{"id":305198,"date":"2019-10-09T18:23:38","date_gmt":"2019-10-09T21:23:38","guid":{"rendered":"https:\/\/revistapesquisa.fapesp.br\/?p=305198"},"modified":"2024-06-05T16:09:53","modified_gmt":"2024-06-05T19:09:53","slug":"el-mundo-mediado-por-algoritmos","status":"publish","type":"post","link":"https:\/\/revistapesquisa.fapesp.br\/es\/el-mundo-mediado-por-algoritmos\/","title":{"rendered":"El mundo mediado por algoritmos"},"content":{"rendered":"

\"\"<\/a>Los algoritmos est\u00e1n por todas partes. Cuando la bolsa sube o baja, generalmente est\u00e1n implicados. Seg\u00fan datos dados a conocer en 2016 por el Instituto de Investigaci\u00f3n Econ\u00f3mica Aplicada (Ipea), robots inversores programados para reaccionar instant\u00e1neamente ante determinadas situaciones son responsables de m\u00e1s del 40% de las decisiones de compra y venta en el mercado de acciones de Brasil, en tanto que en Estados Unidos ese porcentaje llega al 70%. El \u00e9xito de una simple b\u00fasqueda en Google depende de una de esas recetas escritas en el lenguaje de la programaci\u00f3n computacional, que es capaz de filtrar en segundos miles de millones de p\u00e1ginas en la web: la importancia de una p\u00e1gina, definida por un algoritmo, se basa en la cantidad y en la buena procedencia de enlaces que remiten a ella. En la frontera de la investigaci\u00f3n en ingenier\u00eda automotriz, conjuntos de algoritmos utilizados por coches aut\u00f3nomos procesan informaciones captadas por c\u00e1maras y sensores, tomando instant\u00e1neamente las decisiones al volante sin intervenci\u00f3n humana.<\/p>\n

Aunque influyen incluso en las actividades cotidianas m\u00e1s prosaicas, como la b\u00fasqueda de atajos en el tr\u00e1nsito con la ayuda de aplicaciones de celulares, los algoritmos suelen ser vistos como objetos intangibles por la poblaci\u00f3n en general, que siente sus efectos, pero no conoce ni comprende su formato y su modo de acci\u00f3n. Un algoritmo no es m\u00e1s que una secuencia de etapas para resolver un problema o realizar una tarea de forma autom\u00e1tica, ya sea que tenga tan s\u00f3lo una decena de l\u00edneas de programaci\u00f3n o millones de ellas apiladas en una especie de pergamino virtual. \u201cEs el \u00e1tomo de cualquier proceso computacional\u201d, define el cient\u00edfico de la computaci\u00f3n Roberto Marcondes Cesar Junior, investigador del Instituto de Matem\u00e1tica y Estad\u00edstica de la Universidad de S\u00e3o Paulo (IME-USP).<\/p>\n

T\u00f3mese el ejemplo de la secuencia de pasos realizada por el algoritmo de Facebook. La elecci\u00f3n que aparecer\u00e1 en el feed<\/em> de noticias de un usuario depende, en primer lugar, del conjunto de publicaciones producidas o que circulan entre sus amigos. En l\u00edneas generales, el algoritmo analiza esas informaciones, descarta publicaciones denunciadas como de contenido violento o impropio, aqu\u00e9llas que parezcan spam<\/em> o las que tengan un lenguaje identificado como \u201ccaza clics\u201d, con exageraciones de marketing<\/em>. Finalmente, el algoritmo le asigna una calificaci\u00f3n a cada una de las publicaciones con base en el historial de actividad del usuario, intentando suponer cu\u00e1nto ser\u00eda susceptible a que le guste o comparta aquella informaci\u00f3n. Recientemente, el algoritmo fue modificado para reducir el alcance de publicaciones oriundas de sitios de noticias.<\/p>\n

