DALCAME

Al “santo grial” de la IA le falta eficiencia en tiempo y energía

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 18 Aug 2022 10:02:00 +0000

Inteligencia Artificial

El 'machine learning' automatizado (AutoML) promete acelerar el proceso de desarrollo de los modelos de IA y hacer que la tecnología sea más accesible

Los investigadores especializados en el aprendizaje automático toman muchas decisiones al diseñar sus nuevos modelos, como cuántas capas incluir en las redes neuronales y qué peso dar a los inputs en cada nodo. El resultado de toda esta toma de decisiones humana es que esos modelos tan complejos terminan siendo "diseñados por intuición", en vez de sistemáticamente, según explica Frank Hutter, jefe del laboratorio de aprendizaje automático de la Universidad de Freiburg en Alemania.

Un campo en crecimiento denominado aprendizaje automático automatizado, o autoML, tiene como objetivo eliminar las conjeturas. La idea consiste en que los algoritmos se hagan cargo de las decisiones que los investigadores actualmente tienen que tomar al diseñar los modelos. Al final, estas técnicas podrían facilitar el aprendizaje automático.

Aunque el aprendizaje automático automatizado existe desde hace casi una década, los investigadores todavía trabajan para perfeccionarlo. La semana pasada tuvo lugar una nueva conferencia en Baltimore (EE UU), descrita por sus organizadores como la primera sobre este tema a nivel internacional, en la que se mostraron los esfuerzos para mejorar la precisión del autoML y optimizar su rendimiento.

Ha habido un gran interés en el potencial del machine learning automatizado (autoML) para simplificar el aprendizaje automático. Algunas empresas, como Amazon y Google, ya ofrecen herramientas de aprendizaje automático de código simplificado que aprovechan las técnicas del autoML. Si estas técnicas se vuelven más eficientes, podría acelerarse la investigación y facilitaría que más gente lo use.

La idea es llegar a un punto en el que alguien pueda plantear la pregunta que quiera a una herramienta de autoML y obtener el resultado que busca.

Esa visión es el "santo grial de la informática", según el organizador de la conferencia y profesor asistente de informática en la Universidad de Wyoming (EE UU), Lars Kotthoff. "Se especifica el problema y el ordenador descubre cómo resolverlo, y eso es todo".

Pero primero, los investigadores tendrán que descubrir cómo volver estas técnicas más eficientes en tiempo y energía.

¿Qué es el autoML?

A primera vista, el concepto de machine learning automatizado (autoML) puede parecer redundante; al fin y al cabo, el aprendizaje automático ya tiene que ver con automatizar el proceso de obtener información de los datos. Pero debido a que los algoritmos autoML operan a un nivel de abstracción por encima de los modelos de aprendizaje automático subyacentes, confiando solo en los resultados de esos modelos como guías, pueden ahorrar el tiempo y cómputo. Los investigadores pueden aplicar técnicas de autoML a los modelos previamente entrenados para obtener nuevos conocimientos sin desperdiciar el poder de cómputo repitiendo la investigación existente.

Por ejemplo, el científico investigador Mehdi Bahrami y sus coautores de Fujitsu Research of America presentaron un trabajo reciente sobre cómo usar el algoritmo BERT-sort con diferentes modelos previamente entrenados para adaptarlos a nuevos propósitos. BERT-sort es un algoritmo que puede descubrir lo que se conoce como "orden semántico" cuando se entrena en conjuntos de datos. Con los datos sobre las reseñas de películas, por ejemplo, sabe que las películas "excelentes" tienen una clasificación más alta que las películas "buenas" y "malas".

Con las técnicas de autoML, el orden semántico aprendido también se puede extrapolar para clasificar otras cosas como diagnósticos de cáncer o incluso texto en coreano, lo que reduce el tiempo y los cálculos.

"BERT necesita meses de cómputo y es muy costoso, en torno a un millón de dólares para generar el modelo y repetir los procesos. Así que, si todos quieren hacer lo mismo, será demasiado costoso, no será energéticamente eficiente y no será bueno para el mundo", señala Bahrami.

Aunque el campo parece prometedor, los investigadores todavía buscan las formas de que las técnicas de autoML sean más eficientes desde el punto de vista computacional. Por ejemplo, algunos métodos como la búsqueda de arquitectura neuronal actualmente construyen y prueban muchos modelos diferentes para encontrar el que mejor se ajuste, y la energía que se necesita para completar todas esas iteraciones puede ser significativa.

Las técnicas de AutoML también se pueden aplicar a los algoritmos de aprendizaje automático que no involucran las redes neuronales, como la creación de decisiones aleatorias o máquinas de vectores de soporte para clasificar datos. La investigación en esas áreas está más avanzada, con muchas bibliotecas de codificación ya disponibles para las personas que desean incorporar técnicas de autoML en sus proyectos.

El siguiente paso es usar autoML para cuantificar la incertidumbre y abordar cuestiones de fiabilidad y equidad en los algoritmos, indica Hutter, el organizador de la conferencia. En esa visión, los estándares en torno a la fiabilidad y la equidad serían similares a cualquier otra restricción del aprendizaje automático, como la precisión. Y autoML podría captar y corregir automáticamente los sesgos encontrados en esos algoritmos antes de su publicación.

La búsqueda continúa

Pero para algo como el aprendizaje profundo, el autoML aún tiene un largo camino por recorrer. Los datos utilizados para entrenar los modelos de aprendizaje profundo, como imágenes, documentos y voz grabada, suelen ser densos y complicados. Se necesita un inmenso poder computacional para manejarlos. El coste y el tiempo para entrenar estos modelos pueden ser prohibitivos para alguien que no sea investigador en empresas privadas con mucho dinero.

Uno de los concursos de la conferencia pidió a los participantes que desarrollaran algoritmos alternativos energéticamente eficientes para la búsqueda de arquitectura neuronal. Se trata de un desafío considerable porque esta técnica tiene demandas computacionales ingentes. Recorre automáticamente innumerables modelos de aprendizaje profundo para ayudar a los investigadores a elegir el adecuado para su aplicación, pero el proceso puede llevar meses y costar más de un millón de euros.

El objetivo de estos algoritmos alternativos, denominados aproximaciones de búsqueda de arquitectura neuronal de coste cero, consiste en que la búsqueda de arquitectura neuronal sea más accesible y respetuosa con el medio ambiente al reducir significativamente su apetito por la computación. El resultado tarda solo unos segundos, en vez de meses. Estas técnicas aún se encuentran en las primeras etapas de desarrollo y a menudo no son fiables, pero los investigadores de aprendizaje automático predicen que tienen el potencial de hacer que el proceso de selección de modelos sea mucho más eficiente.

Ingenieros del MIT desarrollan pegatinas que pueden ver el interior del cuerpo

noreply@blogger.com (Alexis Meneses Arévalo) — Fri, 12 Aug 2022 13:36:00 +0000

Nuevos adhesivos ultrasónicos del tamaño de un sello producen imágenes claras del corazón, los pulmones y otros órganos internos.

Jennifer Chu | Oficina de noticias del MIT

28 de julio de 2022

Los ingenieros del MIT diseñaron un parche adhesivo que produce imágenes de ultrasonido del cuerpo. El dispositivo del tamaño de un sello se adhiere a la piel y puede proporcionar imágenes de ultrasonido continuas de los órganos internos durante 48 horas.

Imagen: Felice Frankel

Las imágenes por ultrasonido son una ventana segura y no invasiva al funcionamiento del cuerpo, que proporciona a los médicos imágenes en vivo de los órganos internos de un paciente. Para capturar estas imágenes, técnicos capacitados manipulan varillas y sondas de ultrasonido para dirigir ondas de sonido al cuerpo. Estas ondas se reflejan para producir imágenes de alta resolución del corazón, los pulmones y otros órganos profundos de un paciente.

En la actualidad, las imágenes por ultrasonido requieren equipos voluminosos y especializados disponibles solo en hospitales y consultorios médicos. Pero un nuevo diseño de los ingenieros del MIT podría hacer que la tecnología sea tan portátil y accesible como comprar curitas en la farmacia.

En un artículo que aparece hoy en Science , los ingenieros presentan el diseño de una nueva etiqueta de ultrasonido: un dispositivo del tamaño de un sello que se adhiere a la piel y puede proporcionar imágenes de ultrasonido continuas de los órganos internos durante 48 horas.

Los investigadores aplicaron las pegatinas a los voluntarios y mostraron que los dispositivos producían imágenes en vivo de alta resolución de los principales vasos sanguíneos y órganos más profundos como el corazón, los pulmones y el estómago. Las pegatinas mantuvieron una fuerte adherencia y capturaron los cambios en los órganos subyacentes a medida que los voluntarios realizaban diversas actividades, como sentarse, pararse, trotar y andar en bicicleta.

El diseño actual requiere conectar las pegatinas a instrumentos que traducen las ondas de sonido reflejadas en imágenes. Los investigadores señalan que incluso en su forma actual, las pegatinas podrían tener aplicaciones inmediatas: por ejemplo, los dispositivos podrían aplicarse a pacientes en el hospital, de forma similar a las pegatinas de electrocardiogramas de monitorización del corazón, y podrían obtener imágenes de órganos internos de forma continua sin necesidad de un técnico. para mantener una sonda en su lugar durante largos períodos de tiempo.

Si se puede hacer que los dispositivos funcionen de forma inalámbrica, un objetivo en el que el equipo está trabajando actualmente, las pegatinas de ultrasonido podrían convertirse en productos de imágenes portátiles que los pacientes podrían llevar a casa desde el consultorio de un médico o incluso comprar en una farmacia.

"Visualizamos algunos parches adheridos a diferentes lugares del cuerpo, y los parches se comunicarían con su teléfono celular, donde los algoritmos de IA analizarían las imágenes a pedido", dice el autor principal del estudio, Xuanhe Zhao, profesor de ingeniería mecánica y civil y ingeniería ambiental en el MIT. “Creemos que hemos abierto una nueva era de imágenes portátiles: con algunos parches en su cuerpo, podría ver sus órganos internos”.

El estudio también incluye a los autores principales Chonghe Wang y Xiaoyu Chen, y a los coautores Liu Wang, Mitsutoshi Makihata y Tao Zhao del MIT, junto con Hsiao-Chuan Liu de la Clínica Mayo en Rochester, Minnesota.

Un problema pegajoso

Para generar imágenes con ultrasonido, un técnico primero aplica un gel líquido a la piel del paciente, que actúa para transmitir ondas de ultrasonido. Luego se presiona una sonda, o transductor, contra el gel, que envía ondas de sonido al cuerpo que hacen eco en las estructuras internas y regresan a la sonda, donde las señales de eco se traducen en imágenes visuales.

Para los pacientes que requieren largos períodos de obtención de imágenes, algunos hospitales ofrecen sondas adheridas a brazos robóticos que pueden sostener un transductor en su lugar sin cansarse, pero el gel de ultrasonido líquido fluye y se seca con el tiempo, interrumpiendo la obtención de imágenes a largo plazo.

En los últimos años, los investigadores han explorado diseños de sondas de ultrasonido extensibles que proporcionarían imágenes portátiles y de bajo perfil de los órganos internos. Estos diseños dieron una matriz flexible de diminutos transductores de ultrasonido, con la idea de que dicho dispositivo se estiraría y se ajustaría al cuerpo del paciente.

Pero estos diseños experimentales han producido imágenes de baja resolución, en parte debido a su estiramiento: al moverse con el cuerpo, los transductores cambian de ubicación entre sí, distorsionando la imagen resultante.

“La herramienta portátil de imágenes por ultrasonido tendría un enorme potencial en el futuro del diagnóstico clínico. Sin embargo, la resolución y la duración de las imágenes de los parches de ultrasonido existentes son relativamente bajas y no pueden obtener imágenes de órganos profundos”, dice Chonghe Wang, estudiante de posgrado del MIT.

Una mirada al interior

La nueva etiqueta adhesiva de ultrasonido del equipo del MIT produce imágenes de mayor resolución durante un período más prolongado al combinar una capa adhesiva elástica con una matriz rígida de transductores. “Esta combinación permite que el dispositivo se adapte a la piel mientras mantiene la ubicación relativa de los transductores para generar imágenes más claras y precisas”. Wang dice.

La capa adhesiva del dispositivo está hecha de dos capas delgadas de elastómero que encapsulan una capa intermedia de hidrogel sólido, un material principalmente a base de agua que transmite fácilmente las ondas sonoras. A diferencia de los geles de ultrasonido tradicionales, el hidrogel del equipo del MIT es elástico y elástico.

"El elastómero previene la deshidratación del hidrogel", dice Chen, un postdoctorado del MIT. "Solo cuando el hidrogel está altamente hidratado, las ondas acústicas pueden penetrar de manera efectiva y brindar imágenes de alta resolución de los órganos internos".

La capa de elastómero inferior está diseñada para adherirse a la piel, mientras que la capa superior se adhiere a una matriz rígida de transductores que el equipo también diseñó y fabricó. Toda la etiqueta de ultrasonido mide aproximadamente 2 centímetros cuadrados de ancho y 3 milímetros de grosor, aproximadamente el área de un sello postal.

Los investigadores pasaron la etiqueta de ultrasonido a través de una serie de pruebas con voluntarios sanos, que usaron las etiquetas adhesivas en varias partes de sus cuerpos, incluidos el cuello, el pecho, el abdomen y los brazos. Las pegatinas permanecieron adheridas a la piel y produjeron imágenes claras de las estructuras subyacentes durante un máximo de 48 horas. Durante este tiempo, los voluntarios realizaron una variedad de actividades en el laboratorio, desde sentarse y pararse, trotar, andar en bicicleta y levantar pesas.

A partir de las imágenes de las pegatinas, el equipo pudo observar el cambio de diámetro de los principales vasos sanguíneos cuando estaban sentados o de pie. Las pegatinas también capturaron detalles de órganos más profundos, como la forma en que el corazón cambia de forma a medida que se esfuerza durante el ejercicio. Los investigadores también pudieron observar cómo el estómago se distendía y luego se encogía mientras los voluntarios bebían y luego expulsaban el jugo de su sistema. Y mientras algunos voluntarios levantaban pesas, el equipo pudo detectar patrones brillantes en los músculos subyacentes, lo que indica un microdaño temporal.

"Con las imágenes, podríamos capturar el momento en un entrenamiento antes del uso excesivo y detenernos antes de que los músculos se vuelvan adoloridos", dice Chen. "Todavía no sabemos cuándo podría ser ese momento, pero ahora podemos proporcionar datos de imágenes que los expertos pueden interpretar".

El equipo está trabajando para que las pegatinas funcionen de forma inalámbrica. También están desarrollando algoritmos de software basados en inteligencia artificial que pueden interpretar y diagnosticar mejor las imágenes de las pegatinas. Luego, Zhao prevé que los pacientes y los consumidores puedan empaquetar y comprar adhesivos de ultrasonido, y usarlos no solo para monitorear varios órganos internos, sino también la progresión de los tumores, así como el desarrollo de los fetos en el útero.

“Imaginamos que podríamos tener una caja de calcomanías, cada una diseñada para representar una ubicación diferente del cuerpo”, dice Zhao. “Creemos que esto representa un gran avance en dispositivos portátiles e imágenes médicas”.

Esta investigación fue financiada, en parte, por el MIT, la Agencia de Proyectos de Investigación Avanzada de Defensa, la Fundación Nacional de Ciencias, los Institutos Nacionales de Salud y la Oficina de Investigación del Ejército de EE. UU. a través del Instituto de Nanotecnologías para Soldados del MIT.

Traducido del original Ver noticia desde el MIT

How to Find the Clinical AI in Your Facility and Govern It

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 11 Aug 2022 19:53:00 +0000

News Article 27 July 2022

Author:

ErinSparnon

Author Information

E. Sparnon is a senior engineering manager for device evaluation at ECRI in Plymouth Meeting, PA. Email: esparnon@ecri.org

Topics:

A few Saturdays ago, I woke up with the sun and started the day off right with a lecture at AAMI Exchange 2022 in San Antonio, TX. Working uphill against a team who sorely overestimated how late they could responsibly stay up networking, I delivered a simple message: The call is coming from inside the house.

Artificial intelligence (AI)-enabled technologies are not at your door. They are in your care areas and your noncare areas. They are not just a gleam in your caregiver’s eyes; they are running live on the cloud software that’s analyzing sonic waveforms from the pocket-sized wireless stethoscope your emergency department (ED) doc is Bluetoothing to her personal phone.

As Pat Baird stated at the beginning of this article series, AI’s promise lies in its capability to augment or free up humans to perform routine tasks better or faster. By organizing and presenting key information, identifying subtle or hard-to-spot patterns in large pools of data, or performing routine tasks (e.g., sizing and rotating images to match provider preferences), these systems can pop up in all sorts of clinical and nonclinical applications. On the clinical side, the vast majority of cleared systems are in radiology, including imaging display and segmentation, diagnosis of specific pathology, or guidance on the position or placement of patients or imaging devices (Figures 1 and 2, below).

Figure 2. Examples of artificial intelligence (AI)-enabled systems cleared by the Food and Drug Administration (FDA) by panel. Last updated Sept. 22, 2021. Source: FDA. Artificial intelligence and machine learning (AI/ML)-enabled medical devices. Abbreviations used: ECG, electrocardiogram; EEG, electroencephalography; EHR, electronic health record; HTM, healthcare technology management.

