No contento con controlar casi todo lo que uno hace en Internet, ahora Facebook también quiere leer nuestra mente. El gigante de las redes sociales ha dado a conocer no hace mucho un avance en su plan para crear un dispositivo que lea las ondas cerebrales de la gente y le permita escribir con solo pensarlo. Y Elon Musk quiere ir aún más allá. Otra de las empresas del jefe de Tesla, Neuralink, está diseñando un implante cerebral para conectar la mente de la gente directamente a un ordenador.

Musk reconoce que se inspira en la ciencia ficción y que quiere asegurarse de que los humanos pueden “seguirle el ritmo” a la inteligencia artificial. Parece que se ha perdido la parte de la ciencia ficción que advierte de las repercusiones de la tecnología.

Estos sistemas para leer la mente podrían afectar nuestra privacidad, seguridad, identidad, igualdad y protección personal. ¿De verdad queremos que todo eso dependa de empresas con filosofías como la del antiguo mantra de Facebook “muévete rápido y rompe cosas”?

Aunque suenan futuristas, las tecnologías necesarias para fabricar dispositivos que lean las ondas cerebrales no son tan diferentes de las herramientas corrientes para las Imágenes por Resonancia Magnética (IRM) y la Electroencefalografía (EEG) que utiliza la neurociencia en hospitales de todo el mundo. Ya se puede adquirir un equipo para controlar un dron con la mente, así que, en cierto modo, utilizar uno para escribir palabras, no es un paso tan grande. El avance probablemente estará en el uso del aprendizaje de las máquinas para rebuscar entre enormes cantidades de datos recabados por nuestro cerebro y encontrar patrones en la actividad neuronal que unan los pensamientos con palabras específicas.

Es probable que se tarde mucho más en desarrollar un implante cerebral y es importante separar los verdaderos logros de Neuralink del bombo y la promoción en los medios. Pero Neuralink ha conseguido avances simultáneos en materiales para electrodos y en la cirugía asistida por robot necesaria para implantarlos, y ha empaquetado diligentemente la tecnología para que se pueda leer con un USB.

Puede que los planes de Facebook y Neuralink se desarrollen a partir de la práctica médica existente. Pero cuando las empresas recopilan pensamientos directamente de nuestros cerebros, los problemas éticos son muy diferentes.

Cualquier sistema que pueda recabar datos directamente de nuestros cerebros supone un claro riesgo para nuestra privacidad. La privacidad se basa en el consentimiento. Pero es muy difícil dar un consentimiento como es debido si alguien está pinchando directamente nuestros pensamientos. Las empresas de Silicon Valley (y los Gobiernos) ya reúnen subrepticiamente todos los datos que pueden sobre nosotros y los utilizan de formas que preferiríamos que no utilizasen. ¿Hasta qué punto podemos estar seguros de que nuestros pensamientos aleatorios y personales no serán captados y estudiados juntos con las instrucciones que queremos dar a la tecnología?

Discriminación y manipulación

Uno de los problemas éticos que tiene en la actualidad la recopilación de datos es la discriminación basada en atributos como el género o la raza que se pueden deducir de los datos. Crear una ventana al interior de la mente humana podría hacer más fácil determinar otros factores que podrían dar lugar a prejuicios, como la sexualidad o la ideología política, o incluso diferentes formas de pensar que podrían incluir cosas como el autismo.

Con un sistema que pincha directamente nuestro cerebro, no solo podrían robarnos nuestros pensamientos, sino que también es posible que además pudieran manipularlos. Ya se está desarrollando la estimulación cerebral para ayudar a tratar el Trastorno por Estrés Postraumático (TEPT) y reducir la violencia. Incluso hay afirmaciones sensacionalistas según las cuales se puede usar para transmitir conocimientos directamente como en la película Matrix.

Un paso previsible sería combinar las tecnologías “internas” y “externas” en una interfaz bidireccional cerebro-ordenador. Las posibilidades que tendrían los Gobiernos para volvernos más conformes, para que quienes nos contratan nos obliguen a trabajar más duro, o para que las empresas nos hagan querer más productos suyos subrayan hasta qué punto deberíamos tomarnos esta tecnología en serio.

Si los dispositivos para leer mentes se convierten en el medio habitual de interactuar con los ordenadores, podríamos acabar sin otra alternativa que utilizarlos para estar a la altura de nuestros colegas más productivos. (Imagínense a alguien que solicite un empleo ahora en una oficina y se niegue a utilizar el correo electrónico). Y si los implantes estilo Neuralink se convierten en la norma, esto también podría llevar a una mayor desigualdad determinada por el nivel del equipo que uno se podría permitir que le instalasen.