La construcci\u00f3n de un algoritmo sigue tres etapas (vea la infograf\u00eda en la p\u00e1gina 19<\/em>). La primera consiste en identificar con precisi\u00f3n el problema que ha de resolverse, y encontrarle una soluci\u00f3n. En esa etapa, el cient\u00edfico de la computaci\u00f3n necesita la orientaci\u00f3n de profesionales que entiendan la tarea por ejecutarse. Pueden ser m\u00e9dicos, en el caso de un algoritmo que analiza estudios por im\u00e1genes; soci\u00f3logos, si el objetivo es identificar est\u00e1ndares de violencia en regiones de una ciudad; o psic\u00f3logos y dem\u00f3grafos en la construcci\u00f3n, por ejemplo, de una aplicaci\u00f3n de b\u00fasqueda de pareja. \u201cEl desaf\u00edo es mostrar que la soluci\u00f3n del problema existe desde el punto de vista pr\u00e1ctico, que no se trata de un problema de complejidad exponencial, para el cual el tiempo necesario para producir una respuesta puede crecer exponencialmente, volvi\u00e9ndolo impracticable\u201d, explica el cient\u00edfico de la computaci\u00f3n Jayme\u00a0Szwarcfiter, investigador de la Universidad Federal de R\u00edo de Janeiro (UFRJ).<\/p>\n

\"\"<\/a>La segunda etapa todav\u00eda no implica operaciones matem\u00e1ticas: consiste en describir la secuencia de pasos en el idioma corriente, para que todos puedan comprender. Por \u00faltimo, esa descripci\u00f3n es traducida a alg\u00fan lenguaje de programaci\u00f3n. Solo as\u00ed la computadora logra entender los comandos \u2013que pueden ser \u00f3rdenes sencillas, operaciones matem\u00e1ticas y hasta algoritmos dentro de algoritmos\u2013, y todo en una secuencia l\u00f3gica y precisa. En ese momento entran en acci\u00f3n los programadores, profesionales incumbidos de escribir los algoritmos o fragmentos de ellos. Seg\u00fan la complejidad de la misi\u00f3n, equipos extensos de programadores trabajan en conjunto y se distribuyen tareas.<\/p>\n

En su origen, los algoritmos son sistemas l\u00f3gicos tan antiguos como la matem\u00e1tica. \u201cLa expresi\u00f3n viene de la latinizaci\u00f3n del nombre del matem\u00e1tico y astr\u00f3nomo \u00e1rabe Mu\u1e25ammad al-Juarismi, quien en el siglo IX escribi\u00f3 trabajos de referencia sobre \u00e1lgebra\u201d, explica la cient\u00edfica de la computaci\u00f3n Cristina Gomes Fernandes, docente del IME-USP. Y asumieron nuevos prop\u00f3sitos durante la segunda mitad del siglo pasado con el desarrollo de las computadoras, por medio de ellos, fue posible crear rutinas para que las m\u00e1quinas trabajen. La combinaci\u00f3n de los factores explica por qu\u00e9 sus aplicaciones en el mundo real se vienen multiplicando y los algoritmos se han vuelto la base del desarrollo de software<\/em> complejos. El primero fue la ampliaci\u00f3n de la capacidad de procesamiento de las computadoras, que aceleraron la velocidad de la ejecuci\u00f3n de tareas complejas. El segundo fue el advenimiento de la inteligencia de datos, el abaratamiento de la recolecci\u00f3n y almacenado de cantidades gigantescas de informaci\u00f3n, que les dio a los algoritmos la posibilidad de identificar patrones imperceptibles a la mirada humana en actividades de todo tipo. La manufactura avanzada o Industria 4.0, con su promesa de ampliar la productividad de l\u00edneas de producci\u00f3n, depende de algoritmos de inteligencia artificial para monitorear plantas industriales en tiempo real y tomar decisiones sobre recomposici\u00f3n de existencias, log\u00edstica y paradas de mantenimiento.<\/p>\n

Uno de los efectos de la diseminaci\u00f3n de los algoritmos en la computaci\u00f3n fue el impulso a la inteligencia artificial, un campo de estudio creado en la d\u00e9cada de 1950 que desarrolla mecanismos capaces de simular el razonamiento humano. Con c\u00e1lculos computacionales cada vez m\u00e1s veloces y archivos de informaci\u00f3n con los cuales es posible efectuar comparaciones estad\u00edsticas, las m\u00e1quinas adquirieron la capacidad de modificar su funcionamiento a partir de experiencias acumuladas y mejorar su desempe\u00f1o, en un proceso asociativo que mimetiza el aprendizaje.<\/p>\n

La capacidad de las computadoras para vencer a los humanos en juegos de mesa muestra c\u00f3mo ese campo ha evolucionado. En 1997, la supercomputadora Deep Blue, de IBM, logr\u00f3 por primera vez vencer al entonces campe\u00f3n mundial de ajedrez, el ruso Garri Kasp\u00e1rov. Capaz de simular aproximadamente 200 millones de posiciones del ajedrez por segundo, la m\u00e1quina anteve\u00eda el comportamiento del adversario varias jugadas adelante. Pero esa estrategia no funcionaba en un juego de origen chino, el go, porque los lances posibles eran demasiado numerosos como para anticip\u00e1rselos: la lista de posibilidades es mayor que \u00a0la cantidad de \u00e1tomos en el universo. Pues bien, en marzo de 2016, la barrera del go fue vencida: el programa AlphaGo, creado por DeepMind, subsidiaria de Google, logr\u00f3 superar al campe\u00f3n mundial del juego,\u00a0el surcoreano Lee Sedol.<\/p>\n

\"\"<\/a>En lugar de considerar millones de posibilidades, el algoritmo del programa busc\u00f3 una estrategia m\u00e1s restringida. Fue abastecido con datos de partidos de go disputados entre los mejores competidores, hizo un an\u00e1lisis estad\u00edstico identificando las jugadas m\u00e1s comunes y eficientes y pas\u00f3 a trabajar con un conjunto peque\u00f1o de variables, pronto venciendo a los jugadores humanos. Pero la haza\u00f1a no se fren\u00f3 all\u00ed. El a\u00f1o pasado, DeepMind present\u00f3 un nuevo programa, el AlphaGo Zero, que super\u00f3 al AlphaGo. Y esta vez la m\u00e1quina no aprendi\u00f3 con seres humanos, sino tan s\u00f3lo con la versi\u00f3n anterior del programa.<\/p>\n

Las aplicaciones pr\u00e1cticas de este tipo de tecnolog\u00eda son cada vez m\u00e1s frecuentes. Algoritmos de inteligencia artificial desarrollados por el cient\u00edfico de la computaci\u00f3n Anderson de Rezende Rocha, docente del Instituto de Computaci\u00f3n de la Universidad de Campinas (Unicamp), han auxiliado investigaciones a cargo de la Polic\u00eda Federal de Brasil. De Rezende Rocha se especializ\u00f3 en crear herramientas de computaci\u00f3n forense e inteligencia artificial capaces de detectar sutilezas en documentos digitales muchas veces imperceptibles a simple vista. \u201cLa tecnolog\u00eda ayuda al perito, por ejemplo, a confirmar si determinada foto o video relacionados con un delito son genuinos\u201d, dice el investigador.<\/p>\n

Uno de los casos en que se est\u00e1n utilizando los algoritmos es el de la automatizaci\u00f3n de investigaciones sobre pornograf\u00eda infantil. Constantemente, los polic\u00edas incautan grandes cantidades de fotos y videos en las computadoras de sospechosos. De existir archivos con pornograf\u00eda infantil, el algoritmo ayuda a encontrarlos. \u201cExpusimos el robot a horas de videos pornogr\u00e1ficos de internet para extraer datos. Tuvimos que ense\u00f1arle qu\u00e9 es pornograf\u00eda\u201d, comenta De Rezende Rocha. Despu\u00e9s, para que pudiera distinguir la presencia de ni\u00f1os o ni\u00f1as, el algoritmo tuvo que \u201cmirar\u201d contenidos de pornograf\u00eda infantil incautados. \u201cEsa etapa estuvo a cargo estrictamente de t\u00e9cnicos de la polic\u00eda. Desde la Unicamp no tuvimos acceso a ese material\u201d, destaca. De Rezende Rocha comenta que el an\u00e1lisis de los archivos se hac\u00eda sin demasiada automatizaci\u00f3n. \u201cAl hacer ese proceso m\u00e1s eficiente, los investigadores de la Polic\u00eda Federal ganaron tiempo y capacidad para analizar mayores cantidades de datos\u201d.<\/p>\n

Muchos cient\u00edficos de la computaci\u00f3n trabajan con propiedades matem\u00e1ticas, teoremas y preguntas l\u00f3gicas relacionadas con algoritmos, independientemente de la perspectiva de aplicaciones inmediatas. En muchas situaciones que requieren algoritmos, los \u00fanicos algoritmos conocidos son muy ineficientes, pues no funcionan, en la pr\u00e1ctica, con grandes masas de datos. Algunos ejemplos de ello son la factorizaci\u00f3n de n\u00fameros enteros en primos (con gran importancia en criptograf\u00eda) y el ruteo de un robot soldador por varios puntos de soldadura. Existe una peque\u00f1a esperanza de encontrar algoritmos eficientes para resolver esos problemas. La formulaci\u00f3n precisa de esto es la pregunta acerca de \u201clas clases de complejidad P y NP\u201d, considerada, al mismo tiempo, uno de los mayores retos de la computaci\u00f3n y de la matem\u00e1tica.<\/p>\n

\"\"<\/a><\/p>\n

\"\"<\/a>
\nAunque existe m\u00e1s programaci\u00f3n que ciencia b\u00e1sica en el desarrollo de buena parte de los algoritmos utilizados en el cotidiano, avances en conocimiento de frontera son esenciales para que nuevas aplicaciones puedan se explotadas en el futuro. Marcondes Cesar, de la USP, coordina un proyecto de visi\u00f3n computacional, un tipo de inteligencia artificial que logra extraer informaci\u00f3n de im\u00e1genes simulando el funcionamiento de la visi\u00f3n humana. Esta t\u00e9cnica est\u00e1 siendo incorporada en distintos sectores, con \u00e9nfasis en la emisi\u00f3n de diagn\u00f3sticos m\u00e9dicos. \u201cLa visi\u00f3n computacional permite detectar anomal\u00edas con mayor precisi\u00f3n y evaluar sutilezas en im\u00e1genes de resonancia magn\u00e9tica, por ejemplo.\u201d<\/p>\n

Este proyecto, una alianza con la Facultad de Medicina y el Instituto de Ni\u00f1os del Hospital de Cl\u00ednicas de la USP, apunta a crear un modelo matem\u00e1tico que permita efectuar un an\u00e1lisis m\u00e1s preciso del h\u00edgado y del cerebro de reci\u00e9n nacidos. Normalmente, la interpretaci\u00f3n de im\u00e1genes generadas mediante resonancia magn\u00e9tica se basa en modelos creados en otros pa\u00edses para hombres adultos y blancos, lo que puede crear diagn\u00f3sticos imprecisos en reci\u00e9n nacidos. Pero, para que esto sea viable, es necesario resolver problemas te\u00f3ricos. \u201cTodav\u00eda no sabemos si lograremos obtener un algoritmo cuya aplicaci\u00f3n sea eficiente. Estamos a\u00fan estudiando propiedades con base en la teor\u00eda de los grafos\u201d, dice, en referencia a la rama de la matem\u00e1tica que estudia las relaciones entre objetos de un determinado conjunto, asoci\u00e1ndolos por medio de estructuras llamadas grafos.<\/p>\n

El impacto de los algoritmos es objeto de an\u00e1lisis de otros campos del conocimiento. \u201cLos algoritmos ya est\u00e1n desempe\u00f1ando un papel moderador. Google, Facebook y Amazon conquistaron un poder extraordinario sobre lo que encontramos hoy en el campo cultural\u201d, asevera Ted Striphas, docente de historia de la cultura y la tecnolog\u00eda en la Universidad de Colorado, Estados Unidos, y autor del libro Algorithmic culture<\/em> (2015), donde examina la influencia de esas herramientas. El antrop\u00f3logo estadounidense Nick Seaver, investigador de la Universidad de Tufts, en Estados Unidos, se dedica actualmente a un proyecto basado en investigaci\u00f3n etnogr\u00e1fica y entrevistas con creadores de algoritmos de recomendaci\u00f3n de temas musicales en servicios de transmisi\u00f3n en directo. Su inter\u00e9s es comprender c\u00f3mo esos sistemas se dise\u00f1an para atraer a usuarios y llamarles la atenci\u00f3n, trabajando en la interfaz de \u00e1reas como aprendizaje de m\u00e1quinas y publicidad en l\u00ednea. \u201cLos mecanismos que controlan la atenci\u00f3n y sus mediaciones t\u00e9cnicas se han convertido en objeto de gran preocupaci\u00f3n. La formaci\u00f3n de burbujas de inter\u00e9s y de opini\u00f3n, las fake news <\/em>y la distracci\u00f3n en el campo pol\u00edtico se les atribuyen a tecnolog\u00edas dise\u00f1adas para manipular la atenci\u00f3n de los usuarios\u201d, explica.<\/p>\n

Los sistemas de recomendaci\u00f3n controlados por algoritmos se han vuelto piezas claves en la industria del entretenimiento en internet. En un art\u00edculo publicado en 2015 en el peri\u00f3dico cient\u00edfico ACM Transactions on Management Information Systems<\/em>, el ingeniero electr\u00f3nico mexicano Carlos G\u00f3mez Uribe describi\u00f3 el funcionamiento de conjuntos de algoritmos desarrollados por el servicio de streaming <\/em>Netflix que elaboran rankings<\/em> personalizados de series y pel\u00edculas compatibles con el perfil de los usuarios. El desaf\u00edo es hacer que el cliente elija un programa en menos de 90 segundos; despu\u00e9s de ese tiempo la tendencia es frustrarse y perder inter\u00e9s. El \u00e9xito del ranking <\/em>valoriz\u00f3 el pase profesional de G\u00f3mez Uribe, quien en 2017 asumi\u00f3 como coordinador de algoritmos y de tecnolog\u00edas de productos de internet de Facebook.<\/p>\n

\"\"<\/a>
\nLa influencia y el poder de las grandes empresas de internet no dependen s\u00f3lo de la creatividad de sus programadores. Tienen que ver, igualmente, con el acceso a los macrodatos que acumularon y que son procesado por sus algoritmos, generando informaciones valiosas. \u201cQu\u00e9 impide que otra empresa desarrolle una aplicaci\u00f3n como la de Uber? Eso ya se ha hecho. Pero los datos de los que dispone Uber sobre el tr\u00e1nsito y el comportamiento de los usuarios acumulados a lo largo del tiempo pertenecen s\u00f3lo a la empresa y son valiosos\u201d, dice Marcondes Cesar, de la USP.<\/p>\n

El esc\u00e1ndalo que implic\u00f3 la filtraci\u00f3n de datos de usuarios de Facebook, que le hizo perder a la empresa 49 mil millones de d\u00f3lares de su valor el mes pasado, revel\u00f3 una vulnerabilidad que no se imaginaba que fuera com\u00fan: algoritmos utilizados por la empresa Cambridge Analytica lograron obtener datos del comportamiento de 50 millones de usuarios de Facebook y los utilizaron para orientar campa\u00f1as en las redes sociales por la salida del Reino Unido de la Uni\u00f3n Europea y a favor de la candidatura de Donald Trump a la presidencia de los Estados Unidos, que terminaron victoriosas. El caso de Facebook es ejemplar de los desaf\u00edos \u00e9ticos generados por la diseminaci\u00f3n del uso de algoritmos, aunque la filtraci\u00f3n y el uso indebido de los datos sean tan s\u00f3lo una parte del problema. La oferta de datos se ha vuelto tan importante en la construcci\u00f3n de algoritmos como el desaf\u00edo de programarlos. \u201cAnalizar las caracter\u00edsticas de los datos ofrecidos es fundamental a la hora de construir un algoritmo, porque descuidos en ese momento pueden provocar sesgos en los resultados\u201d, afirma Marcondes Cesar.<\/p>\n