How do you establish the oversight and governance necessary to keep your patients and staff safe? And why is that so important?

AI-enabled medical technologies are both different and not different from all the other technologies you’re used to developing, buying, and managing.

How AI Is Different

First, AI is kind of sneaky in the ways it can enter your facility. It might enter as a software upgrade to radiology equipment or the software you use to view or annotate images. It might come in as an accessory or feature of point-of-care devices (e.g., wireless stethoscopes, point-of-care ultrasound scanners). It might come in as an electronic health record–based alerting system launched as a patient safety initiative to identify patients at risk of decline. A lot of these instances might bypass your centralized equipment purchase and management activities, meaning you’ll probably need to go hunting for the systems in use.

Second, AI can add new challenges when it comes to troubleshooting and incident response. Clinicians, including doctors, nurses, physician assistants and extenders, technicians, clinical engineers—literally everyone in healthcare—grew up in a world where they know (or at least they can find out) what a device or system will do given known input and what it has done in the past.

If an infusion pump comes in with a post-it-note that reads “broke,” healthcare technology management (HTM) staff can at least try turning it on and reviewing the event and alarm log. But what do you do if an AI system used to detect wrist fractures in X-ray images failed to find a fracture? Will you even detect the failure if the radiologist also misses the fracture and your patient just hits an urgent care when their wrist still hurts next week?

And how does the risk management equation change if we’re talking about an image-management software app that missed a small early-stage breast lesion? With an AI-enabled system, there are going to be some things we can and can’t find out about what happened and why.

Things we can find out:

How often a system should deliver a certain set of results based on an expected input range.
How the system will react to input that is similar to its training data.
How well the system performs over large groups of people or data, in aggregate, during validation.

Things we can’t find out

How a model’s development and decision factors lead to certain results in particular cases.
What will happen if unexpected input is entered.
How well the system will perform on this one specific patient in front of the clinician.

Figure 1. Types of artificial intelligence (AI)-enabled systems cleared by the Food and Drug Administration (FDA) by panel. Last updated Sept. 22, 2021. Source: FDA. Artificial intelligence and machine learning (AI/ML)-enabled medical devices.

How AI Is Not Different

The good news is, after you’ve found the AI-enabled technologies in your facility, you should be in a good place to manage it safely through mechanisms you’re familiar with, assuming you have the right people in the room. (Who doesn’t love a multidisciplinary committee?)

Compared with any networked medical device or software, AI doesn’t raise new types of questions when it comes to safety and effectiveness: You’ll still need to address issues such as security, information transfer, and protected health information. You can even use the same risk management framework to develop, document, and disseminate a mitigation plan for any potential failures and risks.

Although the types of questions around safety and effectiveness aren’t new, you will need to spend some extra time ensuring AI-enabled technologies are being used in a manner consistent with their design and training data. The following questions are a good place to start the discussions among your governance team, users, and vendors:

What are you trying to accomplish with the AI? That is, what clinical or nonclinical performance are you expecting? Does this performance expectation match the system’s stated indications and previous clinical implementations?
Does your clinical population match the training data set for the AI system closely enough that you feel it will produce good results with its models?
When should the system not be used? Are there certain populations or certain care settings in which the patients are too different from the training data or intended use?
What is the worst that could happen if the system provides an inappropriate recommendation? What if the system provides an appropriate recommendation but it is interpreted incorrectly or the clinician fails to act on it?
What impact do you expect this system to have on your clinical workflow. both positive and negative? Is there a risk of overreliance, and if so, how can you mitigate it with simulations, drills, or planned downtime?

Parting Thoughts

AI-enabled technologies are popping up in many clinical and nonclinical applications. They regularly evade your facility’s traditional capital equipment selection or value analysis processes, and in some cases, the users who buy them may not be aware of AI or cloud technology features and their implications. But HTM has a unique role here as a champion of good governance and patient safety. You can bring the tools and techniques you already use every day, along with a few more questions about system design and validation.

Now, go looking for the AI-enabled technologies in your facility. Check in with radiology and imaging to see what image display or image enhancement technologies are in use. Take a tour through the ED and see if anyone’s using pocket ultrasound or wireless stethoscopes with analysis or guidance capabilities. Finding and governing AI in use isn’t so tough once you know where to look.

iRhythm and Verily Receive FDA Clearance for Zio Watch to Detect AFib

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 11 Aug 2022 19:35:00 +0000

Author: Fran Kritz

Topics:

iRhythm Technologies and Verily, an Alphabet company (the parent company of Google), have received 510(k) premarket clearance from the FDA for an AI-powered smartwatch system to monitor atrial fibrillation or AFib. The system, called ZEUS (Zio ECG Utilization Software), is utilized on the company’s Zio Watch, a wrist-worn wearable, that according to the company detects AFib and also characterizes the amount of AFib over time, which can be a diagnosis aid for physicians.

“There is a clear need in the market today for a clinical grade, long-term and noninvasive monitoring solution,” said Quentin Blackford, CEO and President of iRhythm, in a press release. “iRhythm is focused on redefining the standard of care with earlier insight to predict and prevent disease, and the Zio Watch with ZEUS System provides clinicians a platform that has the potential to meaningfully improve patients’ lives.”

According to iRhythm, findings from the Verily Study: Watch AFib Detection At Home, show that interval-level sensitivity and specificity of the AFib Context Engine (ACE) algorithm within the ZEUS System were 93.6% and 99.1% respectively. “iRhythm's proprietary ACE algorithm uses a novel convolutional neural network architecture designed to operate on a cloud-enabled system compatible with a battery-constrained device, and the system allows physicians to receive clinically meaningful data on AFib’s presence or absence rather than just a single data point in time,” according to the companies.

“Our partnership with iRhythm advances our shared mission of delivering more efficient care for patients with AFib,” said Dr. Jessica Mega, Chief Medical and Scientific Officer and cofounder of Verily. “The industry is ripe for a clinical-grade wearable to not only improve how we monitor cardiovascular health, but also develop precision health interventions that could ultimately prevent more serious cardiac events before they can occur.”

The companies hope to launch the Zio Watch and Zeus System during 2023. In June, Apple received 510(k) clearance from the FDA for a new feature for its smartwatch that estimate how often a wearer’s heart rhythm shows signs of AFib.

Prime Health

noreply@blogger.com (Alexis Meneses Arévalo) — Fri, 05 Aug 2022 21:11:00 +0000

Primera salud

29 de julio de 2022

Scott Galloway @profgalloway

La industria de la salud de EE. UU. es una foca herida de 7 toneladas que va a la deriva sin rumbo fijo y se desangra en el mar. Los depredadores están dando vueltas. La sangre en el agua es el margen no ganado: aumentos de precios, en relación con la inflación, sin una mejora concomitante en la calidad. Amazon es el megalodón al acecho, sus mandíbulas de 11 pies y dientes de 7 pulgadas son los más grandes de la historia. Con la adquisición de One Medical, Amazon ya no está dando vueltas... sino atacando.

El gasto per cápita en atención médica en EE . UU . pasó de $ 2,968 en 1980 a $ 12,531 en 2020 (ambos en dólares de 2020), un aumento de más del triple. El resultado es una industria masiva con el 13% de los trabajadores de la nación y un gasto total que representa una quinta parte del PIB de EE.UU.

medico no

El cuidado de la salud puede presumir de logros tangibles en los últimos 40 años. La esperanza de vida aumentó de 73,7 en 1980 a 78,8 en 2019 (antes de que Covid la derribara un poco). Ha habido una revolución en los tratamientos farmacológicos y la investigación genética está empezando a dar sus frutos. Pero el rendimiento financiero (mejora dividida por aumentos de costos) ha sido abismal. Ninguna nación ha registrado aumentos de costos similares a los de EE. UU., y nadie gasta tanto como nosotros per cápita en términos absolutos. Sin embargo, casi todos los países desarrollados tienen mejores resultados, con una mayor esperanza de vida, poblaciones más sanas y mucho menos estrés económico.

Dos tercios de las quiebras personales en los EE. UU. son el resultado de problemas de atención médica: gastos médicos y/o tiempo libre en el trabajo. Para muchas familias estadounidenses de clase media, si mamá o papá contraen cáncer, es muy probable que la familia quiebre. El cuarenta por ciento de los adultos estadounidenses se han retrasado o no han recibido la atención necesaria porque su costo es prohibitivo. Por cada mejora en el cuidado de la salud, parece que nuestro sistema encuentra una manera de extraer un lado oscuro. Esa misma revolución farmacológica que mejoró los resultados de millones trajo la epidemia de opiáceos. En muchas áreas, nuestros resultados son pésimos a cualquier precio: EE. UU. tiene una de las tasas de mortalidad infantil más altas entre las naciones desarrolladas.

Más allá de la eficacia irregular, la atención médica ofrece la segunda peor experiencia minorista del país. (Las gasolineras conservan el puesto número 1.) Imagínese entrar en Best Buy para comprar un televisor y un asociado de Blue Shirt le pide que llene las mismas 14 páginas de papeleo que llenó ayer, luego espera en una habitación llena de gente hasta que te llaman, 20 minutos después de la cita programada para la que te pidieron que llegaras temprano, para que te atienda la única persona de la tienda que te puede hablar de televisores, que tiene solo 10 minutos para ti. Nueva York es la ciudad más rica de Estados Unidos, sin embargo, el tiempo promedio de espera en una sala de emergencias es de 6 horas y 10 minutos .

Una buena regla general en los negocios es que si es malo para el consumidor, es peor al otro lado del mostrador. Los médicos dedican solo el 27 % de su tiempo a ayudar a los pacientes; el 49 % se dedica a gestionar registros médicos electrónicos. Eso incluye la documentación, la entrada de pedidos, la facturación y la gestión de la bandeja de entrada. En otras palabras, pasas una década yendo a la escuela para obtener un doctorado, solo para convertirte en un burócrata.

Ninguna industria ha demostrado mejor las deseconomías de escala. Si recibiésemos el mismo rendimiento de nuestros gastos de atención médica que otros países, todos viviríamos hasta los 100 años sin enfermarnos. O, más probablemente, gastaríamos mucho menos, viviríamos vidas más largas y saludables y ahorraríamos lo suficiente para pagar la deuda nacional en 15 años. La atención médica de EE. UU. es el peor valor en la historia moderna.

Bien, entonces, ¿qué hacer? En el centro del peor sistema de su tipo, a excepción de todo lo demás, es decir, el capitalismo, se encuentra la respuesta: la competencia.

Hora estelar

La semana pasada, Amazon anunció sus planes para adquirir la empresa de atención primaria de la salud One Medical por 3.900 millones de dólares. Creo que este acuerdo representa el catalizador para un importante desbloqueo social. He sido miembro de One Medical durante dos años y creo que es excepcional. Cuando contraje Covid, toqué el ícono de One Medical en mi teléfono; a los pocos minutos estaba hablando con una enfermera practicante que me recetó Paxlovid e incluso me dijo qué farmacias cercanas tenían el antiviral en stock.

Con Amazon, la empresa puede reconocer su visión. Hasta la fecha, las acciones de One Medical han tenido un desempeño deficiente, hasta $ 10 por acción desde $ 40 a principios de 2021. Perdió un cuarto de mil millones de dólares el año pasado y necesita capital (que Amazon tiene: $ 60 mil millones en efectivo). A continuación, la ONEM necesita escala. En la actualidad, el servicio cuenta con 736.000 miembros, impresionante. Más impresionante: más de la mitad de los hogares estadounidenses son miembros Prime. La pieza final es la entrega. One Medical opera un negocio híbrido de salud digital/oficina física, pero aún tiene que recoger medicamentos en la farmacia. La mejora obvia es recibir su Paxlovid pocas horas después de una consulta remota. Esta es la competencia central de Amazon: sucederá. La velocidad y la conveniencia estarán tan diferenciadas en el cuidado de la salud que se sentirán extraños.

Como ocurre con la mayoría de los caminos hacia la disrupción, ha sido largo y tortuoso. Hace cuatro años, Amazon se asoció con JPMorgan y Berkshire Hathaway para formar Haven, con la esperanza de brindar una atención médica mejor y más económica para sus 1,5 millones de empleados combinados. A pesar de sacudir las acciones de los mercados de atención médica la mañana del comunicado de prensa, fue una falsificación y se retiró en 2021.

A continuación, Amazon creó un servicio interno para sus empleados: Amazon Care . Servicios de salud virtuales, además de enfermeras... entregados en su hogar. Le está yendo mucho mejor , se está expandiendo por todo el país y ahora brinda atención médica a otras compañías . (Hilton es el cliente divulgado más grande de Amazon Care). La adquisición de One Medical combinará capital, experiencia en el dominio y tecnología instalada con infraestructura de facturación, y lo llevará a 66 millones de hogares Prime. Imaginar:

"Alexa, tengo fiebre y me duele la espalda baja".

“Conectándolo ahora con un profesional médico de Amazon Prime”.

Quiero vs tengo que

Predije que Amazon entraría en el cuidado de la salud hace varios años. ¿Por qué? Por la misma razón, Apple se está metiendo en el automóvil: no porque quiera, sino porque tiene que hacerlo. La relación precio-beneficio de las acciones de Amazon es de 56, más del doble que la de Walmart. Para que la compañía mantenga el precio de sus acciones, necesita agregar un cuarto de billón de dólares en ingresos principales durante los próximos cinco años. No encontrará este tipo de ingresos en la moda de marca blanca o en las ventas de hogares inteligentes. Tiene que ingresar a un mercado gigantesco que carece de escala, experiencia operativa y facilidad con los datos.

Estado de la situación

Una remodelación de la atención médica no solo beneficiará a los consumidores, sino también a los inversores. En 2015, los servicios de atención médica obtuvieron múltiplos equivalentes al promedio del S&P 500. Pero el mercado está perdiendo la fe en la capacidad de las empresas de salud pública para crecer de manera significativa. Los múltiplos VE/EBITDA entre los servicios de salud son un 33% más bajos que el promedio del S&P 500.

Amazon no es el único depredador que olfatea a su presa. Walmart y Alibaba están trabajando en sus propios negocios de farmacia. Uber está trabajando en el tránsito sanitario. Y en los mercados privados, la telesalud recibió $29 mil millones en fondos de riesgo el año pasado, un 95 % más que en 2020.

El desbloqueo obvio e inmediato es la telesalud, que fue acelerada por la pandemia. En cuestión de semanas, después del primer caso positivo de covid en los EE. UU., los servicios que la industria insistía en que debían entregarse en persona se trasladaron a Zoom... y sobrevivimos. De hecho, prosperamos. Incluso una vez que se permitieron las visitas en persona, las videollamadas siguieron existiendo. McKinsey estima que la cantidad de visitas de telesalud se ha estabilizado en 38 veces los niveles previos a la pandemia. Los médicos adoptaron la tecnología, los reguladores relajaron las limitaciones y los pacientes ahorraron tiempo a medida que caían las barreras. Estamos muy lejos de la cirugía remota, pero una gran cantidad de visitas de pacientes no necesitan ser visitas en absoluto: un estudio de 40 millones de pacientesdurante el confinamiento mostró que para ciertos grupos (p. ej., personas con enfermedades crónicas) los resultados no sufrieron cuando las visitas cambiaron en línea. Y solo mejoraremos en la prestación de atención de esta manera.

La disrupción lograda por Amazon será significativa, y la avalancha de capital, nuevas empresas y marcas de consumo que lo seguirán en el espacio inspirará un cambio profundo. Mark Cuban lanzó una farmacia en enero que elimina a los intermediarios, desde la aseguradora hasta el administrador de beneficios farmacéuticos. ¿El resultado? Un suministro de 90 días de tratamiento para el reflujo ácido que costaba $160 ahora cuesta $17. Se estima que Medicare habría ahorrado $ 3.6 mil millonesen un año si hubiera comprado medicamentos genéricos a través de la farmacia de Cuban. Mientras otros depredadores del ápice buscan nuevas fuentes de crecimiento, muchos dirigirán su mirada a diferentes miembros del cadáver. Nike podría ingresar a la atención médica a través de un posicionamiento de bienestar: ortopedia, acupuntura y quiropráctica. LVMH, L'Oréal y Estée Lauder podrían construir las primeras marcas globales de cirugía plástica. El Four Seasons y Hilton podrían abrir hospitales. Lennar y Pulte podrían construir comunidades de "vida activa" que Nana dejará con los pies por delante, evitando el gasto y la tragedia de morir bajo luces brillantes rodeada de extraños.

Riesgos

La privacidad es una preocupación: su tarjeta de crédito y dirección de facturación es una cosa, su estatus de VIH es otra. Sin embargo, creo que estas preocupaciones son exageradas: la mayoría de los consumidores ( 60 % ) se sienten bien compartiendo sus datos personales de salud a través de la tecnología virtual. Además, esto es inevitable. El ochenta y cinco por ciento de los médicos cree que la interoperabilidad radical y el intercambio de datos se convertirán en una práctica estándar. Finalmente, cuando se trata de manejar sus datos personales, Amazon es la firma Big Tech más confiable . Recordatorio: Amazon no es Meta.

¿Y el Antimonopolio?

Amazon debería dividirse (obligarse a escindir AWS y/o Amazon Fulfillment) y prohibirse aprovechar sus propios productos en la plataforma. También se le debe permitir ingresar a la atención médica a través de la adquisición. La adquisición de One Medical es minúscula en comparación con el mercado de atención médica más grande: un acuerdo de $ 3.9 mil millones, mientras que la compañía de atención médica más grande de Estados Unidos, UnitedHealth, tiene una capitalización de mercado de $ 498 mil millones.

La aplicación elegante de las normas antimonopolio no debe caer en la trampa de creer que algunas personas/empresas son buenas/malas. Debe reconocer que la competencia es buena, y en cada acuerdo, el DOJ y la FTC deben concentrarse en el premio: ¿Cómo hacemos que los mercados sean más competitivos? El comercio electrónico, el marketing digital y las redes sociales están demasiado concentrados, y la FTC debería forzar una venta de activos. Al mismo tiempo, esas mismas empresas pueden fomentar la competencia que tanto se necesita en lo que se ha convertido en un mal social.

Tenemos sobrepeso, estamos deprimidos y cada vez más arruinados a manos de la atención médica de EE. UU. El tratamiento que ofrece los mejores resultados es el mismo tratamiento que ha resultado en un valor y una prosperidad masivos en la mayor parte de nuestra economía: la competencia.

Querido Amazon... tráelo.

La vida es tan rica,

PS El costo de los anuncios ha aumentado astronómicamente. Si siente que está quemando dinero, tal vez le guste nuestro nuevo taller sobre estrategia de adquisición de marketing con la ex líder de Google y Slack, Holly Chen. Enlístate ahora.

Traducido by Google Tranlate

Nuestro cerebro existe en un estado de "alucinación controlada" perpetua | MIT Technology Review en español

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 16 Sep 2021 10:33:00 +0000

Nuestro cerebro existe en un estado de "alucinación controlada" perpetua

Repasamos tres nuevos libros que detallan la extraña forma en la que nuestra mente procesa el mundo, infiriendo el exterior a partir de información ambigua. Podría decirse que todos alucinamos todo el tiempo y, cuando nuestras alucinaciones coinciden, eso es lo que consideramos como 'la realidad'

por Matthew Hutson | traducido por Ana Milutinovic
08 Septiembre, 2021

Cuando usted y yo miramos el mismo objeto, suponemos que ambos lo vemos del mismo color. Cualesquiera que sean nuestras identidades o ideologías, creemos que nuestras realidades se encuentran en el nivel más básico de la percepción. Pero en 2015, un fenómeno viral de internet, conocido como "el vestido azul y negro (o dorado y blanco)", rompió esta suposición.

El hito surgió cuando, ante una fotografía de un vestido en internet, la gente era incapaz de ponerse de acuerdo sobre su color. Algunos lo veían blanco y dorado, otros azul y negro. Durante un tiempo, era de lo único de lo que hablaba todo el mundo online.

Finalmente, los científicos de la visión descubrieron lo que pasaba. No fueron nuestras pantallas de ordenador ni nuestros ojos. Fueron los cálculos mentales que hacen los cerebros cuando observamos algo. Algunas personas dedujeron inconscientemente que el vestido estaba en luz directa y mentalmente restaron el amarillo de la imagen, por lo que vieron rayas azules y negras. Otros lo vieron como si estuviera en la sombra, donde domina la luz azulada. Sus cerebros mentalmente restaron el azul de la imagen y veían un vestido blanco y dorado.

Nuestro pensamiento no solo filtra la realidad, también la construye, infiriendo un mundo exterior a partir de información entrante ambigua. En el libro Being You, el neurocientífico de la Universidad de Sussex (Reino Unido) Anil Seth describe su explicación de cómo se relaciona el "universo interior de la experiencia subjetiva con los procesos biológicos y físicos que se desarrollan en el cerebro y en el cuerpo, y cómo se puede explicar en esos términos". Sostiene que "las experiencias de ser usted, o de ser yo, surgen de cómo el cerebro predice y controla el estado interno del cuerpo".

La predicción se ha puesto de moda en los círculos académicos en los últimos años. Seth y el filósofo Andy Clark, colega de la Universidad de Sussex, se refieren a las predicciones hechas por el cerebro como "alucinaciones controladas". La idea consiste en que el cerebro siempre está construyendo los modelos del mundo para explicar y predecir la información entrante; y actualiza estos modelos cuando la predicción y la experiencia que obtenemos de nuestras entradas sensoriales divergen.

Seth escribe: "Las sillas no son rojas, ni tampoco feas, anticuadas ni modernas… Cuando miro una silla roja, el rojo que experimento depende tanto de las características de la silla como de las de mi cerebro. Corresponde al contenido de un conjunto de predicciones perceptivas sobre las formas en las que un tipo específico de superficie refleja la luz".

Seth no está especialmente interesado en el rojo, ni siquiera en los colores en general. Más bien, su idea es que este mismo proceso se aplica a toda la percepción: "La totalidad de la experiencia perceptiva es una fantasía neuronal que permanece unida al mundo a través de una continua creación y recreación de las mejores suposiciones perceptivas, de alucinaciones controladas. Incluso se podría decir que todos estamos alucinando todo el tiempo. Cuando nuestras alucinaciones coinciden, eso es lo que llamamos realidad".

Los científicos cognitivos suelen basarse en ejemplos atípicos para comprender lo que realmente ocurre. Seth lleva al lector a través de una divertida letanía de ilusiones ópticas y demostraciones, algunas bastante familiares y otras menos. Dos cuadrados que parecen diferentes, aunque en realidad tienen el mismo tono; espirales impresas en papel parecen girar espontáneamente; una imagen oscura resulta ser una mujer besando a un caballo; una cara aparece en el lavabo del baño.

Recreando los poderes psicodélicos de la mente en silicio, un ambiente de realidad virtual impulsada por inteligencia artificial que él y sus colegas idearon, produce un conjunto de partes de animales al estilo Hunter Thompson que emergen poco a poco de otros objetos en una plaza en el campus de la Universidad de Sussex. Esta serie de ejemplos, según cuenta Seth, "descarta la intuición seductora, pero inútil de que la conciencia es una cosa: un gran misterio aterrador en busca de una gran solución aterradora". La visión de Seth puede resultar inquietante para quienes prefieren creer que las cosas son tal y como parecen ser, quien afirma: "Las experiencias de libre albedrío son percepciones. El fluir del tiempo es una percepción".

Seth se encuentra en un terreno comparativamente sólido cuando describe cómo el cerebro da forma a la experiencia, lo que los filósofos llaman los problemas "fáciles" de la conciencia. Solo son fáciles en comparación con el problema "difícil": por qué la experiencia subjetiva existe como una característica del universo. Ahí presenta el problema "real", un poco torpemente, que es "explicar, predecir y controlar las características fenomenológicas de la experiencia consciente". No está claro en qué se diferencia el problema real de los problemas fáciles, pero de alguna manera, según Seth, abordarlo nos ayudará a resolver el problema difícil. Eso sería un buen truco.

Mientras Seth relata, en su mayor parte, las experiencias de personas con cerebros típicos que luchan con estímulos atípicos, en el libro Coming to Our Senses, la profesora emérita de neurobiología de Mount Holyoke College (EE. UU.) Susan Barry, cuenta las historias de dos personas que adquirieron nuevos sentidos más tarde de lo habitual.

Liam McCoy, quien había estado casi ciego desde que era un bebé, pudo recuperar la vista casi al completo después de una serie de operaciones cuando tenía 15 años. Zohra Damji estaba profundamente sorda hasta que le colocaron un implante coclear a la inusualmente tardía edad de 12 años. Como explica Barry, el cirujano de Damji "le dijo a su tía que, si hubiera sabido la duración y el grado de sordera de Zohra, no habría realizado la operación". La descripción compasiva, matizada y observadora de Barry se refleja en su propia experiencia:

"A los cuarenta y ocho años, experimenté una mejora dramática en mi visión, un cambio que me trajo muchos momentos de alegría infantil. Con los ojos bizcos desde la infancia, yo había visto el mundo principalmente a través de un ojo. Luego, en la mitad de mi vida, aprendí a usar mis dos ojos conjuntamente a través de un programa de terapia visual. Con cada mirada, todo lo que vi adquirió un nuevo aspecto. Pude ver el volumen y la forma tridimensional del espacio vacío entre las cosas. Las ramas de los árboles se extendían hacia mí; las lámparas flotaban. Ir a la sección de productos del supermercado, con todos sus colores y formas tridimensionales, podría llevarme a una especie de éxtasis".

Barry estaba encantada por sus nuevas capacidades, que describe como "ver de una manera nueva", y se esfuerza en señalar lo diferente que es frente a "ver por primera vez". Una persona que ha crecido con la vista puede captar una escena de una sola mirada. "Pero cuando percibimos un paisaje tridimensional lleno de objetos y personas, un adulto que acaba de recuperar la vista ve una mezcolanza de líneas y manchas de colores que aparecen en un nivel plano". Como McCoy describió a Barry su experiencia de subir y bajar escaleras:

"Los escalones para subir son grandes barras alternas de luz y oscuridad y los de bajar son una serie de pequeñas líneas. Mi objetivo principal es mantener el equilibrio y dar un paso ENTRE las líneas, nunca pisar en una de ellas... Por supuesto, al bajar las escaleras pisamos entre cada línea, pero para subir saltamos cada dos barras. Mientras tanto, cuando me muevo, las escaleras se desvían y cambian".

Incluso una acera le resultaba difícil al principio. Tuvo que deducir si una línea "indicaba la unión entre dos bloques planos de acera, si era una grieta en el cemento, el contorno de un palo, una sombra proyectada por un poste vertical o la presencia de un escalón en la acera", explica Barry, y añade: "¿Debería dar un paso hacia arriba, hacia abajo o sobre la línea, o debería ignorarla por completo?" Según McCoy, la complejidad de su confusión perceptiva probablemente no se pueda explicar completamente en términos habituales para las personas videntes.

Por supuesto, lo mismo ocurre con el oído. El sonido sin procesar puede ser difícil de descifrar. Barry describe su propia capacidad para escuchar la radio mientras trabaja, distinguiendo sin ningún esfuerzo los sonidos de fondo en la habitación de sus propios sonidos de teclado mientras escribe y de la música de flauta y violín que llega por la radio. "Al igual que el reconocimiento de objetos, el reconocimiento de sonidos depende de la comunicación entre las áreas sensoriales inferiores y superiores del cerebro… Esta atención neuronal a la frecuencia ayuda con el reconocimiento de la fuente de sonido. Si se cae una cuchara en el suelo de baldosas de la cocina, sabemos de inmediato si la cuchara es de metal o de madera por las ondas sonoras de alta o baja frecuencia que produce al caerse".

La mayoría de las personas adquieren estas capacidades en la infancia. Damji no. A menudo les preguntaba a los demás qué era lo que oía, pero le resultaba más fácil aprender a distinguir los sonidos que hacía ella misma. Se sorprendió de lo ruidoso que resultaba comer patatas fritas y le dijo a Barry: "Para mí, las patatas fritas siempre habían sido algo tan delicado, por su forma tan liviana y tan frágiles que se podían romper fácilmente, y esperaba que tuvieran un sonido suave en la boca. Pero la cantidad de ruido que crean al comerlas es increíble. Muy ruidoso".

Barry cuenta que al principio Damji se asustaba al escuchar todos los sonidos, "porque no tenían sentido". Pero a medida que se iba acostumbrando a sus nuevas capacidades, descubrió que "un sonido ya no es un ruido, sino más bien una historia o un acontecimiento". El sonido de la risa le sorprendió completamente y le dijo a Barry que era su favorito. Barry escribe: "Aunque es posible que casi no seamos conscientes de los sonidos de fondo, también dependemos de ellos para nuestro bienestar emocional".

Uno de los puntos fuertes del libro está en la profundidad de su conexión tanto con McCoy como con Damji. Pasó varios años hablando con ellos y comunicándose a medida que avanzaban en sus carreras: McCoy es actualmente investigador de oftalmología de la Universidad de Washington en St. Louis (EE. UU.), y Damji es médico. A partir de los detalles de cómo aprendieron a ver y oír, Barry concluye de manera convincente: "Dado que el mundo y todo lo que hay en él cambia constantemente, es sorprendente que podamos reconocer cualquier cosa".

En el libro What Makes Us Smart, el profesor de psicología de la Universidad de Harvard (EE. UU.) Samuel Gershman sostiene que hay "dos principios fundamentales que gobiernan la organización de la inteligencia humana". El texto no es muy accesible; carece de tejido conectivo y está salpicado de ecuaciones que no se explican completamente. El profesor escribe que la inteligencia se rige por una "predisposición inductiva", lo que significa que preferimos ciertas hipótesis antes de hacer observaciones, y por una "predisposición de aproximación", que significa que tomamos atajos mentales cuando nos enfrentamos a recursos limitados. Gershman utiliza estas ideas para explicar todo, desde las ilusiones visuales hasta las teorías de conspiración y el desarrollo del lenguaje, afirmando que lo que parece tonto es a menudo "inteligente".

"El cerebro es la solución de la evolución de los problemas de datos limitados y computación limitada", escribe. Y describe la mente como un comité estridente de módulos que, de alguna manera, nos ayuda a avanzar a tientas por el día: "Nuestra mente consta de múltiples sistemas para el aprendizaje y para la toma de decisiones que solo intercambian cantidades limitadas de información entre sí". Si está en lo cierto, es imposible que comprendamos completamente lo que ocurre dentro de nuestra propia cabeza, ni siquiera el más introspectivo y perspicaz entre nosotros. Como escribió Damji en una carta a Barry:

"Cuando no tuve más remedio que aprender swahili estudiando medicina para poder hablar con los pacientes, fue cuando me di cuenta del potencial que tenemos, especialmente cuando nos empujan fuera de nuestra zona de confort. El cerebro lo aprende todo de alguna manera".

*Matthew Hutson es colaborador en 'The New Yorker' y periodista independiente de ciencia y tecnología.

La ciencia investiga cómo tener sueños lúcidos | MIT Technology Review en español

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 09 Sep 2021 10:49:00 +0000

Yoshi Sodeoka

Biotecnología

La ciencia investiga cómo tener sueños lúcidos

Desde hace décadas, diversos estudios han indagado que las personas podamos controlar estas experiencias. Es posible ejercitarse para conseguirlo: hacer registros, meditar y tener un objeto tótem son algunas de las ideas para prepararse

por Neel V. Patel | traducido por Ana Milutinovic
06 Septiembre, 2021

Cuando tenía 19 años, mucho antes de pensar en perseguir una carrera escribiendo sobre el espacio, soñé que estaba en la superficie de Marte, mirando hacia un desierto rojo salpicado de rocas, atrapado en un perpetuo crepúsculo tibio, paralizado por la desolación. Después de empaparme de sudor durante lo que parecieron horas, miré hacia arriba y vi una estación espacial colgando del cielo. Decidí volar hasta allí con una especie de botas de jet parecidas a las de Iron Man. Después me desperté.

No fue una casualidad encontrarme en Marte en mi sueño. Sabía que estaba dormido todo el tiempo. Después de practicar los llamados sueños 'lúcidos', yo elegí aparecer en Marte. Elegí disfrutar de la soledad extraterrestre; elegí ir a volar. Y como tenía sueños lúcidos casi todas las noches en aquel entonces, experimenté múltiples variaciones de este sueño, cada una más extraña y mejor que la anterior.

Los sueños lúcidos no son fáciles de describir, y la forma en la que funcionan varía de una persona a otra. Pero básicamente eso significa ser consciente del estado de sueño, lo que permite tener un papel más activo en él. Algunos de mis sueños lúcidos eran como lienzos en blanco donde imaginaba un nuevo entorno salvaje y lo inventaba mientras avanzaba el sueño. Otros me permitieron procesar situaciones estresantes como hablar en público (me volví bueno en que pareciera informal y relajado solo practicándolo en el sueño). En un sueño memorable, jugué a las cartas con mi abuela, que había muerto varios años antes. Esa experiencia me ayudó a comprender mis emociones hacia ella de una manera que nunca podría haber manejado cuando tenía 13 años.

Incluso cuando parecen completamente aleatorios, los sueños tienen poder. Además de darnos un descanso de los tediosos límites físicos y sociales del mundo real, pueden ayudarnos a procesar el dolor y hacer sentirnos más creativos. Pero, cuando tenía sueños lúcidos, un estado que consigo raras veces en estos días, descubrí que sacaba más provecho del dormir. Las personas que publican sus experiencias con los sueños lúcidos en distintos foros online a menudo escriben sobre cómo eso inspiró sus nuevas obras de música o de ficción, les ayudó a pensar en las soluciones a los problemas del mundo real o simplemente les proporcionó momentos extraños de diversión memorable.

Según el investigador de la Universidad de Wisconsin-Madison (EE. UU.) que estudia la cognición humana Benjamin Baird "se puede argumentar que el sueño REM es una especie de recurso descuidado. ¿Qué pasaría si pudiéramos usar este estado para cuando las personas realmente puedan tener control sobre sus pensamientos y acciones y decidir lo que quieren hacer? Ese estado podría usarse tal vez para el entretenimiento y la resolución creativa de problemas, y para aprender sobre cómo funciona la memoria, y todo tipo de [neurociencia] diferente".

Baird cree que una aplicación especialmente intrigante para los sueños lúcidos podría estar en el arte. Explica: "Una técnica de los artistas visuales que he conocido es que encuentran una 'galería de arte' en su sueño lúcido y miran el cuadro que cuelga en esa galería. Luego se despiertan y pintan lo que vieron. Lo mismo se puede hacer de manera análoga para escuchar partituras musicales. Es como si alguien más lo estuviera creando, pero es nuestra propia mente".

Un pequeño pero creciente número de científicos dirigidos por Baird y otros laboratorios del sueño en el mundo esperan aprender más sobre cómo funcionan los sueños lúcidos, cómo se desencadenan y si a una persona cualquiera se le puede enseñar cómo hacerlo con regularidad. Al estudiar a las personas que son capaces de recordar lo que les sucedió en sus sueños, estos investigadores pueden correlacionar los procesos cognitivos que ocurren en la mente mientras se mide y observa la actividad cerebral y fisiológica. Por ejemplo: ¿cómo percibe el cerebro algunos objetos específicos o tareas físicas que tienen lugar únicamente en la mente? ¿Cómo responde a las imágenes que realmente no existen? ¿Cómo imita partes de la conciencia sin ser plenamente consciente?

Algunos investigadores, como el neurocientífico cognitivo de la Universidad Radboud (Nimega, Países Bajos) Martin Dresler, sugieren que los sueños lúcidos incluso podrían usarse para combatir trastornos clínicos como las pesadillas recurrentes o el trastorno de estrés postraumático. Resalta: "Creo que es bastante intuitivo y plausible que si durante una pesadilla nos damos cuenta de que no es real, obviamente eso le quita mucha angustia a la pesadilla". Es posible entrenarse a sí mismo para despertarse y terminar el sueño, o superar los vívidos sentimientos de miedo y espanto diciéndose a sí mismo que es solo un sueño.

"En un sueño memorable, jugué a las cartas con mi abuela, que había muerto años antes. La experiencia me ayudó a comprender mis emociones hacia ella de una manera que nunca podría haber manejado cuando yo tenía 13 años"

¿Por qué soñamos? Los científicos todavía no lo saben realmente. Freud pensó que los sueños eran nuestro subconsciente mostrándonos nuestros deseos reprimidos. Algunos biólogos evolucionistas creen que los sueños evolucionaron para que pudiéramos representar escenarios amenazantes de la vida real y descubrir cómo reaccionar de manera apropiada. Muchos neurocientíficos que han estudiado la activación neuronal mientras dormimos creen que los sueños tienen un papel en la forma en la que codificamos y consolidamos los recuerdos. El psiquiatra de la Universidad de Harvard (EE. UU.) Allan Hobson pensaba que soñar era la forma en la que el cerebro reconciliaba las diferentes capas de conciencia que había absorbido a lo largo del día.

Pero si bien el sueño en sí mismo es un tema de gran interés entre los investigadores, el sueño lúcido ha sido históricamente relegado al margen. Su primera mención documentada en la civilización occidental podría haber sido en el siglo IV a. C., en un tratado titulado Sobre los sueños, donde Aristóteles señaló que "a menudo, cuando uno está dormido, hay algo en la conciencia que manifiesta que lo que en esos momentos se presenta no es más que un sueño".

La dispersa evidencia anecdótica de los sueños lúcidos aparece con poca frecuencia en la literatura científica durante los últimos dos milenios, pero más como una curiosidad que una investigación científica real. En 1913, el psiquiatra holandés Frederik van Eeden acuñó el término "sueño lúcido" en un artículo que describía un estado de sueño en el que uno experimenta "tener percepción". El fenómeno se verificó científicamente por primera vez a finales de la década 1970 y 1980, gracias principalmente al psicólogo de la Universidad de Stanford (EE. UU.), Stephen LaBerge. Los científicos llevaban años sabiendo que los ojos de los durmientes se movían en la misma dirección que su mirada dentro de un sueño; en un estudio de 1981, LaBerge dio a los soñadores lúcidos instrucciones específicas sobre dónde mirar durante su sueño (arriba y abajo 10 veces seguidas o de izquierda a derecha seis veces, por ejemplo) y luego observó los movimientos de sus ojos mientras dormían. Los resultados mostraron que los soñadores lúcidos no solo tenían el control de su mundo soñado, sino que podían ejecutar las decisiones que se habían tomado mientras estaban despiertos. Los movimientos oculares son actualmente la técnica estándar de oro que utilizan los investigadores para verificar objetivamente un estado de sueño lúcido en el laboratorio.

Quizás el mayor avance en los últimos años fue el estudio de febrero de 2021 que demostró que los soñadores lúcidos podían mantener una comunicación bidireccional con las personas que estaban despiertas. En un artículo publicado en Current Biology, los investigadores explicaron cómo, en cuatro laboratorios diferentes de todo el mundo, hacían preguntas a los soñadores lúcidos (como "¿cuánto es 8 menos 6?") con mensajes hablados, pitidos, luces intermitentes o estimulación táctil. Los participantes respondían con movimientos oculares específicos. Los investigadores, efectivamente, tenían una conversación con alguien que estaba dormido.

Un análisis de 34 estudios realizados durante medio siglo sugiere que alrededor del 55 % de las personas informan haber experimentado un sueño lúcido al menos una vez en su vida, y casi una cuarta parte los tiene al menos una vez al mes. Pero existe un grado muy alto de variabilidad entre estos estudios, y la gran mayoría de ellos se centra principalmente en los ciudadanos occidentales.

La dolorosa verdad es que los sueños lúcidos no se comprenden bien porque se han realizado muy pocas investigaciones, lo cual se debe en parte a que los soñadores lúcidos constantes son bastante raros y aún más difíciles de conseguir para un estudio de laboratorio. LaBerge, como el padrino del campo, precisó algunos de sus rasgos biológicos comunes: por ejemplo, que ocurren en las últimas etapas del sueño REM, cuando los movimientos oculares rápidos alcanzan su punto máximo. Las personas también experimentaron una mayor frecuencia respiratoria y cardíaca durante los sueños lúcidos que en los sueños normales, lo que sugiere que los soñadores se encontraban en un estado más activo.

Dresler, el neurocientífico holandés, encabezó en 2012 el único estudio de resonancia magnética funcional sobre los sueños lúcidos hasta la fecha, con un solo sujeto. Sobre la base de esas observaciones, cree que ese fenómeno está relacionado con una mayor activación de la corteza frontopolar, que influye en la metacognición (la conciencia de los propios procesos de pensamiento). También trabajó en una investigación en 2015 que muestra que las personas que son soñadoras lúcidas frecuentes tienen más materia gris ubicada en las cortezas polares frontales.

Del mismo modo, no existe una receta aceptada entre los científicos sobre cómo provocar un sueño lúcido, pero algunas intervenciones se han mostrado más prometedoras que otras (ver el destacado inferior). La acetilcolina es el principal neurotransmisor responsable de inducir el sueño REM, y los medicamentos que la aumentan, como la galantamina (que se usa para tratar el alzhéimer de leve a moderado), han tenido mucho éxito en ayudar a las personas a tener sueños lúcidos en estudios de laboratorio. Tres investigadores alemanes y suizos están interesados en utilizar técnicas de estimulación cerebral no invasivas para inducir sueños lúcidos, aunque, casi una década después, no han tenido mucho éxito. Un estudio informal realizado por LaBerge sugiere que tratar de cambiar los niveles de luz en un sueño (por ejemplo, encendiendo y apagando un interruptor de luz) y observar el reflejo en un espejo a veces revelan que uno está soñando, ya que en el estado de sueño estas acciones no funcionan igual que en la vida real.

Los investigadores como Baird y Dresler están limitados por el hecho de que la mayoría de las instituciones no consideran que sea una inversión que valga la pena gastar 500 dólares (420 euros) la hora en equipos de resonancia magnética funcional para ver a los soñadores lúcidos. Pero les anima el hecho de que hay un mayor interés en los estudios de los sueños en general. Eso especialmente después de que los informes de 2020 (incluido un estudio del contenido de los sueños de todo el mundo, publicado en la revista Frontiers of Psychology) sugirieran que el confinamiento por la pandemia hacía cosas extrañas en nuestros sueños. Algunas personas están experimentando un mayor deseo de encontrar un poco más de control sobre sus vidas, y eso incluye soñar. Definitivamente, yo soy uno de ellos.

Cómo soñar lúcidamente

Los científicos y aficionados han utilizado con éxito algunos de estos trucos para provocar el sueño lúcido.

1. Empiece a recordar sus sueños

Antes de lograr tener un sueño lúcido, debe ser más consciente de sus sueños en general. Haga un diario de sueños para escribir en él en cuanto se despierte. Escriba en detalle todo lo que recuerde.

2. Establezca una meta

Baird y otros sugieren que el mindfulness (una mayor conciencia del momento presente) es clave para los sueños lúcidos. Mantener su deseo de tener un sueño lúcido en su mente mientras se queda dormido puede ayudar.

3. Compruebe la realidad

La película Inception (Origen en España y El origen en Hispanoamérica) popularizó la idea de un tótem para comprobar si se está soñando. LaBerge y otros han descubierto anecdóticamente que este enfoque tiene alguna utilidad. Haga algunas verificaciones de la realidad cuando esté despierto, como ver si las luces funcionan al encenderlas o apagarlas; esto también podría convertirse en un hábito en el sueño.

4. Medite

Mi propio sueño lúcido comenzó cuando empecé a meditar durante unos minutos todos los días, cerca de mis 15 años. Varios estudios han encontrado correlaciones entre la meditación y el sueño lúcido, aunque todavía no está clara cuál podría ser esa conexión.

5. Esté abierto a experimentar

Un rasgo común entre los soñadores lúcidos es abrirse a nuevas experiencias. Eso significa que uno de los mejores cambios que puede hacer tiene poco que ver con el sueño en sí, sino con su vida diaria. Probar cosas nuevas; esforzarse por ser más curioso acerca de su entorno. Luego hay que ver si eso se puede traer a los sueños.

Neel V. Patel es periodista sobre espacio de MIT Technology Review.

¿Puede explicarse la conciencia con física cuántica? - BBC News Mundo

noreply@blogger.com (Alexis Meneses Arévalo) — Sat, 28 Aug 2021 17:08:00 +0000

¿Puede explicarse la conciencia con física cuántica? - BBC News Mundo: Cómo se establece nuestra conciencia es una de las preguntas que la ciencia aún no ha conseguido responder.

¿Puede explicarse la conciencia con física cuántica?

Cristiane de Morais Smith
The Conversation*

26 agosto 2021

FUENTE DE LA IMAGEN,GETTY IMAGES

Pie de foto,

Algunos científicos creen que la conciencia se genera por procesos cuánticos.

Una de las cuestiones abiertas más importantes de la ciencia es cómo se establece nuestra conciencia.

En la década de 1990, mucho antes de ganar el Premio Nobel de Física 2020 por su predicción de los agujeros negros, el físico Roger Penrose se asoció con el anestesista Stuart Hameroff para proponer una respuesta ambiciosa.

Ambos afirmaron que el sistema neuronal del cerebro forma una intrincada red y que la conciencia que produce debería obedecer a las reglas de la mecánica cuántica, la teoría que determina cómo se mueven partículas diminutas como los electrones.

Según estos investigadores, esto podría explicar la misteriosa complejidad de la conciencia humana.

La tesis de Penrose y Hameroff fue acogida con incredulidad.

Saltar Quizás también te interese y continuar leyendo

Quizás también te interese

Final de Quizás también te interese

Las leyes de la mecánica cuántica solo suelen aplicarse a temperaturas muy bajas. Los ordenadores cuánticos, por ejemplo, funcionan actualmente a unos -272 °C.

A temperaturas más altas, la mecánica clásica se impone.

Como nuestro cuerpo funciona a temperatura ambiente, es de esperar que se rija por las leyes clásicas de la física. Por esta razón, la teoría de la conciencia cuántica ha sido descartada de plano por muchos científicos, aunque otros son partidarios convencidos.

En lugar de entrar en este debate, decidí unir fuerzas con colegas de China, encabezados por el profesor Xian-Min Jin, de la Universidad Jiaotong de Shanghai, para poner a prueba algunos de los principios que sustentan la teoría cuántica de la conciencia.

En nuestro nuevo artículo, hemos investigado cómo podrían moverse las partículas cuánticas en una estructura compleja como el cerebro, pero en un entorno de laboratorio.

Si nuestros hallazgos pueden compararse algún día con la actividad medida en el cerebro, podríamos estar un paso más cerca de validar o descartar la controvertida teoría de Penrose y Hameroff.

FUENTE DE LA IMAGEN,GETTY IMAGES

Pie de foto,

La propuesta de Roger Penrose -que ganó el Premio Nobel de Física en 2020- y de Stuart Hameroff se llama teoría de la "conciencia cuántica".

Cerebro y fractales

Nuestros cerebros están compuestos por células llamadas neuronas, y se cree que su actividad combinada genera la conciencia.

Cada neurona contiene microtúbulos, que transportan sustancias a diferentes partes de la célula. La teoría Penrose-Hameroff de la conciencia cuántica sostiene que los microtúbulos están estructurados en un patrón fractal que permitiría que se produjeran procesos cuánticos.

Los fractales son estructuras que no son ni bidimensionales ni tridimensionales, sino que tienen algún valor fraccionario intermedio.

En matemáticas, los fractales surgen como patrones hermosos que se repiten infinitamente, generando lo que es aparentemente imposible: una estructura que tiene un área finita, pero un perímetro infinito.

Esto puede parecer imposible de visualizar, pero en realidad los fractales se dan con frecuencia en la naturaleza.

Si observamos con atención los ramilletes de una coliflor o las ramas de un helecho, veremos que ambos están formados por la misma forma básica que se repite una y otra vez, pero a escalas cada vez más pequeñas. Esa es una característica clave de los fractales.

Lo mismo ocurre si miramos dentro de nuestro propio cuerpo: la estructura de los pulmones, por ejemplo, es fractal, al igual que los vasos sanguíneos del sistema circulatorio.

Los fractales también aparecen en las encantadoras obras de arte repetitivas de MC Escher y Jackson Pollock, y se han utilizado durante décadas en la tecnología, como en el diseño de antenas.

Todos ellos son ejemplos de fractales clásicos, es decir, fractales que se rigen por las leyes de la física clásica y no de la física cuántica.

FUENTE DE LA IMAGEN,GETTY IMAGES

Pie de foto,

Los fractales también aparecen en las obras de Jackson Pollock.

Es fácil ver por qué los fractales se han utilizado para explicar la complejidad de la conciencia humana.

Dado que son infinitamente intrincados y permiten que la complejidad surja de patrones simples repetidos, podrían ser las estructuras que sustentan las misteriosas profundidades de nuestras mentes.

Pero si este es el caso, sólo podría estar ocurriendo a nivel cuántico, con diminutas partículas moviéndose en patrones fractales dentro de las neuronas del cerebro.

Por eso la propuesta de Penrose y Hameroff se llama teoría de la "conciencia cuántica".

Fractales: qué son esos patrones matemáticos infinitos a los que se les llama "la huella digital de Dios"

La conciencia cuántica

Todavía no podemos medir el comportamiento de los fractales cuánticos en el cerebro, si es que existen. Pero la tecnología avanzada nos permite medir los fractales cuánticos en el laboratorio.

En una investigación reciente en la que se utilizó un microscopio de túnel de barrido (STM), mis colegas de Utrecht y yo dispusimos cuidadosamente los electrones en un patrón fractal, creando un fractal cuántico.

Cuando medimos la función de onda de los electrones, que describe su estado cuántico, descubrimos que también vivían en la dimensión fractal dictada por el patrón físico que habíamos creado.

En este caso, el patrón que utilizamos en la escala cuántica fue el triángulo de Sierpiński, que es una forma que está entre la unidimensionalidad y la bidimensionalidad.

Este fue un hallazgo emocionante, pero las técnicas de STM no pueden sondear cómo se mueven las partículas cuánticas, lo que nos diría más sobre cómo podrían ocurrir los procesos cuánticos en el cerebro.

Así que en nuestra última investigación, mis colegas de la Universidad Jiaotong de Shanghái y yo fuimos un paso más allá.

Utilizando experimentos fotónicos de última generación, pudimos revelar el movimiento cuántico que tiene lugar dentro de los fractales con un detalle sin precedentes.

Lo conseguimos inyectando fotones (partículas de luz) en un chip artificial diseñado minuciosamente para formar un diminuto triángulo de Sierpiński. Inyectamos fotones en la punta del triángulo y observamos cómo se propagaban por su estructura fractal en un proceso denominado transporte cuántico.

A continuación, repetimos este experimento en dos estructuras fractales diferentes, ambas con forma de cuadrados en lugar de triángulos. Y en cada una de estas estructuras realizamos cientos de experimentos.

FUENTE DE LA IMAGEN,GETTY IMAGES

Pie de foto,

Se realizaron experimentos en un fractal de forma cuadrada llamado alfombra de Sierpiński.

Nuestras observaciones a partir de estos experimentos revelan que los fractales cuánticos se comportan en realidad de forma diferente a los clásicos.

En concreto, descubrimos que la propagación de la luz a través de un fractal se rige por leyes diferentes en el caso cuántico en comparación con el caso clásico.

Este nuevo conocimiento de los fractales cuánticos podría sentar las bases para que los científicos comprueben experimentalmente la teoría de la conciencia cuántica.

Si algún día se realizan mediciones cuánticas del cerebro humano, podrían compararse con nuestros resultados para decidir definitivamente si la conciencia es un fenómeno clásico o cuántico.

Nuestro trabajo también podría tener profundas implicaciones en otros campos científicos.

Al investigar el transporte cuántico en nuestras estructuras fractales diseñadas artificialmente, puede que hayamos dado los primeros pequeños pasos hacia la unificación de la física, las matemáticas y la biología, lo que podría enriquecer enormemente nuestra comprensión del mundo que nos rodea, así como del mundo que existe en nuestras cabezas.

*Cristiane de Morais Smith es profesora de física teórica de la Universidad de Utrecht, Países Bajos. Su artículo original fue publicado en The Conversation, cuya versión en inglés puedes leer aquí.

Ahora puedes recibir notificaciones de BBC Mundo. Descarga la nueva versión de nuestra app y actívalas para no perderte nuestro mejor contenido.

¿Ya conoces nuestro canal de YouTube? ¡Suscríbete!

Saltar contenido de YouTube, 1

Título del video,Advertencia: El contenido de sitios externos y terceras partes puede contener publicidad

Fin del contenido de YouTube, 1

Contenido relacionado

Fractales: qué son esos patrones matemáticos infinitos a los que se les llama "la huella digital de Dios"
1 diciembre 2019
Qué son los fractales y cómo pueden ayudarnos a entender el universo
25 febrero 2020

Principales noticias

No te lo pierdas

¿Eres un Runner? Te invitamos a que participes de esta investigación #Ru...

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 25 Jun 2020 11:07:00 +0000

noreply@blogger.com (Alexis Meneses Arévalo) — Tue, 07 Apr 2020 14:21:00 +0000

https://orcid.org/0000-0002-8660-9321

Esta IA de Facebook resuelve ecuaciones con símbolos matemáticos | MIT Technology Review en español

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 26 Dec 2019 10:03:00 +0000

Esta IA de Facebook resuelve ecuaciones con símbolos matemáticos | MIT Technology Review en español

Mars 2020

noreply@blogger.com (Alexis Meneses Arévalo) — Wed, 21 Aug 2019 15:29:00 +0000

TR10: Un electrocardiograma en la muñeca | MIT Technology Review en español

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 07 Mar 2019 09:21:00 +0000

Bruce Peterson

Móvil

TR10: Un electrocardiograma en la muñeca

Las nuevas regulaciones e innovaciones en hardware y software han dado lugar a los relojes inteligentes con ECG que tienen la misma precisión que un dispositivo médico

por Karen Hao | traducido por Ana Milutinovic
28 Febrero, 2019

¿Qué? Nuevas aprobaciones regulatorias y avances tecnológicos ayudan a las personas a controlar continuamente sus corazones con dispositivos portátiles

¿Por qué? Los ECG portátiles pueden alertar sobre problemas cardíacos potencialmente mortales, como la fibrilación arterial

¿Quién? Apple, AliveCor, Withings

¿Cuándo? Ya

Las pulseras de ejercicio no son dispositivos médicos serios. Un entrenamiento intenso o una banda suelta pueden alterar los sensores del pulso. Pero un electrocardiograma (ECG), como el que usan los médicos para diagnosticar anomalías antes de que causen un derrame cerebral o un ataque cardíaco, requiere una visita a una clínica y las personas no suelen hacerse la prueba a tiempo.

Las nuevas regulaciones e innovaciones en hardware y software han dado lugar a los relojes inteligentes con ECG. Estos aparatos ofrecen la comodidad de un dispositivo portátil con una precisión de un dispositivo médico.

La pulsera de AliveCor, compatible con Apple Watch, puede detectar la fibrilación arterial, una causa frecuente de coágulos sanguíneos y de derrame cerebral. Este aparato recibió la aprobación de la Administración de Alimentos y Medicamentos de Estados Unidos (FDA) en 2017 (ver Este aparato para monitorizar problemas cardíacos puede ser el primero en recibir la aprobación médica). El año pasado, Apple lanzó su propia función de ECG aprobada por la FDA, incorporada en el mismo reloj. La empresa de dispositivos de salud Withings también ha anunciado sus planes de crear un reloj equipado con ECG.

Los dispositivos actuales todavía emplean un único sensor, mientras que un ECG real tiene 12. Y de momento, ningún dispositivo portátil es capaz de detectar un ataque cardíaco mientras ocurre. Pero esto podría cambiar pronto. El otoño pasado, AliveCor presentó a la Asociación Americana del Corazón los resultados preliminares de una aplicación y un sistema de dos segundos que puede detectar un tipo de ataque cardíaco.

TR10: Un electrocardiograma en la muñeca

Los diez grandes desafíos globales que la tecnología ayudará a afrontar | MIT Technology Review en Español

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 07 Mar 2019 09:13:00 +0000

Los diez desafíos globales que la tecnología ayudará a afrontar

Almacenar energía de fuentes renovables, desarrollar una vacuna universal para combatir la gripe, limpiar los océanos plagados de microplásticos, predecir los terremotos… La humanidad aún tiene varios problemas de gran envergadura por resolver. ¿Podrán abordarse todos gracias a la tecnología?

por The Editors | traducido por Ana Milutinovic
04 Marzo, 2019

1. La captura de carbono

Reducir las emisiones de gases de efecto invernadero no será suficiente para prevenir los intensos aumentos de las temperaturas globales. También tendremos que eliminar grandes cantidades de dióxido de carbono de la atmósfera, algo que no solo sería increíblemente caro, sino que también nos presentará el espinoso problema de qué hacer con todo ese CO2. Un creciente número de start-ups está investigando formas de reciclar el dióxido de carbono en distintos productos, incluidos combustibles sintéticos, polímeros, fibra de carbono y hormigón. Es algo prometedor, pero lo que realmente necesitamos es una forma barata de almacenar permanentemente los miles de millones de toneladas de dióxido de carbono que probablemente tengamos que sacar de la atmósfera.

2. El almacenamiento de energía a gran escala

Las fuentes de energía renovable, como la eólica y la solar, se están abaratando y su uso se está generalizando, pero no generan electricidad si no brilla el sol o no sopla el viento. Eso limita la cantidad de energía que pueden suministrar estas fuentes y el tiempo que necesitamos para poder alejarnos de las fuentes estables como el carbón y el gas natural. El coste de construir suficientes baterías para respaldar las redes eléctricas completas los días en los que disminuya la generación renovable sería astronómico. Varios científicos y start-ups están trabajando para desarrollar formas más baratas de almacenamiento a escala de red que durarán más tiempo, incluidas las baterías de flujo o los tanques de sal fundida. De cualquier forma, necesitamos desesperadamente una forma más económica y eficiente de almacenar grandes cantidades de electricidad.

3. Hacia una vacuna universal contra la gripe

La gripe pandémica es rara pero mortal. Al menos 50 millones de personas murieron en la pandemia de gripe H1N1 de 1918. Más recientemente, aproximadamente un millón de personas murieron en las pandemias de los años 1957-1958 y 1968, mientras que alrededor de un millón de personas murieron cuando volvió la gripe porcina H1N1 en 2009. Los números recientes de muertes son menores en parte porque los virus eran cepas más leves. Puede que no seamos tan afortunados la próxima vez: una variedad especialmente potente del virus podría replicarse demasiado rápido para que una vacuna hecha a medida pueda combatirla de manera efectiva. Crear una vacuna universal contra la gripe que proteja no solo contra las variantes relativamente menos dañinas sino también contra un brote catastrófico que ocurra una vez en un siglo es un desafío crucial para la salud pública.

4. Un tratamiento para la demencia

Más de uno de cada 10 estadounidenses mayores de 65 años tiene alzhéimer; un tercio de los mayores de 85 años lo sufren. A medida que se alarga la vida de las personas, es probable que aumente el número de personas que viven con la enfermedad en EE. UU. Y en todo el mundo. El alzhéimer sigue siendo poco conocido: los diagnósticos concluyentes solo son posibles después de la muerte, e incluso entonces, los médicos debaten la distinción entre el alzhéimer y otras formas de demencia. Sin embargo, los avances en neurociencia y genética están empezando a arrojar más luz. Esa comprensión proporciona pistas sobre cómo podría ser posible reducir o incluso eliminar los efectos devastadores de la enfermedad.

5. La limpieza del océano

Miles de millones de pequeños pedazos de plástico, llamados "microplásticos", están ahora flotando en los océanos del mundo. Gran parte de estos residuos provienen de bolsas o pajitas que se han disuelto con el tiempo y está envenenando a aves, peces y humanos. Los investigadores temen que los efectos sobre la salud humana y el medio ambiente sean profundos, y la eliminación de los cientos de millones de toneladas de plástico que se han acumulado durante décadas llevará siglos. Como la contaminación es tan difusa, es difícil de limpiar y, aunque existen prototipos para abordar las enormes zonas de basura oceánicos, no hay una solución para las costas, los mares y los cursos de agua.

6. La desalinización energéticamente eficiente

En la Tierra hay aproximadamente 50 veces más agua salada que agua dulce. A medida que la población mundial crece y el cambio climático intensifica las sequías, la necesidad de agua dulce se hará más aguda. Israel ha construido las mayores instalaciones del mundo de desalinización por ósmosis inversa y ahora obtiene del mar la mayor parte del agua para sus hogares, pero ese método requiere mucha energía para que sea práctico en todo el mundo. Los nuevos tipos de membranas podrían ayudar y las técnicas electroquímicas también podrían hacer que las aguas salobres sean útiles para el riego. En lo que respecta a las tecnologías de adaptación al cambio climático, obtener agua potable del océano debería ser una prioridad.

7. Un coche autónomo totalmente seguro

Los vehículos autónomos han sido probados a lo largo de millones de kilómetros en las vías públicas. Los programas piloto de entrega y servicios de taxi están en marcha en algunos lugares como los suburbios de Phoenix (EE.UU.). Pero los coches sin conductor aún no están listos para tomar el control de las carreteras en general. Tienen problemas para manejar el tráfico caótico y muestran dificultades con algunas condiciones climáticas como la nieve y la niebla. Si se logra hacer que sean seguros con garantías, podrían reinventar por completo el transporte. Los atascos de tráfico se eliminarían y las ciudades se transformarían, ya que los aparcamientos darían paso a nuevos desarrollos. Por encima de todo, se espera que los coches autónomos, si se usan ampliamente, acaben con las 1,25 millones de muertes anuales causadas por accidentes de tráfico.

8. Una inteligencia artificial dentro de un cuerpo

El otoño pasado, un vídeo de Atlas, diseñado por Boston Dynamics, inundó internet: mostraba al robot saltando como un soldado. Esto ocurrió solo dos años después de que AlphaGo venciera al mejor jugador del Go del mundo. Atlas no sabe jugar al Go (es humanoide, pero no es inteligente), y AlphaGo no puede correr (es inteligente, a su manera, pero carece de cuerpo). Entonces, ¿qué pasa si se junta la mente de AlphaGo y el cuerpo de Atlas? Muchos investigadores creen que la verdadera inteligencia artificial general podría depender de la capacidad de relacionar los procesos computacionales internos con los objetos reales en el mundo físico, y que una IA adquiriría esa capacidad al aprender a interactuar con el mundo físico como lo hacen las personas y los animales.

Podemos predecir los huracanes con días y, a veces, con semanas de antelación, pero los terremotos aún aparecen por sorpresa. Predecirlos con seguridad podría salvar millones de vidas

9. Predicción de terremotos

Más de 100.000 personas murieron en el terremoto de Haití de 2010, y el tsunami del Océano Índico de 2004, provocado por uno de los terremotos más poderosos jamás registrados, mató a casi un cuarto de millón de personas en Indonesia, Sri Lanka, India y otros lugares. Podemos prever los huracanes con días y, a veces, con semanas de antelación, pero los terremotos aún aparecen de sorpresa. Predecir los terremotos con cierta seguridad a medio plazo permitiría a los planificadores encontrar soluciones duraderas.Una advertencia de al menos unas pocas horas permitiría a las personas evacuar las zonas inseguras y podría salvar millones de vidas.

10. La decodificación cerebral

Nuestros cerebros siguen siendo un profundo misterio para los neurocientíficos. Todo lo que pensamos y recordamos, y todos nuestros movimientos, deben estar codificados de alguna forma en los miles de millones de neuronas de nuestras cabezas. Pero, ¿cuál es ese código? Todavía hay muchas incógnitas para llegar a comprender cómo nuestros cerebros almacenan y comunican nuestros pensamientos. Descifrar ese código podría llevar a avances en la forma en que tratamos los trastornos mentales como la esquizofrenia y el autismo. Podría también permitirnos mejorar las interfaces que comunican directamente nuestros cerebros al ordenador, e incluso a otras personas. Esto sería un desarrollo que cambiaría la vida de las personas con parálisis por una lesión o una enfermedad degenerativa.

Créditos

ILUSTRACIONES DE TOMI UM

Los diez desafíos globales que la tecnología ayudará a afrontar

Correr 28-feb-2019 4:35 - Entrenamiento Maratón

noreply@blogger.com (Alexis Meneses Arévalo) — Sat, 02 Mar 2019 10:09:00 +0000

Prueba 27 de febrero - Entrenamiento Maratón

noreply@blogger.com (Alexis Meneses Arévalo) — Wed, 27 Feb 2019 13:10:00 +0000

La privación del sueño debilita el sistema inmunológico

noreply@blogger.com (Alexis Meneses Arévalo) — Mon, 25 Feb 2019 17:02:00 +0000

La privación del sueño debilita el sistema inmunológico

Descubren cómo se deterioran los linfocitos a partir de las tres horas sin dormir

El sistema inmunológico funciona gracias a un mecanismo de adhesión de los glóbulos blancos a otras células, y se deteriora cuando reducimos nuestras horas de sueño. Los científicos han descubierto además que este sistema se debilita también en personas con estrés crónico y cáncer.

Científicos de las Universidades de Tubinga y Lübeck, en Alemania, han descubierto un nuevo mecanismo mediante el cual el sueño refuerza el sistema inmunológico.

Ya se sabía que dormir lo suficiente es vital para ayudar a nuestras defensas a combatir los patógenos. Ahora, esta investigación ha desvelado cómo afecta exactamente el sueño a ciertas funciones inmunitarias.

El equipo, dirigido por los doctores Luciana Besedovsky y Stoyan Dimitrov, del Instituto de Psicología Médica y Neurobiología del Comportamiento en Tubinga; y la doctora Tanja Lange, de la Clínica de Reumatología e Inmunología Clínica en Lübeck, ha demostrado que la función de los linfocitos T, los glóbulos blancos responsables de combatir los patógenos, se deterioraron después de solo tres horas sin dormir.

Adhesión celular

Los científicos realizaron un experimento de 24 horas con voluntarios. A un grupo se le permitió dormir durante ocho horas por la noche, y el segundo grupo se mantuvo despierto durante todo el período. Durante el experimento, se extrajo sangre regularmente a los participantes.

En particular, el equipo de investigación examinó la fuerza de unión de los linfocitos T a una molécula llamada ICAM-1 (molécula de adhesión intercelular-1), que les permite unirse a otras células, en un proceso conocido como adhesión o adherencia celular.

"Las células T circulan constantemente en el torrente sanguíneo en busca de agentes patógenos. La adhesión a otras células les permite migrar a diferentes áreas del cuerpo y, por ejemplo, acoplarse a las células infectadas para luego matarlas", explica Dimitrov, primer autor del estudio, en un comunicado.

El estudio mostró que la adhesión de los linfocitos T se redujo significativamente en los sujetos privados de sueño.

Para investigar más a fondo cómo el sueño afecta la función de estos glóbulos blancos, se extrajo plasma sanguíneo de los participantes del estudio. Esta parte de la sangre, que contiene sustancias solubles como las hormonas, se aplicó a linfocitos T aislados durante unos pocos minutos. El plasma tomado de sujetos privados de sueño redujo la adhesión significativamente en comparación con el plasma de sujetos que habían dormido.

Cómo se produce el sesgo algorítmico y por qué es tan difícil detenerlo | MIT Technology Review en español

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 14 Feb 2019 13:49:00 +0000

Cómo se produce el sesgo algorítmico y por qué es tan difícil detenerlo

A medida que la inteligencia artificial penetra en la sociedad y se usa para tomar decisiones que afectan a las personas, aumenta el problema de los algoritmos sesgados. El reto es que son muy difíciles de identificar y más aún de corregir. Le explicamos por qué

por Karen Hao | traducido por Ana Milutinovic
08 Febrero, 2019

La gran mayoría de las aplicaciones de inteligencia artificial (IA) se basan en una categoría conocida como aprendizaje profundo, cuyos algoritmos están especializados en encontrar patrones en los datos. A pesar de la enorme utilidad de este enfoque en algunos de sus usos, otros pueden tener un gran impacto negativo en la vida de la gente: pueden perpetuar la injusticia en la contratación, las ventas y la seguridad, y también el sistema de justicia penal.

Pero ser conscientes de que estos sesgos existen no es suficiente. Si queremos ser capaces de corregirlos, debemos comprender cómo surgen.

Cómo se producen los sesgos algorítmicos

A menudo nos limitamos a responsabilizar a los datos de entrenamiento como únicos culpables del sesgo algorítmico. Pero la realidad tiene matices: el sesgo puede aparecer mucho antes de que los datos se recopilen y también en muchas otras etapas del proceso de aprendizaje profundo. Para analizar el fenómeno lo mejor posible, nos centraremos en tres etapas clave.