Elon Musk ha declarado que el enorme préstamo necesario para financiar la cirugía de Neuralink se vería contrarrestado por las posibles ganancias para los “mejorados”. La sola idea de que la gente se vea presionada para asumir enormes deudas con el fin de hacerse la cirugía para mantener su empleo procede directamente de una distopía de ciencia ficción.

Por si fuera poco, existe la amenaza física más directa de tener sistemas que invadan físicamente nuestro cerebro. Aunque puede que algunas personas quieran modificar su cerebro con la interfaz de un ordenador (ya hay muchos biohackers experimentales), desarrollar esto a gran escala exigiría una experimentación masiva e intensa.

Dada la reputación que tiene Silicon Valley de romper cosas (y la tendencia a hacerlo) en lugar de pararse a pensar en ellas, estos sistemas necesitarán una regulación minuciosa y una revisión ética antes de que empiecen las pruebas. De lo contrario, se arriesga a crear cobayas humanos mutilados.

Pese a todo, podría haber enormes ventajas en continuar la investigación en esta área, especialmente en el caso de quienes sufren parálisis o discapacidad sensorial. Pero Silicon Valley no debería poder dictar la manera en que se desarrollan y se utilizan estas tecnologías. Si lo hace, puede que reconfigure radicalmente la forma en que nos identificamos como humanos.

Fuente: GARFIELD BENJAMIN. (2019, 31 Agosto). Silicon Valley quiere leer tu mente, y eso debería preocuparte. Recuperado 4 septiembre, 2019, de https://computerhoy.com/reportajes/industria/qualcomm-reinventar-wifi-era-5g-483843

Ahora Google Maps te dirá el tiempo que hará en tu destino, o en cualquier zona en la que busques, y eso es una gran ventaja para ti para saber si llevar o no esa cazadora durante traicioneras fechas como septiembre.

El verano todavía no ha acabado, y durante el mes de septiembre sigue haciendo bastante buen tiempo, pero no podrías descartar que te pueda pillar alguna tormenta inesperada, al no ser que hagas uso de Google Maps.

Google Maps acaba de incorporar una interesante característica que te indicará el tiempo que hay en una zona concreta, no solo señalándote la temperatura, sino también si está soleado, nublado o lloviendo.

Lo único que debemos hacer es abrir la aplicación, mirando que tengamos la última versión, y buscar cualquier destino en la barra superior de búsqueda. En cuanto lo busquemos, nos aparecerá el pertinente mapa con la temperatura correspondiente en la esquina superior izquierda, apareciendo durante tres segundos para después desaparecer.

Así controla Google tu vida sin que te des cuenta de ello

Desde que te levantas hasta que te acuestas, probablemente no pasen 15 minutos sin que uses algún producto o servicio de Google. Aunque te cueste creerlo, Google controla tu vida.

De esta manera, si tenemos previsto salir a una zona de nuestra ciudad para quedar con nuestros amigos, o vamos a salir de viaje, siempre podremos buscar el lugar de destino antes de salir de casa, para saber qué temperatura hace por allí. Evidentemente también puedes hacer uso de cualquier aplicación de tiempo, pero con Google Maps también puedes informarte de otros aspectos relativos a tu viaje.

Cabe aclarar que esta característica está únicamente disponible en iOS para los iPhone y iPad, y no está aún visible en Android. Aún así, se espera que con una próxima actualización para Android también esté disponible en el resto de los dispositivos.

Fuente: David Hernández (2019, 4 septiembre). Google Maps ahora te dirá el tiempo que hará en tu destino. Recuperado 4 septiembre, 2019, de https://computerhoy.com/reportajes/industria/qualcomm-reinventar-wifi-era-5g-483843

Un estudio consigue importantes avances en dos tipos de problemas de aprendizaje automático a partir de datos.

La investigación llevada a cabo por el ingeniero informático Jonathan Ortigosa en el Departamento de Ciencias de la Computación e Inteligencia Artificial de la Facultad de Informática de la UPV/EHU en Donostia está basada en el Machine Learning o aprendizaje automático, una popular rama de la Inteligencia Artificial que se basa principalmente en el aprendizaje de modelos predictivos a partir de datos. “Se trata de un campo que explora la construcción de modelos que puedan aprender y hacer predicciones de los datos que se le proporcionan”, precisa el investigador. Concretamente, Ortigosa ha enfocado su trabajo en las tareas de clasificación automáticas: “En este campo se intenta usar una gran cantidad de datos para que los ordenadores sean capaces de aprender de ellos y realizar clasificaciones de forma automática, sin estar programados explícitamente para ello”, explica Ortigosa.

La investigación se ha centrado en dos situaciones problemáticas muy comunes en este campo, “que hoy en día son grandes retos en la comunidad científica, ya que aparecen constantemente en los problemas que abordan el aprendizaje automático”, apunta. Todo empezó con un trabajo relacionado con el denominado sentiment analysis. “Se trataba de un trabajo de caracterización de artículos de diversos blogs referentes a ciertos productos, para saber si los textos eran objetivos o subjetivos, si tenían valoraciones positivas o negativas, etc.”, explica. Pero los investigadores contaban con muy pocos artículos debidamente etiquetados para que el ordenador pudiera aprender modelos robustos. Por ello, “tuvimos que crear algoritmos nuevos de aprendizaje que usasen grandes cantidades de datos sin etiquetar disponibles en Internet y una pequeña proporción de etiquetados, y el resultado mejoró lo que ya existía”, añade Ortigosa.

Esto llevó a preguntarse al autor del trabajo “cuál es el mínimo número de datos etiquetados necesarios para resolver problemas parecidos al anterior”. Así, realizó un estudio teórico y matemático de este tema, y analizó “cuál sería el mejor algoritmo semisupervisado que se podría proponer para un cierto número pequeño de datos etiquetados y cuál sería su error”. Con eso, calcularon qué error sería el menor que se podría conseguir con cualquier algoritmo que se propusiese para este tipo de problema, es decir, “podemos saber si un determinado número de datos será suficiente para tener un tanto por ciento de acierto. Entonces se puede estimar la bondad de la solución propuesta”, concreta.

El otro problema que se propuso abordar es el desbalanceo de clase: “Enseñar a un ordenador es muy parecido a cómo se enseña a los niños pequeños a diferenciar perros y gatos. Pero si se les enseñan muchos perros y un solo gato, puede que no entiendan bien la diferencia o saquen conclusiones erróneas”, explica Ortigosa. Sin embargo, en el aprendizaje automático, apunta el autor, “una conclusión errónea del ordenador puede tener importantes consecuencias en una empresa”. En ese sentido, propusieron “una métrica para medir qué grado de desbalanceo, o diferencia en tipos de etiquetas, tienen los datos que se proporcionan para aprender el modelo. Ese grado está relacionado con el rendimiento de la solución que se puede proponer con esos datos, y, por tanto, es crucial medirlo”, añade.

El siguiente paso fue proponer métricas para evaluar si una solución propuesta para un problema de desbalanceo es buena o no. “Imagina que tenemos 1.000 animales, 999 perros y 1 gato. Si creamos una solución que diga que todo animal es un perro, tenemos un grado de acierto de 99,9 %. El número es muy bueno, pero la solución no lo es. Esta métrica de evaluación se llama accuracy y se usa mucho en Machine Learning”, comenta. Para penalizar estos casos de soluciones “tontas”, en esta investigación realizaron un estudio teórico “para poder realizar una serie de recomendaciones de qué métricas de evaluación son adecuadas en estos casos y así poder realizar una evaluación honrada y útil de las soluciones”.

Según indica Ortigosa, además de la investigación aplicada a cada uno de los problemas, esto es, además de buscar la resolución práctica de los problemas, ha llevado a cabo una investigación teórica: “He modelado matemáticamente ambos problemas para poder controlarlos, estudiarlos a fondo y extraer información que pueda ser usada para la propuesta de soluciones a problemas reales”, explica el investigador. “Los problemas reales son complejos, y aunque se está investigando mucho, se requiere un gran conocimiento teórico para que luego se sepa proponer soluciones mejores que las existentes”, concluye.

Información complementaria

Jonathan Ortigosa (Donostia, 1985) ha realizado su tesis doctoral (‘Theoretical and Methodological Advances in Semi-supervised Learning and the Class-Imbalance Problem’) en el Departamento de Ciencia de la Computación e Inteligencia Artificial de la Facultad de Informática de San Sebastián, bajo la dirección del catedrático en la Facultad de Informática, líder del grupo Intelligent Systems Group de la UPV/EHU y director científico del BCAM, José A. Lozano y del profesor de la Facultad de Informática Iñaki Inza. Actualmente, Ortigosa es líder del equipo de Analítica Avanzada e Inteligencia Artificial del departamento de Fabricación Avanzada y Estandarización de Gestamp.

Fuente: UPV/EHU (2019, 2 septiembre). Soluciones teóricas para dos problemas muy comunes en Inteligencia Artificial. Recuperado 4 septiembre, 2019, de https://computerhoy.com/reportajes/industria/qualcomm-reinventar-wifi-era-5g-483843