Tambi\u00e9n es com\u00fan que, al guiarse por comportamientos humanos, los algoritmos reproduzcan prejuicios. El Cloud Natural Language API, una herramienta creada por Google que revela la estructura y el significado de textos por medio del aprendizaje de m\u00e1quinas, desarroll\u00f3 tendencias prejuiciosas. Un test realizado por el sitio web estadounidense Motherboard mostr\u00f3 que, al analizar p\u00e1rrafos de textos para determinar si presentaban sentidos \u201cpositivos\u201d o \u201cnegativos\u201d, el algoritmo clasific\u00f3 declaraciones del tipo \u201cyo soy homosexual\u201d y \u201cyo soy una mujer negra gay\u201d como negativas. \u201cLos programadores que crean algoritmos inteligentes deben estar conscientes de que su trabajo tiene implicaciones sociales y pol\u00edticas\u201d, dice Nick Seaver, de la Universidad de Tufts. Algunos carreras de grado y posgrado en ciencias de la computaci\u00f3n ya ofrecen asignaturas que abordan la \u00e9tica computacional. Es el caso de USP, en Brasil, y de la Universidad Harvard y del Instituto de Tecnolog\u00eda de Massachusetts (MIT), en Estados Unidos.<\/p>\n

Otro debate candente se relaciona con la transparencia de algoritmos avanzados. Ocurre que detalles del desarrollo de esas herramientas frecuentemente son mantenidos en secreto por sus creadores. En otros casos, la complejidad del c\u00f3digo es tan grande que un observador no logra entender c\u00f3mo produce una decisi\u00f3n y cu\u00e1les son sus implicaciones. Sistemas opacos al escrutinio externo se ganan el apodo de \u201calgoritmos caja negra\u201d. La discusi\u00f3n cobr\u00f3 impulso con la investigaci\u00f3n sobre una herramienta utilizada experimentalmente en el poder judicial estadounidense, el Compas (Correctional Offender Management Profiling for Alternative Sanctions) \u2013 su algoritmo sugiere la pena del condenado y adem\u00e1s vaticina sobre la posibilidad de reincidencia. Este estudio, realizado en 2016 por la organizaci\u00f3n ProPublica, revel\u00f3 que, al pasar por el cribo de Compas, los acusados negros tienen 77% m\u00e1s probabilidades de ser clasificados como posibles reincidentes que acusados blancos. Northpointe, la empresa privada que cre\u00f3 el algoritmo, se niega a divulgar el c\u00f3digo de Compas. \u201cAlgoritmos de dimensi\u00f3n p\u00fablica no deben crearse ni desarrollarse sin la participaci\u00f3n de los gestores y administradores p\u00fablicos, pues no son neutrales\u201d, destaca S\u00e9rgio Amadeu da Silveira, investigador del Centro de Ingenier\u00eda, Modelado y Ciencias Sociales Aplicadas de la Universidad Federal del ABC (UFABC).<\/p>\n

En 2017, Kate Crawford, l\u00edder de investigaci\u00f3n de Microsoft Research, y Meredith Whittaker, directora del Open Research, vinculado a Google, fundaron el AI Now Institute, una organizaci\u00f3n dedicada a investigar el impacto de la inteligencia artificial en la sociedad. Con sede en la Universidad de Nueva York, Estados Unidos, la instituci\u00f3n invierte en un abordaje que integra an\u00e1lisis de cient\u00edficos de la computaci\u00f3n, abogados, soci\u00f3logos y economistas. En octubre, divulg\u00f3 un informe con orientaciones sobre el uso de algoritmos de inteligencia artificial. Una de las recomendaciones apunta que \u00f3rganos p\u00fablicos responsables de sectores tales como justicia, salud, asistencia social y educaci\u00f3n eviten usar algoritmos cuyos modelos no se conozcan. El documento recomienda que los algoritmos caja negra pasen por auditor\u00edas p\u00fablicas y pruebas de validaci\u00f3n como una forma de instituir mecanismos de correcci\u00f3n cuando sea necesario.<\/p>\n

Liberar a los seres humanos de actividades repetitivas es otro presagio de los algoritmos de inteligencia artificial, y el debate sobre las implicaciones de los software<\/em> inteligentes en el mercado de trabajo cobra cuerpo. En el informe \u201cEl futuro del empleo\u201d, publicado en 2013 por los economistas Carl Frey y Michael Osborne, de la Oxford Martin School, se evalu\u00f3 que algoritmos sofisticados pueden sustituir a 140 millones de profesionales que act\u00faan en actividades intelectuales en todo el mundo. En el documento se mencionan ejemplos como la creciente automatizaci\u00f3n de las decisiones tomadas en el mercado financiero e incluso el impacto en el trabajo de los ingenieros de software<\/em>: por medio del aprendizaje de m\u00e1quinas, la programaci\u00f3n puede perfeccionarse y acelerarse con la ayuda de algoritmos. \u201cActividades intelectuales procedimentales, que implican repetici\u00f3n de est\u00e1ndares, como traducir documentos, tienen una posibilidad enorme de ser ejecutadas por algoritmos\u201d, asevera S\u00e9rgio Amadeu, de UFABC. El debate sobre los efectos colaterales de la inteligencia artificial es necesario, afirma Marcondes Cesar, de USP, pero por ahora est\u00e1 lejos de contraponerse a las notables contribuciones de los algoritmos en la soluci\u00f3n de problemas de todo tipo.<\/p>\n

Expresiones faciales<\/strong><\/p>\n

\"\"

Hoobox Robotics<\/span><\/a> Un algoritmo traduce expresiones del rostro en comandos para mover una silla de ruedas motorizadaHoobox Robotics<\/span><\/p><\/div><\/p>\n

Hoobox Robotics, una empresa fundada en 2016 por investigadores de Unicamp, desarroll\u00f3 un sistema para su instalaci\u00f3n en cualquier silla de ruedas motorizada y permite que personas tetrapl\u00e9jicas puedan controlar el veh\u00edculo utilizando solamente sus expresiones faciales. El algoritmo presente en el software<\/em>, llamado Wheelie, traduce hasta 11 expresiones faciales, como una sonrisa y una ceja levantada, en comandos para seguir adelante, retroceder y doblar a la derecha o a la izquierda. El programa est\u00e1 siendo probado en 39 pacientes en los Estados Unidos, donde la empresa mantiene una unidad de investigaci\u00f3n en el laboratorio de Johnson&Johnson, en Houston. El sistema utiliza una c\u00e1mara 3D que capta decenas de puntos en el rostro.<\/p>\n

\u201cEl usuario puede configurar un comando para cada expresi\u00f3n. Una sonrisa, por ejemplo, puede mover la silla hacia adelante, un beso, hacia atr\u00e1s\u201d, aclara el cient\u00edfico de la computaci\u00f3n Paulo Gurgel Pinheiro, director de Hoobox. Para asimilar las principales expresiones, el algoritmo de Wheelie fue abastecido con un conjunto de datos faciales de 103 conductores de cami\u00f3n. \u201cFirmamos una alianza con una compa\u00f1\u00eda de transporte para instalar c\u00e1maras en camiones y registrar las impresiones faciales de los voluntarios a lo largo de tres meses\u201d, explica Gurgel.<\/div>\n

Para identificar par\u00e1sitos<\/strong><\/p>\n

El objetivo de un proyecto ejecutado en el IME-USP en colaboraci\u00f3n con el Laboratory of Image Data Science (LIDS) de la Unicamp consiste en perfeccionar el diagn\u00f3stico de parasitosis mediante el empleo de la visi\u00f3n computacional. El cient\u00edfico de la computaci\u00f3n Marcelo Finger, del IME, est\u00e1 probando un algoritmo capaz de identificar par\u00e1sitos procesando im\u00e1genes de l\u00e1minas con heces de pacientes. \u201cYa hemos logrado identificar 15 par\u00e1sitos en humanos y algunos en animales, tales como vacas, gatos y perros\u201d, cuenta. En la actualidad, el diagn\u00f3stico se obtiene por el an\u00e1lisis de las heces en microscopio. \u201cEl profesional generalmente logra evaluar cerca de seis l\u00e1minas a la vez.<\/p>\n

La intenci\u00f3n es automatizar este proceso\u201d, afirma Finger. Parece sencillo; sin embargo, sabiendo que los algoritmos buscan identificar est\u00e1ndares, cualquier ruido pode volverse un obst\u00e1culo para los investigadores. \u201cUna cosa es que el algoritmo logre identificar al par\u00e1sito en la foto de un libro, otra es hacer lo mismo a partir de una imagen en la que el par\u00e1sito est\u00e1 rodeado de suciedad\u201d, hace la salvedad el investigador.<\/div>\n

El peso de la vaca<\/strong><\/p>\n

\"\"

Projeta Sistemas<\/span><\/a> El sistema utiliza una t\u00e9cnica de visi\u00f3n computacional para estimar el peso del ganadoProjeta Sistemas<\/span><\/p><\/div><\/p>\n

Existen algoritmos creados a medida para ayudar a los ganaderos. Projeta Sistemas, una startup <\/em>localizada en Vit\u00f3ria (en el estado de Esp\u00edrito Santo, Brasil), cre\u00f3 un sistema computacional llamado \u201cOlho do Dono\u201d [El Ojo del Due\u00f1o), que se basa en im\u00e1genes 3D para estimar el peso de un vacuno. \u201cEl proceso de pesaje de los animales es muy costoso y demorado, y comprende el desplazamiento del ganado, que puede quedar estresado e incluso perder peso\u201d, explica el cient\u00edfico de la computaci\u00f3n Pedro Henrique Coutinho, director de Projeta. El software<\/em> se desarroll\u00f3 con base en t\u00e9cnicas de visi\u00f3n computacional asociando las im\u00e1genes de las vacas tomadas por c\u00e1maras a sus respectivos pesos. Para ello fue necesario formar una base de datos robusta. \u201cAcompa\u00f1amos los pesajes de ganado en haciendas en todo Brasil. A partir del registro de miles de im\u00e1genes, pudimos desarrollar nuestro algoritmo\u201d, dice Coutinho. El software<\/em> empez\u00f3 a desarrollarse en 2015 y empezar\u00e1 a comercializ\u00e1rselo en septiembre.<\/div>\n

Animales perdidos<\/strong><\/p>\n

CrowdPet es una aplicaci\u00f3n para smartphone<\/em> que identifica animales perdidos creado por SciPet, empresa originada en la Unicamp. Por medio de un algoritmo, el sistema cruza datos referentes a fotos de animales perdidos registrados por sus due\u00f1os e im\u00e1genes de animales avistados en las calles por voluntarios. \u201cLa aplicaci\u00f3n permite establecer una correspondencia entre ambas im\u00e1genes mediante m\u00e9todos de reconocimiento visual, y efect\u00faa el rastreo por geolocalizaci\u00f3n del sitio en donde se tom\u00f3 la foto del animal perdido\u201d, dice Fabio Rog\u00e9rio Piva, cient\u00edfico de la computaci\u00f3n y director de SciPet. El Centro de Control de Zoonosis del municipio de Vinhedo, en el estado de S\u00e3o Paulo, empez\u00f3 a utilizar esta aplicaci\u00f3n el a\u00f1o pasado para registrar animales durante campa\u00f1as de bienestar animal. SciPet desarroll\u00f3 un prototipo capaz de diferenciar, con un 99% de acierto, perros y gatos de otros animales.<\/div>\n","protected":false},"excerpt":{"rendered":"Los sistemas l\u00f3gicos que dan sost\u00e9n a los programas de computaci\u00f3n tienen un impacto creciente en el cotidiano","protected":false},"author":421,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[179],"tags":[288,289,297,312,333],"coauthors":[740],"class_list":["post-305198","post","type-post","status-publish","format-standard","hentry","category-tapa","tag-computacion","tag-comunicacion","tag-ingenieria","tag-innovacion","tag-tecnologia-de-la-informacion","position_at_home-sumario"],"acf":[],"_links":{"self":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/305198","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/users\/421"}],"replies":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/comments?post=305198"}],"version-history":[{"count":7,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/305198\/revisions"}],"predecessor-version":[{"id":312668,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/305198\/revisions\/312668"}],"wp:attachment":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media?parent=305198"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/categories?post=305198"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/tags?post=305198"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/coauthors?post=305198"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}