Definición del problema. Lo primero que hacen los informáticos cuando crean un modelo de aprendizaje profundo es decidir cuál es su objetivo. Una compañía de tarjetas de crédito, por ejemplo, podría querer predecir la solvencia de sus clientes, pero "solvencia" es un concepto bastante difuso. Para traducirlo en algo que se pueda calcular, la empresa debe decidir si quiere, por ejemplo, maximizar sus márgenes de beneficio o la cantidad de préstamos reembolsados. Entonces definiría la solvencia en el contexto del objetivo. El problema es que "esas decisiones se toman por diversas razones comerciales que no son ni la imparcialidad ni la discriminación", explica el profesor asistente en la Universidad de Cornell (EE. UU.) Solon Barocas, especializado en la equidad en el aprendizaje automático. Si el algoritmo descubriera que dar préstamos de alto riesgo es una forma efectiva de maximizar las ganancias, terminaría comportándose como un depredador, incluso aunque esa no fuera la intención de la compañía.

Recogida de los datos. Los datos producen sesgos principalmente por dos vías: o los datos recopilados no son representativos de la realidad o reflejan prejuicios ya existentes. El primer caso podría ocurrir, por ejemplo, si un algoritmo de aprendizaje profundo recibe más fotos de las caras de piel clara que las de piel oscura. El sistema de reconocimiento facial, como consecuencia de eso, sería inevitablemente peor en el reconocimiento de las caras de piel más oscura. El segundo caso es precisamente lo que sucedió cuando Amazon descubrió que su herramienta de reclutamiento interno estaba descartando las candidatas mujeres. Dado que el algoritmo se entrenó a partir de decisiones históricas de contratación que favorecían a los hombres sobre las mujeres, el software aprendió a hacer lo mismo.

Preparación de los datos. Finalmente, es posible introducir sesgos durante la etapa de preparación de datos a la hora de seleccionar los atributos que deseamos que el algoritmo tenga en cuenta. (No debe confundirse con la etapa de la definición del problema. Es posible usar los mismos atributos para entrenar un modelo para objetivos muy diferentes o usar atributos muy distintos para entrenar un modelo para el mismo objetivo). En el caso de modelar la solvencia crediticia, un "atributo" podría ser la edad del cliente, los ingresos o la cantidad de préstamos pagados. En el caso de la herramienta de reclutamiento de Amazon, un "atributo" podría ser el género, el nivel de educación o los años de experiencia de los candidatos. Esto es lo que la gente suele denominar como el "arte" del aprendizaje profundo: elegir qué atributos considerar o ignorar puede influir significativamente en la precisión de la predicción de un modelo. Pero, aunque resulta fácil medir su impacto en la precisión, medir sus sesgos es un proceso bastante complicado.

¿Por qué cuesta tanto corregirlos?

Visto el contexto, es fácil percibir algunos de los desafíos a la hora mitigar el sesgo algorítmico. Aquí destacamos los cuatro principales.

Desconocer lo que se desconoce. La introducción del sesgo no siempre resulta obvia durante la construcción del modelo porque es posible que uno no se dé cuenta hasta mucho más tarde de los impactos posteriores de los datos y las decisiones. Una vez introducido, es difícil identificar de forma retroactiva de dónde ha venido el sesgo y averiguar cómo deshacerse de él. En el caso de Amazon, cuando los informáticos descubrieron que su herramienta estaba descartando a las mujeres candidatas, lo reprogramaron para que ignorara las palabras con género explícito como "mujeres". Pronto descubrieron que la revisión seguía recogiendo palabras con género implícito, como verbos altamente correlacionados con hombres y no con mujeres, como "ejecutado" y "capturado", y que esos verbos todavía influían en la toma de decisiones del sistema.

Procesos mal diseñados. Primero, muchas de las prácticas comunes en el aprendizaje profundo no están diseñadas para tener en cuenta la detección de sesgos. El rendimiento de los modelos de aprendizaje profundo se prueba antes de su implementación, lo que parece una oportunidad perfecta para identificar sesgos. Pero en la práctica, las pruebas funcionan así: los informáticos dividen sus datos al azar y utilizan uno de los grupos para entrenar al algoritmo. El otro se reserva para validar su eficacia posteriormente. Eso significa que los datos de control para probar el rendimiento del modelo tienen los mismos sesgos que los datos de entrenamiento. Por lo tanto, es imposible detectar que los resultados están sesgados.

Falta de contexto social. Del mismo modo, la forma en la que se enseña a los informáticos a abordar los problemas a menudo no encaja con la mejor forma de pensar en dichos problemas. Por ejemplo, en un artículo del postdoctorado del Instituto de Investigación de Data & Society Andrew Selbst, el investigador identifica lo que ha bautizado como la "trampa de la portabilidad". En informática, diseñar un sistema que se pueda usar para diferentes tareas en distintos contextos se considera una buena práctica. Pero Selbst lamenta: "Ese enfoque ignora gran parte del contexto social. Un sistema diseñado para EE. UU. no puede aplicarse directamente a Canadá porque son comunidades distintas con diferentes versiones de la imparcialidad. Tampoco es posible tener un sistema para obtener resultados penales 'justos' y aplicarlo al empleo. La forma en la que pensamos sobre la equidad en esos contextos es totalmente diferente".

Distintas definiciones de equidad. Tampoco está claro qué aspecto debería tener la ausencia de sesgo algorítmico. Esto no ocurre solo en informática, es una cuestión que tiene una larga historia de debates en filosofía, ciencias sociales y derecho. La diferencia es que en informática el concepto de equidad debe definirse en términos matemáticos, como equilibrar las tasas de falso positivo y falso negativo en un sistema de predicción. Pero los investigadores han descubierto que hay muchas definiciones matemáticas diferentes de equidad que también se excluyen mutuamente. ¿La equidad significa, por ejemplo, que la misma proporción de individuos blancos y negros debería recibir los mismos puntos de evaluación de alto riesgo? ¿O que el mismo nivel de riesgo debería resultar en la misma puntuación independientemente de la raza? Es imposible cumplir ambas definiciones al mismo tiempo (aquí hay un análisis más detallado de por qué), por lo que en algún momento habrá que elegir una de ellas. Pero mientras que en otros campos se entiende que esta decisión es algo que puede cambiar con el tiempo, en el campo de la informática estas definiciones suelen ser fijas. "Al determinar la respuesta, la resolución del problema tiene un aspecto muy diferente al que tiene la sociedad sobre la misma cuestión", explica Selbst.

Qué podemos hacer ahora

Si esta vertiginosa explicación del enorme alcance del problema de sesgo en IA le está dando mareos, a mí también. Pero, afortunadamente, un gran grupo de investigadores de IA está trabajando arduamente para abordar este problema. Y para ello han adoptado una gran variedad de enfoques: algoritmos que ayudan a detectar y mitigar los sesgos ocultos dentro de los datos de entrenamiento o que reducen los sesgos aprendidos por el modelo independientemente de la calidad de los datos; procesos que hacen que las empresas sean responsables de contar con los resultados más justos y análisis que eliminan las diferentes definiciones de la imparcialidad.

"Corregir la discriminación en los sistemas algorítmicos no es algo que se pueda resolver fácilmente. Es un proceso continuo, al igual que la discriminación en cualquier otro aspecto de la sociedad", concluye Selbst.

¿Cómo te puede ayudar la tecnología a cambiar de empleo?

noreply@blogger.com (Alexis Meneses Arévalo) — Wed, 12 Dec 2018 13:41:00 +0000

¿Cómo te puede ayudar la tecnología a cambiar de empleo?

POSTED BY: NICOLE AMARAL CARLOS G. OSPINO 10 DICIEMBRE 2018

¿Qué sucedería si tuvieras la información que necesitas para identificar los empleos de más rápido crecimiento en tu comunidad? ¿Y si pudieras identificar a cuáles de esos trabajos calificarías con las habilidades que ya tienes? Nuevas fuentes de datos masivos del mercado laboral, como las plataformas web y redes profesionales, nos pueden ayudar a entender la transferibilidad de habilidades a través de las ocupaciones, permitiendo crear una hoja de ruta para ayudar a los trabajadores a salir de las ocupaciones en declive. Ese es precisamente el objetivo de ¿Hasta dónde pueden llevarte tus habilidades?, una publicación que trabajamos en conjunto con LinkedIn.

Nuevas fuentes de datos masivos del mercado laboral, como las plataformas web y redes profesionales, nos pueden ayudar a entender la transferibilidad de habilidades a través de las ocupaciones.

¿Cómo medimos la transferibilidad?

Hay distintas maneras de navegar el mercado laboral. Mientras que algunas personas cambian de empresa para empezar un nuevo trabajo, hay quienes se mueven a sectores económicos completamente diferentes, pero manteniendo su misma ocupación. Por otro lado, algunos trabajadores cambian de ocupación dentro de su misma empresa o sector.

Lo que conecta a todos estos movimientos son las habilidades requeridas para desempeñar una ocupación. Para medir estas habilidades compartidas, nuestra publicación utiliza datos de LinkedIn con la intención de determinar cuán importante es una habilidad para una ocupación (mientras más parecida sea la importancia de las habilidades compartidas entre dos ocupaciones, más parecidas serán estas). Además, medimos las conexiones entre ocupaciones tomando en cuenta la importancia de una misma habilidad para ambas ocupaciones sin importar su magnitud. La combinación de estas dos medidas nos permitió obtener un “puntaje de similitud”: la proporción de habilidades compartidas por dos ocupaciones.

Nuestra publicación utiliza datos de LinkedIn con la intención de determinar cuán importante es una habilidad para una ocupación.

La identificación y promoción de habilidades transferibles puede ayudar a las personas en dos maneras. Primero, nos permite optimizar el tiempo y los recursos dedicados a la “reconversión” (si sabemos qué habilidades necesitamos para cambiar de trabajo, podemos concentrarnos en adquirirlas). Y segundo, puede ayudar a construir vías de aprendizaje y trabajo más exitosas a lo largo de la vida de una persona.

De consultor en tecnología informática a desarrollador de software

Uno de los principales hallazgos de nuestro estudio es que la manera en que las ocupaciones se conectan entre sí varía de un país a otro. Así, un especialista en redes sociales en Brasil no necesariamente tiene las mismas habilidades que uno que trabaja en México. Esto tiene implicaciones importantes, pues quiere decir que las habilidades que una persona debe adquirir para cambiar de ocupación serán diferentes dependiendo de en dónde se encuentra.

Uno de los principales hallazgos de nuestro estudio es que la manera en que las ocupaciones se conectan entre sí varía de un país a otro.

Tomemos como ejemplo a los consultores en tecnología informática (TI), una ocupación que va en declive en muchos países, y los desarrolladores de software, una ocupación emergente. Para definir qué competencias son más importantes en cada país, analizamos los datos de habilidades de LinkedIn tomando en cuenta dos factores. Por un lado, identificamos cuáles son esas habilidades “únicas” que reporta tener un desarrollador, y que no necesariamente tienen la misma fuerza en lo que reportan los trabajadores de otras ocupaciones (como manejo de JavaScript u otro lenguaje de programación). Por otro, vemos cuántos desarrolladores reportan tener esa habilidad.

El siguiente gráfico identifica las habilidades más importantes en cada país para hacer la transición de consultor de TI a desarrollador de software, ordenadas por importancia. Como muestra el gráfico, el procesamiento de lenguaje natural es una habilidad clave para los desarrolladores de software en Argentina, mientras que cloud computing (computación en la nube) es la más buscada en Chile y procesamiento de lenguaje natural en México.

Próximos pasos: construyendo una herramienta de transferibilidad

Este tipo de información es valiosa para los hacedores de política pública, ya que puede ayudarles a priorizar las inversiones en educación y formación técnica y ofrecer una orientación profesional más acertada para los ciudadanos que recurren a los servicios públicos de empleo. Sin embargo, para que la sociedad pueda beneficiarse de estos hallazgos, los gobiernos y demás grupos de interés deben trabajar juntos para recolectar y procesar datos de habilidades provenientes de distintas fuentes. La buena noticia es que cada vez es más fácil y menos costoso tener acceso a estos datos y a la tecnología para procesarlos. En los próximos meses, el BID continuará trabajando con LinkedIn para evaluar la factibilidad de construir una herramienta que permita que los gobiernos, estudiantes y trabajadores tengan acceso a estos datos.

"Me horroriza la idea de que un país decida no apostar por la IA" | MIT Technology Review en español

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 06 Dec 2018 15:29:00 +0000

"Me horroriza la idea de que un país decida no apostar por la IA"

Para el director de Inteligencia Artificial de Google Cloud, Andrew Moore, esta tecnología será tan revolucionaria para la sociedad y los negocios como lo fue la electricidad, y advierte que los estudiantes que decidan no formarse en este campo perderán muchas oportunidades

por Will Knight | traducido por Ana Milutinovic
30 Noviembre, 2018

Andrew Moore es el nuevo jefe responsable de Inteligencia Artificial (IA) de Google Cloud, un departamento dedicado a lograr que las herramientas y las técnicas de aprendizaje automático resulten más accesibles y útiles a todo tipo de empresas (ver Ya no hace falta ser gigante para acceder a servicios de inteligencia artificial).

Con este objetivo, la unidad ha lanzado varias herramientas nuevas. Una de ellas es el AI Hub, una infraestructura modular que permite conectar diferentes componentes de aprendizaje automático. Otra es Kubeflow Pipelines, un programa que para los proyectos de aprendizaje automático sean más fáciles de transferir.

Es probable que estos proyectos enfocados a que la IA sea más accesible sean los que definan el impacto y la proyección de esta tecnología a nivel global. Pero también serán muy importantes para el futuro de las compañías como Google (ver IA en la nube, la próxima nueva tecnología más lucrativa de la historia). Antes de que el gigante tecnológico lanzara sus nuevas herramientas, Moore habló con el editor jefe para IA de MIT Technology Review, Will Knight.

Muchos investigadores de IA como usted están siendo absorbidos por las grandes compañías. ¿No es eso malo para la IA? (ver La humanidad está perdida si la inteligencia artificial se basa en criterios comerciales)

Que ahora mismo haya personas pensando en cómo será el futuro en los próximos 25 años y se pregunten qué pueden hacer ahora es algo bueno para el mundo.

Hay un proyecto en la Universidad Carnegie Mellon [EE. UU.] que ha diseñado un robot de más de 20 metros de altura para recoger enormes losas de hormigón y construir diques de protección frente a grandes inundaciones muy rápidamente. Para el mundo es muy importante que haya proyectos como este, pero tampoco tendría sentido que esto sea lo único en lo que se hace en inteligencia artificial.

Mientras estuve en Carnegie Mellon, mantuve muchas reuniones con directores de grandes organizaciones y compañías que me decían: "Me preocupa que mi negocio sea reemplazado completamente por una start-upde Silicon Valley [EE. UU.]. ¿Qué puedo crear para evitarlo?"

No se me ocurre nada más apasionante que estar en un lugar que no se limite a crear IA para sí mismo, sino que trabaje para que otras partes interesadas puedan aprovechar sus avances para lo que necesiten.

¿Hasta qué punto es importante esta transición tecnológica para las empresas?

Es como la electrificación. Hicieron falta entre dos o tres décadas para que la electricidad revolucionara cómo funciona el mundo. A veces me reúno con personas muy mayores con grandes responsabilidades a las que les hicieron creer que la inteligencia artificial era una especie de "polvo de hadas" que solo había que esparcir por una empresa para hacer la más inteligente. Pero lo cierto es que implementar correctamente la inteligencia artificial es algo muy complicado.

Cuando las personas vienen y dicen: "¿Cómo implemento este proyecto de inteligencia artificial?", inmediatamente comenzamos a dividir el proceso entre los distintos componentes tradicionales de la IA: percepción, toma de decisiones (que ahora mismo es crucial, ya podemos usar el aprendizaje automático para tomar decisiones de una forma mucho más efectiva) y acción. Luego mapeamos todo esto en las diferentes partes del negocio. Una de las cosas que ofrece Google Cloud son estos bloques de construcción que se pueden combinar.

Resolver problemas de inteligencia artificial requiere una gran cantidad de ingeniería, matemáticas y álgebra lineal y mucho más. No se parece nada al polvo de hadas.

¿Qué errores cometen las empresas al adoptar la IA?

Hay un par de errores que veo que se cometen una y otra vez. Cuando la gente viene y dice: "Tengo esta cantidad masiva de datos, seguro que hay algo de valor que podría sacar de ellos", nos sentamos y les doy una buena charla.

Lo que realmente deben hacer es trabajar con el problema que tienen sus clientes o sus trabajadores. Simplemente hay que escribir la solución que nos gustaría tener; luego habrá que trabajar hacia atrás y encontrar qué tipo de automatización podría llevar hacia ese objetivo; y después averiguar si existen los datos necesarios y cómo recopilarlos.

¿Cuáles son las características de un buen profesional de IA?

El problema es que se trata de un tipo de habilidad artesanal. No hay un libro de instrucciones para trabajar con inteligencia artificial. El gran paso consiste en detectar el problema y trabajar hacia atrás a partir de ahí. Es bastante divertido, porque resulta muy creativo pensar cómo se podría cambiar el negocio y entender qué piezas de tecnología son realmente viables en lugar de intentar crear un proyecto científico alucinante. Pero es complicado encontrar personas capaces de usar ambas partes del cerebro a la vez.

La IA se basa en usar matemáticas para que las máquinas puedan tomar decisiones realmente buenas. Ahora mismo la tecnología no tiene nada que ver con simular la verdadera inteligencia humana. Cuando se ha entendido esto, entonces podemos empezar a pensar en cómo aplicar un conjunto de herramientas de datos, como el aprendizaje profundo y el aprendizaje automático y, por ejemplo, la traducción de lenguaje natural, para resolver problemas. En lugar de limitarse a decir: "¿No sería bueno que el ordenador reemplazara los cerebros de todos mis empleados para que pudieran gestionar mi empresa automáticamente?"

¿Qué piensa del plan del MIT (EE.UU.) de crear una nueva universidad especializada en inteligencia artificial?

Me alegra mucho ver lo que está haciendo el MIT. En Carnegie Mellon, cuando creamos nuestra gran iniciativa de inteligencia artificial hace dos años, más del 50 % de los involucrados no habían estaban formados en informática ni computación.

La IA en sí misma es un concepto abstracto que a mí personalmente no me resulta especialmente apasionante. Es como si dijeras que quieres que la cosmología sea mucho más efectiva a través de la automatización masiva.

Lo que está haciendo el MIT es muy sensato. Opino que no habrá muchas oportunidades para los estudiantes que quieran evitar la IA.

En la Universidad Carnegie Mellon organizó una conferencia sobre inteligencia artificial con la administración de Obama. ¿Cree que el actual Gobierno de Estados Unidos debería prestar más atención a la IA?

Existen grandes sectores de los negocios [que se verán afectados], pero la IA también tendrá un gran impacto en el sector público, desde la educación hasta la gestión eficaz de la asistencia médica y la automatización para controlar incendios masivos. Me horroriza la idea de que un país decida no introducir inteligencia artificial en su sector público. Es una tecnología que nos ofrece muchísimas oportunidades para salvar vidas y mejorarlas.

Google Cloud se ha visto envuelto en una reciente polémica sobre un contrato con la Fuerza Aérea de EE. UU. ¿Van a seguir colaborando en proyectos militares?

Continuaremos nuestro trabajo con gobiernos y ejércitos en muchas áreas, como lo hemos hecho durante años. Estos incluyen ciberseguridad, entrenamiento, reclutamiento militar, atención médica para veteranos, así como labores de búsquedas y rescates. También trabajaremos para proporcionar herramientas para mejorar la eficiencia del Gobierno.

Es importante colaborar con estas áreas, y buscaremos activamente más formas de aumentar el importante trabajo de estas organizaciones. Un ejemplo reciente es nuestra asociación con la Agencia para el Control de Drogas para combatir la adicción a los opioides.

Los planes de Google en China también han sido controvertidos, y hay un laboratorio de investigación de IA de Google en Beijing (ver Google vuelve a China para salvar su futuro en inteligencia artificial). ¿Cuál es el papel de China dentro de los planes de inteligencia artificial de Google?

Cuando Google dice "Inteligencia Artificial lo primero"[en alusión al lema de Trump de 'America First'], lo dice realmente en serio, y ese es el enfoque con el que la empresa nos ha seducido a muchos de nosotros. En casi todas las oficinas de ingeniería del mundo de Google, incluidas las que hay en China, se está generando inteligencia artificial.

¿Cómo planea abordar las preocupaciones de los empleados sobre los usos que se le darán a la IA en el futuro?

Sundar [Pichai, el CEO de Google] escribió en junio un blog sobre los principios de inteligencia artificial, y también acabamos de publicar un artículo sobre cómo trabajar con personas para "crear el camino correcto para la IA". Sundar marcó esta senda porque es la más acertada, pero también creo que tiene mucho sentido comercial.

Me gustaría que las empresas elijan trabajar con Google porque estamos organizados de manera sistemática para asegurarnos de que los proyectos de IA eviten los muchos posibles errores éticos que los nuevos profesionales de IA podrían cometer [ver La falta de ética de la IA amenaza con destruir la justicia social].

Innovación para las personas con discapacidad

noreply@blogger.com (Alexis Meneses Arévalo) — Sun, 02 Dec 2018 19:27:00 +0000

Por Nadin Medellín y Andrea Proaño.

De acuerdo a la más reciente encuesta de hogares, casi 8 millones de mexicanos, equivalente a siete de cada cien, viven con discapacidad. El tipo de discapacidad que afecta a alrededor del 60% de esta población tiene que ver con limitaciones de movilidad. Las limitaciones para escuchar y para ver le siguen; el 32% de las personas con discapacidad tienen dificultad para ver, aun usando lentes, y el 16% para escuchar, a pesar de usar aparatos auditivos.

El conjunto de preguntas sobre discapacidad en esta encuesta mexicana sigue las recomendaciones del Grupo de Washingtonpara identificar a la población con discapacidad en un lugar determinado. Si bien este conjunto no abarca la situación de discapacidad en su totalidad, permite identificar a la mayoría de los casos, enfocándose no en deficiencias físicas o mentales –por ejemplo, la ausencia de alguna extremidad o padecer Alzheimer— sino en dificultades para realizar algunas actividades. Éstas incluyen, además de caminar, moverse, subir o bajar, ver (aun con lentes) y escuchar (aun con aparatos auditivos), vestirse, bañarse, comer y aprender cosas sencillas. En el caso de México, la encuesta también busca identificar si las personas tienen “limitaciones mentales”.

En América Latina y el Caribe, 21 países han implementado cuestionarios con base en la guía de preguntas del Grupo de Washington. Este es un paso importante, pues permite aprovechar la información de censos y encuestas para comprender el estado de la discapacidad en la región y forjar soluciones innovadoras, eficientes y de calidad como respuesta. Una nueva publicación del Banco Interamericano de Desarrollo, Innovaciones que no sabías que eran de América Latina y el Caribe,explora, precisamente, iniciativas así, desde prótesis 3D hasta ‘apps’ para facilitar la comunicación entre personas con discapacidad auditiva. (Descarga la publicación aquí).

Sin acceso a la salud no resolvemos nada

Con ese abordaje de la discapacidad, es claro que el acceso a aparatos y apoyos tecnológicos tiene el potencial de mejorar la calidad de vida de las personas con discapacidad, facilitando la realización de actividades básicas. Quizás sea la carencia de acceso, precisamente, uno de los factores que contribuye a que la discapacidad sea mayor entre la población con menores ingresos, que además es la que tiene acceso más limitado a servicios de salud públicos de calidad. De hecho, en México, la incidencia de la discapacidad en las personas que viven en situación de pobreza extrema es casi el doble que la de la población no pobre ni vulnerable (9% vs. 5%). Y globalmente, la discapacidad es más prevalente en los países en desarrollo.

Además de la falta de acceso a apoyos tecnológicos y atención médica capacitada, el contexto que rodea a las personas con discapacidad es importante. La definición más completa y aceptada de la discapacidad, elaborada por la Organización Mundial de la Salud, explica que la discapacidad resulta de la interacción dinámica entre deficiencias corporales y funcionales, limitaciones para realizar actividades y barreras a la participación (lee más aquí). El cuestionario corto del Grupo de Washington es congruente con la definición, pero no alcanza a explorar la participación de la población con discapacidad en las tareas principales de la vida, incluyendo educación, trabajo, vida social y cívica.

Algunas personas con discapacidad tienen destacadísimas carreras profesionales, deportivas, artísticas o políticas. El astrofísico Stephen Hawking es una de ellas. Aunque gran parte de su éxito ha dependido de su talento, no habría sido posible en absoluto sin acceso a servicios de salud de calidad y a la innovación, que produjo su tan distintivo sintetizador del habla, con el que no solo se comunica, sino que se ha vuelto parte de su identidad. Es gracias a estos componentes, así como a un equipo profesional de asistentes personales y a un sistema de adaptaciones a su vivienda y a su trabajo, que Hawking se ha convertido en leyenda viva. “Pero soy consciente de que he tenido mucha suerte”, dice él mismo en el prólogo del Informe Mundial de la Discapacidad.

¿Cómo es la vida de millones de personas con discapacidad que hoy no tienen esas oportunidades a causa de la pobreza, la inequidad, o la carencia de servicios adecuados de salud?

Para que la discapacidad no sea una limitación para el desarrollo de las capacidades ni un factor de exclusión social, es vital:

Implementar políticas públicas que acerquen los servicios básicos de salud a las personas con discapacidad
Promover contextos favorables e inclusivos

En México, los adultos jóvenes de 25 a 40 años con discapacidad acumulan menos años de educación y tienen menor participación en el trabajo que sus pares sin discapacidad, lo cual, en parte, se debe a la falta de oportunidad. En promedio, los adultos jóvenes con discapacidad tienen 7,4 años de escolaridad. En comparación, el promedio para este grupo etario es de 10,4 años. Además, mientras el 77% de los adultos jóvenes trabajan, únicamente el 70% de los adultos jóvenes con discapacidad participan en el mercado laboral mexicano, cifra que se reduce al 57% entre aquellos con discapacidad intelectual o problemas de aprendizaje.

Contar a las personas con discapacidad es apenas un primer paso para entender la compleja y diversa situación de quienes viven —o sobreviven, en el caso de los menos afortunados— con ella. A pesar de las limitaciones técnicas para estudiar a las personas con discapacidad, incluir este tipo de preguntas en encuestas de hogares permitiría analizar mejor la situación socioeconómica de las personas con discapacidad y de sus familias. Con esta valiosa información en mano, se puede responder con las políticas públicas necesarias para que las personas con discapacidad no dependan de la suerte para participar de la sociedad como todos los demás. Soluciones creativas e innovadoras para asegurar el acceso a la salud y proveer tecnologías que mejoren la vida de las personas con discapacidad, es garantizar sus derechos en plenitud y cumplir con nuestra responsabilidad de inclusión.

¿Qué soluciones innovadoras conoces que han mejorado la vida de las personas con discapacidad? ¿Cómo es el acceso a salud para esta población en tu país? Cuéntanos en la sección de comentarios o mencionando a @BIDgente en Twitter.

Nadin Medellín es Consultora en el área de protección social en la División de Protección Social y Salud del Banco Interamericano de Desarrollo.

Andrea Proaño Calderón es consultora en comunicaciones para la División de Protección Social y Salud del Banco Interamericano de Desarrollo.

¿Cómo el e-learning le está cambiando la vida a los latinoamericanos?

noreply@blogger.com (Alexis Meneses Arévalo) — Fri, 30 Nov 2018 15:54:00 +0000

Todo empezó con un post de Facebook. En realidad, empezó mucho antes, en las aulas de un colegio de Veracruz, México, donde Lorena López ya amaba los números que la llevarían a estudiar Estadística, a pesar de que en orientación vocacional se empeñaran en decirle que lo suyo era el español.

Pero gracias a ese post, Lorena llegó al curso en línea sobre análisis y visualización de datos del BID que, poco después, le cambiaría la vida. Después de haber visto cómo profesores y colegas rechazaban sus proyectos por ser demasiado ambiciosos o poco realistas, el curso vino a darle la razón, especialmente la sección que explica la plataforma Números para el Desarrollo .

“Nunca había visto algo así en mi vida, pero cuando lo vi, lo supe: esto es lo que yo llevo años imaginando, ahora sí”, dice López.

Los llamados MOOCs –cursos masivos, abiertos y gratuitos por sus siglas en inglés– se han hecho muy populares en los últimos años gracias a un planteamiento muy efectivo: acercar el conocimiento de las grandes universidades e instituciones del mundo a cualquier persona con una computadora, conexión a internet y ganas de aprender, sin importar su edad, dónde vive o cuál es su nivel educacional.

En 2014, el BID se sumó a la plataforma de MOOCs edX del MIT y la Universidad de Harvard. Desde entonces, casi un millón de estudiantes de toda Latinoamérica y el Caribe se han acercado a esta aula virtual en la que ya hay más de 90 cursos disponibles en cuatro idiomas. Estos cursos gratuitos toman como base el conocimiento acumulado por el BID a través de miles de operaciones de desarrollo implementadas a lo largo de los años, recopiladas y destiladas a través de evaluaciones de proyectos, investigaciones, publicaciones, lecciones aprendidas y estudios de casos.

Los MOOCs, y en especial los relacionados a temas sociales y económicos, ofrecen valiosas oportunidades de aprendizaje, inspiran a los estudiantes y les permiten aplicar sus conocimientos para mejorar sus vidas. Esto es aún más cierto en aquellos países donde el acceso a la educación formal es un poco más limitado y donde el uso y las habilidades en tecnología de la información y comunicación son más escasos.

Para Lorena, los MOOCs son además una forma de compatibilizar una ocupada vida laboral con el deseo de no quedarse atrás en su campo de trabajo. “El tiempo es mi mayor desafío. Pero siempre he seguido tomando cursos, y me he dado cuenta de que son pocos los investigadores que se actualizaban en la medida en que la tecnología avanzaba”, dice.

Según los datos de una encuesta realizada entre los participantes de los MOOCs del BID, los cursos tienen un gran impacto tanto entre aquellos que están preguntándose sobre su futuro académico – al 75% le ayudó a decidir qué estudiar o investigar–, como entre los que ya están en el mercado laboral. Un 93% dijo que mejoró conocimientos y habilidades necesarias en su trabajo.

En el caso de Lorena, el impacto tuvo un efecto directo en su trabajo. “Gracias al curso nace la propuesta que hice para la Oficina de Programa de Gobierno de Veracruz, la creación de la plataforma de datos Novusdata.gob.mx ”. El portal abierto, ya disponible aunque aún en desarrollo, integra la información pública de diferentes dependencias del gobierno estatal que no está disponible en otros lugares.

Lorena López: "El curso ha mejorado sustancialmente mi vida profesional"

Pero la visión de Lorena no acaba ahí. “Ahora mismo estoy en un despacho vacío, empezando un nuevo proyecto: crear una plataforma digital y abierta para el nuevo Sistema Estatal Anticorrupción de Veracruz, gracias a los conocimientos de este curso”.

Y su caso no es el único: en Venezuela, el MOOC sobre desarrollo infantil llevó a Marielsa Ortiz a diseñar y desarrollar un proyecto de investigación con las estudiantes y profesoras de educación inicial de los tres institutos universitarios de Fe y Alegría. En Perú, Leonardo Sánchez utilizó el curso en gestión de gobiernos subregionales, uno de los más populares del BID, como base para desarrollar un proyecto pedagógico para la provincia de Ocros, bajo un enfoque por resultados. Y en Honduras, a Claudia Izaguirre el curso sobre gestión de proyectos le sirvió para implementar el programa “Política municipal de emprendimiento juvenil” en el municipio de Santa Lucía.

Marielsa, Leonardo, Claudia, Lorena y miles de otros latinoamericanos se atrevieron a aprender más, mejorar sus conocimientos y aportar al desarrollo de sus países. ¿Quieres ser parte de alguno de nuestros cursos en línea? Mira nuestro catálogo y únete a la plataforma de cursos en línea más grande de América Latina y el Caribe aquí .

Crean el primer mapa de los sentimientos humanos

noreply@blogger.com (Alexis Meneses Arévalo) — Mon, 19 Nov 2018 13:01:00 +0000

Crean el primer mapa de los sentimientos humanos

Permite conocer su procedencia, su huella corporal y si podemos controlarlos

Investigadores finlandeses han creado el primer mapa de los sentimientos humanos: permite observarlos, conocer su procedencia (emocional, cognitiva, homeostática…), relacionarlos entre sí, percibir cómo los registra nuestro organismo y saber si podemos controlarlos.

La huella que los sentimientos dejan en el cuerpo. Human Emotion Systems laboratory. Click sobre la imagen para ampliar.

Una investigación desarrollada por científicos finlandeses ha desvelado cómo se organizan los sentimientos subjetivos en la conciencia humana y cartografiado lo que denominan “el espacio del sentimiento humano”. Los resultados se han publicado en PNAS.

Se trata de un espacio imaginario en el que podemos observar los sentimientos que marcan nuestra experiencia cotidiana, conocer su procedencia (emocional, cognitiva, homeostática…), relacionarlos entre sí, percibir cómo los registra nuestro organismo y asumir que podemos o no controlarlos.

La investigación muestra que todos los sentimientos humanos pueden derivarse de cinco categorías de procesos: emociones positivas, emociones negativas, operaciones cognitivas, funciones homeostáticas (vitales para el equilibrio biológico) y sensaciones de enfermedad. Según los investigadores, esta agrupación se basa en la forma en la que el cerebro analiza y combina las señales provenientes del entorno externo y del cuerpo.

Las emociones positivas se refieren por ejemplo a la felicidad o la alegría. Las emociones negativas, al miedo o la vergüenza. Las operaciones cognitivas, al escuchar o recordar. Las sensaciones homeostáticas, al hambre o la sed. Y las sensaciones de enfermedad, al toser o estornudar. Son algunos ejemplos.

Huella dactilar corporal

Asimismo, la investigación revela que todos estos sentimientos dejan una “huella dactilar” corporal: los manifestamos con intensas sensaciones en partes concretas del organismo, lo que ha permitido a estos investigadores crear sendos mapas de los sentimientos humanos.

En estos mapas, los sentimientos que se experimentan como similares entre sí están cerca unos de los otros, mientras que los que se sienten diferentes aparecen distantes. Algunos de estos sentimientos son bien conocidos: el hambre se siente en el estómago, la sed en la garganta, el razonamiento y la memoria, en la cabeza.

Sin embargo, el resultado de esta investigación no está exento de sorpresas: las emociones positivas de reconocimiento y solidaridad, así como las emociones negativas de culpabilidad y desesperación, dos emociones opuestas, se reflejan ambas principalmente en el corazón, así como en la cabeza y en el vientre.

La manía y el agotamiento, también emociones opuestas, se sienten sin embargo por todo el cuerpo, mientras que el control de uno mismo (auto-regulación) se siente en la cabeza y en las manos. Llama la atención también que el enfado y la ira se reflejen claramente en las manos, frecuentemente empleadas para expresar estas emociones negativas.

Mapa de los sentimientos humanos.Human Emotion Systems laboratory. Click sobre la imagen para ampliar.

Semana Mundial de Concienciación sobre el Uso de los Antibióticos

noreply@blogger.com (Alexis Meneses Arévalo) — Sun, 18 Nov 2018 15:02:00 +0000

Semana Mundial de Concienciación sobre el Uso de los Antibióticos

12-18 de noviembre de 2018

El cambio no puede esperar. Se nos acaba la era de los antibióticos.

Cada mes de noviembre se celebra la Semana Mundial de Concienciación sobre el Uso de los Antibióticos, que tiene como objetivo concienciar al mundo sobre el problema de la resistencia a los antibióticos y alentar prácticas óptimas entre la población, los profesionales sanitarios y los planificadores de políticas para evitar la ulterior aparición y propagación de resistencias.

Desde su descubrimiento, los antibióticos han sido la piedra angular de la medicina moderna. Sin embargo, el abuso y el uso indebido persistentes de los antibióticos en los humanos y los animales han facilitado la aparición y propagación de resistencias, con lo que los fármacos utilizados para tratar las infecciones dejan de ser eficaces.

Material de la campaña

Lema y mensajes

Testimonios de experiencia

¿Cuánto sabe sobre la resistencia a los antibióticos?

Vídeo

Síguenos en Twitter

Un avatar con los datos de nuestra vida, la fórmula para ser inmortales

noreply@blogger.com (Alexis Meneses Arévalo) — Thu, 15 Nov 2018 14:30:00 +0000

Computación

Un avatar con los datos de nuestra vida, la fórmula para ser inmortales

La plataforma Augmented Eternity pretende recoger datos de redes sociales y ‘apps’ para crear una versión virtual de nosotros mismos que interactúe con nuestros allegados después de que fallezcas. Sin embargo, replicar la complejidad humana en un avatar es uno de los retos pendientes del 'big data' de la vida eterna

por Courtney Humphries | traducido por Ana Milutinovic
09 Noviembre, 2018

El investigador de la Universidad de Ryerson en Toronto (Canadá) y profesor visitante en el MIT Media Lab (EE.UU.) Hossein Rahnama conoce al CEO de una importante compañía financiera. El CEO quiere seguir viviendodespués de su muerte y Rahnama cree que puede ayudarle a conseguirlo.

Rahnama está creando un avatar digital para este CEO y ambos esperan que sirva como un "consultor" virtual cuando el actual CEO ya no esté. Algunos futuros ejecutivos de la empresa a la hora de decidir si aceptan una oferta de compra podrían sacar su teléfono móvil, abrir una ventana de chat y plantear la pregunta al difunto CEO. El avatar digital, creado por una plataforma de inteligencia artificial que analiza los datos personales y la correspondencia, podría detectar que el CEO ha tenido una mala relación con los ejecutivos de la empresa interesada en la compra. "No me gustan los directivos de esa compañía", podría decir el avatar, y la pantalla se volvería roja para indicar su desaprobación.

¿Escalofriante? Tal vez, pero Rahnama cree que llegaremos a adoptar la vida digital del más allá. Este empresario e investigador está creando una aplicación llamada Augmented Eternity (Eternidad Aumentada), que nos permitirá crear una persona digital que puede interactuar con la gente en nuestro nombre después de nuestra muerte.

Aunque la mayoría de las personas mayores no han acumulado suficientes residuos digitales para construir una inteligencia artificial que funcione, Rahnama plantea que en las próximas décadas, a medida que continuemos creando nuestras huellas digitales, los millennials habrán generado suficientes datos para hacerlo posible. En este mismo instante, los restos digitales de los difuntos se están acumulando. Alrededor de 1,7 millones de usuarios de Facebook fallecen cada año. Algunas cuentas online de los muertos se eliminan, mientras que otras permanecen en un silencio perpetuo. "Estamos generando gigabytes de datos a diario", dice Rahnama. “Ahora tenemos una gran cantidad de datos, una gran capacidad de procesamiento, una gran capacidad de almacenamiento”. Con suficientes datos sobre cómo nos comunicamos e interactuamos con otros, los algoritmos de aprendizaje automático pueden aproximarse a nuestra personalidad única, o al menos a una parte de ella.

¿Y cómo sería “su ser” digital? Bueno, ¿cómo le gustaría que fuera? Puede ser como un chatbot basado en texto como el del CEO o una voz de audio como Siri, un vídeo editado digitalmente o un personaje animado en 3D en un entorno de realidad virtual. Es más, incluso podría estar incorporado en un robot humanoide.

¿Escalofriante? Tal vez, pero Rahnama cree que llegaremos a adoptar la vida digital del más allá

Este empresario e investigador está creando una aplicación llamada Augmented Eternity (Eternidad Aumentada), que nos permite crear una persona digital que pueda interactuar con la gente en nuestro nombredespués de nuestra muerte.

Veinte mil personalidades a la vez

Aún no estamos del todo en ese punto. Ya es suficientemente difícil crear agentes de software que puedan mantener una conversación que suene natural, así que es mucho más difícil que capturen la personalidad de una persona específica. No existe un software que pueda interactuar, comunicarse y tomar decisiones de la forma en la que lo hace usted. Rahnama dice que el avatar del CEO será una "herramienta de apoyo a la toma de decisiones", pero no será capaz de dirigir una empresa.

"Hay una cosa que le falta a la inteligencia artificial (IA) hoy en día, y es el contexto", explica. La mayoría de los chatbots simplemente ofrecen respuestas basadas en el contenido de una conversación, pero nuestra comunicación cambia dependiendo de con quién estamos hablando, dónde nos encontramos y qué hora del día es. La necesidad de incluir este tipo de contexto fue la base de la compañía de Rahnama, Flybits, por la cual fue nombrado uno de los 35 Innovadores de menos de 35 años en esta publicación en 2012. Flybits ofrece una plataforma que permite a las empresas adaptar sus comunicaciones con los clientes sobre la base de señales contextuales. Un banco, por ejemplo, puede ofrecernos diferentes mensajes a través de su aplicación móvil dependiendo de nuestro historial de compras, nuestra agenda o de si estamos caminando o cogemos el tren.

La parte contextual fue algo que Rahnama encontró útil cuando comenzó con el proyecto de Augmented Eternity. Si vamos a construir nuestro ser digital, no es suficiente saber que alguien dijo algo. Debemos conocer el contexto en el que se dijo: ¿fue en broma? ¿Por enfado? ¿Fue una reacción a una noticia? Estos mismos tipos de pistas terminan siendo cruciales en la creación de una personalidad digital, y por eso la plataforma Augmented Eternity coge datos de múltiples fuentes (Facebook, Twitter, aplicaciones de mensajería y otras) y los analiza buscando el contexto, el contenido emocional y la semántica.

Un concepto similar acaparó los titulares hace unos años, cuando la desarrolladora de software rusa Eugenia Kuyda creó un chatbot que representaba a su mejor amigo, Roman Mazurenko, que murió a finales de 2015. Kuyda desarrolló el bot al conectar los mensajes personales de Mazurenko con amigos y familiares en una red neuronal construida con el marco del aprendizaje automático de código abierto de Google, TensorFlow. El bot no era, según Kuyda, muy preciso ni pulido, pero cuando respondía a las preguntas, a menudo sonaba muy parecido a su amigo.

Kuyda dice que la principal complicación al tratar de crear versiones digitales de los muertos es que las personas son complicadas. "Somos muy diferentes cuando hablamos con distintas personas", destaca. "Somos básicamente como veinte mil personalidades a la vez". Por ejemplo, Mazurenko le había dicho cosas que podía no haber hablado con sus padres. Ella consultó a su familia y otros amigos para averiguar qué información era demasiado sensible para compartir. ¿Podría alguna empresa hacer lo mismo de manera realista?

Rahnama obviamente piensa que sí. Él dice que Augmented Eternity dará un paso hacia la adaptación de varias personalidades al crear la conversación según el contexto y al permitir que los usuarios controlen qué datos están disponibles para quién. Así que algún día su hija podría consultar con su ser digital familiar, mientras que un exalumno podría hacerle preguntas a su parte académica. Él lo ve como una forma de dejar un legado, una manera de seguir contribuyendo a la sociedad en lugar de desvanecerse en la oscuridad.

No solo para los muertos

Un avatar digital también puede ser útil incluso cuando todavía estamos vivos. La inteligencia artificial (IA) podría ayudar a transformar nuestra experiencia profesional desde un documento escrito aislado a una representación de nuestro conocimiento con el que las personas puedan interactuar. Un abogado que cobra cientos de euros por hora podría permitir que las personas consulten a un avatar digital, por un precio mucho más bajo. Los famosos, los políticos y otras personas públicas podrían subcontratar parte de su interacción pública a las versiones digitales de ellos mismos. La IA nos permitiría consultar a expertos con los que nunca podríamos encontrarnos en la vida real. La capacidad de representar y compartir experiencia, dice Rahnama, "puede contribuir en realidad a los nuevos modelos de negocios en internet". En lugar de hablar con una Siri o Alexa genérica, podríamos consultar a un eminente científico, un político o un compañero de trabajo. ¿Y por qué asistir a una reunión de negocios cuando podríamos enviar a nuestro avatar?

Otra start-up, Eternime, con sede en Mountain View, California (EE.UU.), ofrece incorporar nuestra información personal a "un avatar inteligente que se parece a nosotros" y que "vivirá para siempre y permitirá a que otras personas en el futuro tengan acceso a nuestros recuerdos". Su fundador, Marius Ursache, ha estado promoviendo la idea durante años, y más de 40.000 personas se han inscrito en la lista de espera de Eternime, pero la compañía cuenta únicamente con la autofinanciación y ha lanzado solo versiones beta limitadas. Ursache piensa que el problema es menos técnico y más sobre el comportamiento: "La gente no invierte mucho tiempo en actividades que darán resultados en décadas", explica.

Foto: Hossein Rahnama

Independientemente de su éxito como negocio, Rahnama espera que Augmented Eternity comience a crear conversación sobre la privacidad y la propiedad de los datos. "La razón por la que me gusta este proyecto de investigación es que aborda muchas cuestiones éticas importantes relacionadas con la ciencia de datos y la inteligencia artificial", destaca. "Como por ejemplo, ¿quién va a tener mi información después de mi fallecimiento?"

En un artículo publicado en Nature Human Behavior a principios de este año, los especialistas en ética Carl Öhman y Luciano Floridi del Instituto de Internet de Oxford (Reino Unido) argumentan que necesitamos un marco ético para la creciente industria de la vida digital después de la muerte. ¿Deberíamos tratar los restos digitales con el mismo código que los museos utilizan para los restos humanos? Si fuera así, eso limitaría seriamente las formas en las que las empresas podrían usar (o explotar) nuestros datos. Si los restos digitales son como "el cadáver informativo de los fallecidos", escriben ellos, "no se pueden usar únicamente como un medio para un fin, como un beneficio, sino que se considerarían una entidad con un valor inherente".

Black Mirror en la vida real

Casi todas las discusiones sobre la vida digital después de la muerte, señala Öhman, hacen referencia a un episodio de la serie británica Black Mirrorllamado Be Right Back (Vuelvo enseguida) en el que una joven viuda de luto interactúa con un avatar digital de su difunto marido. A lo largo del episodio, ella pasa de enviar algunos mensajes de texto vacilantes a un chatbot a comprar un robot realista con la apariencia de su marido.

Lo que a menudo se pasa por alto en las discusiones sobre el episodio es el papel de la compañía que creó el avatar. En la vida real, dice Öhman, deberíamos ser escépticos ante tales compañías. El poder de los muertos digitales para manipular a los vivos es enorme, ¿quién mejor para vendernos un producto que alguien que hemos amado y perdido? Por lo tanto, nuestras representaciones digitales pueden ser más comunicativas, agresivas y halagadoras que nosotros, y si eso es lo que quieren sus creadores, ¿quién los detendrá?

En el episodio de Black Mirror, el avatar obtiene periódicamente más datos del difunto marido y vende a su viuda las representaciones de él cada vez más caras, hasta que se vuelve tan real que ella no puede "matarlo". La retórica en torno al ser digital inmortal se centra en nuestro deseo de ser recordados. ¿Pero acaso la mayoría de nosotros no querría que nuestros seres queridos sean capaces de dejarnos marchar?

DALCAME

Al “santo grial” de la IA le falta eficiencia en tiempo y energía

El 'machine learning' automatizado (AutoML) promete acelerar el proceso de desarrollo de los modelos de IA y hacer que la tecnología sea más accesible

¿Qué es el autoML?

La búsqueda continúa

Ingenieros del MIT desarrollan pegatinas que pueden ver el interior del cuerpo

How to Find the Clinical AI in Your Facility and Govern It

How AI Is Different

How AI Is Not Different

iRhythm and Verily Receive FDA Clearance for Zio Watch to Detect AFib

Prime Health

Primera salud

medico no

Hora estelar

Quiero vs tengo que

Estado de la situación

Riesgos

¿Y el Antimonopolio?

Nuestro cerebro existe en un estado de "alucinación controlada" perpetua | MIT Technology Review en español

Nuestro cerebro existe en un estado de "alucinación controlada" perpetua

*Matthew Hutson es colaborador en 'The New Yorker' y periodista independiente de ciencia y tecnología.

La ciencia investiga cómo tener sueños lúcidos | MIT Technology Review en español

La ciencia investiga cómo tener sueños lúcidos

Cómo soñar lúcidamente

Neel V. Patel es periodista sobre espacio de MIT Technology Review.

¿Puede explicarse la conciencia con física cuántica? - BBC News Mundo

¿Puede explicarse la conciencia con física cuántica?

Cerebro y fractales

La conciencia cuántica

Contenido relacionado

Principales noticias

No te lo pierdas

Más leídas

¿Eres un Runner? Te invitamos a que participes de esta investigación #Ru...

Esta IA de Facebook resuelve ecuaciones con símbolos matemáticos | MIT Technology Review en español

Mars 2020

TR10: Un electrocardiograma en la muñeca | MIT Technology Review en español

Bruce Peterson

TR10: Un electrocardiograma en la muñeca

Los diez grandes desafíos globales que la tecnología ayudará a afrontar | MIT Technology Review en Español

Los diez desafíos globales que la tecnología ayudará a afrontar

1. La captura de carbono

2. El almacenamiento de energía a gran escala

3. Hacia una vacuna universal contra la gripe

4. Un tratamiento para la demencia

5. La limpieza del océano

6. La desalinización energéticamente eficiente

7. Un coche autónomo totalmente seguro

8. Una inteligencia artificial dentro de un cuerpo

9. Predicción de terremotos

10. La decodificación cerebral

Créditos

Correr 28-feb-2019 4:35 - Entrenamiento Maratón

Prueba 27 de febrero - Entrenamiento Maratón

La privación del sueño debilita el sistema inmunológico

La privación del sueño debilita el sistema inmunológico

Descubren cómo se deterioran los linfocitos a partir de las tres horas sin dormir

El sistema inmunológico funciona gracias a un mecanismo de adhesión de los glóbulos blancos a otras células, y se deteriora cuando reducimos nuestras horas de sueño. Los científicos han descubierto además que este sistema se debilita también en personas con estrés crónico y cáncer.

Cómo se produce el sesgo algorítmico y por qué es tan difícil detenerlo | MIT Technology Review en español

Cómo se produce el sesgo algorítmico y por qué es tan difícil detenerlo

Cómo se producen los sesgos algorítmicos

¿Por qué cuesta tanto corregirlos?

Qué podemos hacer ahora

¿Cómo te puede ayudar la tecnología a cambiar de empleo?

¿Cómo medimos la transferibilidad?

De consultor en tecnología informática a desarrollador de software

Próximos pasos: construyendo una herramienta de transferibilidad

"Me horroriza la idea de que un país decida no apostar por la IA" | MIT Technology Review en español

"Me horroriza la idea de que un país decida no apostar por la IA"

Innovación para las personas con discapacidad

¿Cómo el e-learning le está cambiando la vida a los latinoamericanos?

Lorena López: "El curso ha mejorado sustancialmente mi vida profesional"

Crean el primer mapa de los sentimientos humanos

Crean el primer mapa de los sentimientos humanos

Permite conocer su procedencia, su huella corporal y si podemos controlarlos

Investigadores finlandeses han creado el primer mapa de los sentimientos humanos: permite observarlos, conocer su procedencia (emocional, cognitiva, homeostática…), relacionarlos entre sí, percibir cómo los registra nuestro organismo y saber si podemos controlarlos.

Semana Mundial de Concienciación sobre el Uso de los Antibióticos

Semana Mundial de Concienciación sobre el Uso de los Antibióticos

El cambio no puede esperar. Se nos acaba la era de los antibióticos.

Un avatar con los datos de nuestra vida, la fórmula para ser inmortales