de cuidado crítico y datos demográficos, signos vitales, pruebas de laboratorio, medicamentos y más.

“Nuestro objetivo es esbozar una serie de problemas basados en esta enorme base de datos que es muy importante para los médicos y hospitales, como así también crear puntos de referencia, es decir, establecer criterios claros para evaluar la solución de los problemas mencionados. De esta forma, varios investigadores podrán trabajar utilizando los mismos criterios y procesar los resultados de otros científicos”, explicó Khachatryan.

En la actualidad, YerevaNN se centra en la construcción de un conjunto de datos de referencia de aprendizaje multitarea que incluye cuatro claves de predicción clínica de pacientes hospitalizados que se asignan a los problemas principales del aprendizaje automático:

  1. Pronóstico de mortalidad dos días después del ingreso del paciente a la unidad de cuidado intensivo.
  2. Predicción del riesgo de mortalidad una vez por hora (luego de los tiempos estipulados después de su admisión)
  3. Pronosticar la duración de su tiempo en la unidad de cuidado intensivo una vez por hora (hecho que beneficia al hospital en cuestión de recursos)
  4. Predecir el diagnóstico basado en los datos del centro médico (temperatura corporal, presión arterial, análisis sanguíneos).

A su vez, usando el programa de YerevaNN, cada investigador puede seleccionar la información necesaria de la base de datos MIMIC III y probar diferentes algoritmos para estas cuatro tareas.

“Además de este programa, también hemos creado algoritmos basados en métodos de aprendizaje profundo para resolver estos problemas con un cierto nivel de precisión. En particular, hemos alcanzado un alto grado de exactitud en la predicción de la mortalidad basada en los primeros datos y en el diagnóstico de varias enfermedades. Los modelos que predicen la duración del internado en estos centros no funcionan tan bien. Esperamos que otros investigadores puedan crear sus algoritmos dentro en los próximos meses y los comparen con nuestros modelos”, agregó el creador del proyecto.

Según Khachatryan, el aprendizaje conjunto de múltiples tareas basado en el mismo uso de datos ayuda a mejorar la exactitud de la predicción en comparación con las de una sola tarea, ya que resolver un problema parece ayudar a resolver otros. Los investigadores de GoogleBrain demostraron que la calidad del programa de traducción inglés-alemán aumenta cuando, además de traducir, también aprende a hacer el análisis gramatical de la oración. El laboratorio ha tratado de hacer lo mismo con los datos clínicos.

 “Hemos informado a varios investigadores centrados en el aprendizaje automático vinculado a la salud sobre nuestro trabajo. El ida y vuelta ha sido positivo hasta ahora. Todos están de acuerdo que la utilización de estos puntos de referencia en el cuidado médico ha sido necesaria por mucho tiempo”, concluyó Khachatryan.

El futuro armenio de la inteligencia artificial

Como dice Hrant Khachatryan, el aprendizaje automático es una esfera que se desarrolla rápidamente. El mundo científico siempre ha estado interesado en crear inteligencia, tratando de averiguar cómo funciona el cerebro humano y si es posible llevarlo a la computadora. El factor económico también debe ser considerado. Varias de las grandes industrias de diferentes sectores de la economía como los gigantes de Internet, se benefician de este sector y rápidamente están haciendo uso de todas estas abiertas posibilidades. Estas tecnologías se están extendiendo gradualmente a otros sectores, como la sanidad, la agricultura, la robótica, las finanzas y el área militar. Hay una enorme demanda mundial de profesionales interesados en el aprendizaje automático y Armenia tiene un gran potencial para proporcionarlos.

Compartir: