En el marco del “Ciclo de entrevistas a Investigadores/as Directores/as de Proyectos/Laboratorios de la Facultad” hoy dialogamos con el Dr. Marcelo Errecalde, director del Proyecto de Investigación “APRENDIZAJE AUTOMÁTICO Y TOMA DE DECISIONES EN SISTEMAS INTELIGENTES PARA LA WEB” del Departamento de Informática.

Dicho proyecto investiga la integración de técnicas de aprendizaje automático y toma de decisiones para su aplicación efectiva en sistemas inteligentes para la Web. 

Teniendo en cuenta la temática del proyecto, ¿Qué nos puede comentar sobre el Machine Learning?

El aprendizaje automático (Machine Learning, en inglés) es un área de la Inteligencia Artificial (IA) que cumple un rol fundamental en la extracción de conocimiento desde grandes volúmenes de datos. La toma de decisiones por su parte, es la componente encargada de controlar las acciones de agentes autónomos como robots, bots de software, autos autónomos y sistemas recomendadores como los usados por Netflix. En ese contexto, la integración de ambas áreas de la Inteligencia Artificial abre un sinnúmero de aplicaciones de estos sistemas en problemas concretos del mundo real en las áreas de psicología, educación, seguridad, cuidado de la salud y administración de la energía, entre otras.

Estos temas están en franco auge y existen numerosos artículos científicos al respecto. Pero algo que llama mucho la atención es que el término “sistema inteligente” está cada vez más presente en nuestros objetos cotidianos o viene asociado a ciertos productos o aplicaciones que se ofrecen en el mercado, ¿Cuál es el panorama de avance de este fenómeno?, ¿La Inteligencia Artificial podrá afectar nuestra vida diaria a corto plazo?

El uso de este tipo de técnicas ya está presente en la mayoría de las aplicaciones provistas por las grandes empresas tecnológicas como Google, Facebook o Amazon y las usamos sin ser conscientes de ello tanto cuando usamos el traductor de Google, cuando Facebook reconoce nuestros rostros en una imagen o cuando Netflix nos sugiere una determinada serie o película. Las razones detrás de este auge y difusión en el uso de técnicas “inteligentes” como el aprendizaje automático, se relacionan con algunos avances obtenidos con  redes neuronales profundas, los grandes volúmenes de datos que estas empresas tienen disponibles y las enormes capacidades de cómputo que les permite entrenar esas grandes redes neuronales con estos volúmenes enormes de datos. Los modelos neuronales obtenidos en estos casos han permitido lograr importantes avances en diversas áreas y problemas para los cuales la Inteligencia Artificial no estaba dando soluciones adecuadas hasta el momento. La tendencia parece indicar que durante los próximos años se continuará con una creciente aplicación de este tipo de enfoques en gran parte de los aspectos de nuestra vida diaria. 

¿Cómo ve Ud. el impacto de la IA en el ámbito laboral y educativo de la Argentina en la próxima década?

La IA en la Argentina, al igual que en el resto del mundo, ya está teniendo actualmente un impacto significativo en diversas áreas del ámbito laboral, educativo y social con una tendencia creciente a su aplicación en las más diversas áreas. A diferencia de otras épocas, donde los avances en la investigación académica y su aplicación efectiva en problemas del mundo real insumían períodos considerables de tiempo, las investigaciones que se realizan actualmente en estos temas, se desarrollan casi en simultáneo tanto en la academia como en la industria. En nuestro país, por ejemplo, un importante número de empresas de base tecnológica ya utilizan e investigan este tipo de enfoques inteligentes no sólo para desarrollos nacionales sino también en sistemas para empresas del exterior.

¿Cúal es el desafío que debe abordar la IA para lograr su mayor alcance en los próximos años?

El desafío para los próximos años es interesante porque la mayoría no tienen que ver con aspectos técnicos de la informática, sino más bien con aspectos éticos y legales que presentan el uso de estas nuevas tecnologías. La privacidad de los datos, la potencial manipulación del comportamiento de los usuarios en las redes y los posibles sesgos discriminatorios que pueden reproducir estos sistemas en sus decisiones son temas de discusión muy actuales. A nivel técnico, si bien el aprendizaje automático ha superado al humano en áreas específicas como en el análisis de imágenes médicas o jugar juegos como el ajedrez o el Go, los enfoques de redes neuronales profundas carecen de un soporte adecuado para su interpretabilidad y la explicabilidad de sus resultados, conclusiones y decisiones. Asimismo, lograr las capacidades de sentido común, creatividad  e inteligencia artificial general (no restringido a un problema específico) propio de los seres humanos, no pareciera ser un objetivo realista alcanzable en un futuro cercano. Lograr estas capacidades requerirá con seguridad modelos mucho más avanzados que los actuales enfoques de aprendizaje profundo permitiendo integrar capacidades cognitivas y de razonamiento de más alto nivel que las que hoy se pueden aprender exclusivamente desde grandes volúmenes de datos. En ese sentido, existe bastante consenso dentro de la comunidad científica que el rol de la IA en aplicaciones críticas como el control de terapias intensivas, controladores de vuelos o autos autónomos  estará restringida durante bastante tiempo a un rol complementario y de asistencia al ser humano más que al desempeño en forma autónoma en la toma de decisiones.

En su grupo se han desarrollado algoritmos que modelan comportamientos de personas o grupos de personas, como el fenómeno de comportamiento de personas en las redes sociales. En este sentido, desde la disciplina informática, ¿Cómo se abordan estos desafíos que interceptan indudablemente otras disciplinas como la de psicología, comportamiento humano?

Nuestros sistemas aprenden a modelar estos comportamientos directamente desde los datos disponibles obtenidos de personas que pertenecen a distintos grupos de riesgos tales como personas con depresión, tendencias suicidas, y conductas de juego patológico. Es muy interesante observar cómo estos sistemas permiten identificar patrones y detectar con una alta precisión a los usuarios con estas patologías, sin tener conocimientos previos en el área clínica y sólo a partir de los datos que estos usuarios publican en sus redes. De hecho, la mayoría de los patrones identificados en el uso del lenguaje, hábitos de usos de las redes sociales y patrones de interacción con sus redes de contacto, suelen corresponderse con los reportados por la literatura clínica especializada en estas patologías. Esto no significa que los sistemas que desarrollamos tengan como propósito reemplazar el diagnóstico de un profesional de la salud mental. Por el contrario, creo que pueden jugar un rol complementario y de asistencia a este profesional brindándole modelos y patrones que sólo podrían ser obtenidos en base al procesamiento masivo de datos que una computadora puede lograr.

Las puertas que abre este trabajo interdisciplinario son incontables y, si bien en nuestro proyecto participan psicólogos que nos ayudan a interpretar los modelos aprendidos, esto recién es el comienzo y se necesitan grupos con investigadores de las distintas disciplinas que brinden una mirada más completa e integradora que la que nosotros podemos tener actualmente desde el punto de vista computacional. En este sentido, un paso importante que hemos realizado es la creación de un instituto de investigación (ICOPS) que precisamente integra investigaciones computacionales, cognitivas, psicológicas y sociales que creemos será un ámbito muy adecuado para el desarrollo de este tipo de análisis integrado de los problemas.

¿Nos puede comentar sobre los equipos que desde la UNSL participan en los juegos y competencias internacionales?

Los integrantes de nuestro proyecto han participado desde hace más de 10 años en distintas competencias internacionales dedicadas a tratar de encontrar soluciones a distintos problemas científicos de interés para la comunidad científica internacional. En nuestra primera participación en la tarea de detección de pedófilos en la red, tuvimos un desempeño apenas aceptable, pero nos sirvió de experiencia para saber el funcionamiento de este tipo de competencias y establecer contactos con grupos de investigación de otros países dedicados al tema. Luego participamos en la detección de fallas en Wikipedia, donde colaboraron con nosotros investigadores de España y México. En este caso, se obtuvo el mejor desempeño en esta tarea, superando a investigadores de Alemania que trabajaban en el tema desde hacía muchos años. A partir del año 2017, participamos sólo con investigadores de nuestro proyecto de investigación en la detección anticipada de riesgos en la Web tales como depresión, anorexia y juego patológico. En todos los casos hemos obtenido el mejor o segundo desempeño en todas las tareas, entre todos los laboratorios participantes de distintos países como Estados Unidos, Rusia, Canadá, Alemania, España, México, etc y se podría decir que nos hemos convertido en referencia a nivel mundial en el desarrollo de este tipo de sistemas.   

Para relacionar la IA con el Big Data, ¿Cuál es el aporte de la IA al Big Data o viceversa? 

La IA y el Big Data están estrechamente relacionados. La IA, y más específicamente el aprendizaje automático, brindan los métodos y algoritmos que permiten extraer conocimiento útil a partir de grandes volúmenes de datos. El Big Data por su parte, es quien “alimenta” de datos a estos algoritmos y presenta serios desafíos al aprendizaje automático ya que se reciben en tiempo real grandes volúmenes de datos a gran velocidad y de distinta naturaleza como imágenes, textos, sonido, etc. En este contexto, y en la medida que se sigan difundiendo tecnologías que facilitan la captura de volúmenes masivos de datos (redes sociales, redes de sensores, internet de las cosas, etc), la importancia del Big Data y su interacción con la IA irá en aumento no sólo para la obtención de patrones y modelos predictivos sino también para la toma de decisiones en distintos ámbitos.

En cuanto a esta área de investigación que es relativamente nueva, ¿Cómo se fue configurando la temática y su grupo de investigación? 

Las temáticas de nuestro grupo se iniciaron a partir de las investigaciones realizadas hace más de 30 años por dos de los pioneros en el área de la IA y los sistemas inteligentes en la Argentina, como lo fueron el creador del LIDIC (Raúl Gallard) y el Dr. Guillermo Simari. El primero me supervisó en mi tesis de Licenciatura en la UNSL y el segundo en mi Doctorado relacionado al aprendizaje automático en la Universidad Nacional del Sur. Sus temas de investigación, tales como el aprendizaje automático, las redes neuronales, los enfoques evolutivos y el razonamiento rebatible han sido continuados en los proyectos que dirijo, si bien ahora enfocados en los sistemas inteligentes para la Web. Actualmente, nuestro proyecto está formado por 15 integrantes locales, 5 Doctores (2

Investigadores de CONICET), 4 Becarios de CONICET, 8 tesistas de postgrado (5 de Doctorado y 3 de Maestría). Además de la co-Directora Leticia Cagnina, participan Luis Avila, Edgardo Ferretti, Dario Funez, Irma Pianucci, María Paula Villegas, María José Garciarena Ucelay, Sergio Burdisso, Juan Martín Loyola, Horacio Thompson, Maximiliano Sapino, Cecilia Toranzo y Ana Maria Jofré. También han participado como investigadores post-doc los Doctores en Psicología Luciana Mariñelarena-Dondena y Fernando Polanco mientras que otros integrantes luego de obtener sus postgrados continuaron sus actividades por fuera del proyecto de investigación como Diego Ingaramo, María Verónica Rosas y Carlos Velázquez. Un integrante más, que si bien ya no se encuentra físicamente con nosotros pero sí en el corazón de todos los integrantes del grupo es el Magister Guillermo Carlos Aguirre, recientemente fallecido.

Su grupo forma parte del Laboratorio de Investigación y Desarrollo en Inteligencia Computacional (LIDIC), ¿Cómo se fomenta el desarrollo de recursos humanos calificados y cuál es la incidencia de CONICET en la formación de becarios y científicos en la UNSL? 

El LIDIC es sin duda uno de los laboratorios pioneros en el área de la IA y el procesamiento masivo de datos a nivel nacional y reconocido internacionalmente por sus desarrollos publicados en las revistas más prestigiosas del área. El grado de excelencia alcanzado en sus integrantes y tesistas de grado y  postgrado  se fundamentan en una formación de calidad que brindan las carreras de grado y postgrado del Departamento de Informática. En ese sentido, la incidencia del CONICET ha sido destacada a partir de su carrera de investigador y las becas de postgrado y postdoctorado, al igual que las becas de Facultad y la UNSL que han permitido a muchos estudiantes finalizar sus estudios de grado y postgrado.     

Uno de los intereses de estas entrevistas con Directores de Proyectos de Investigación es analizar el grado de cooperación interinstitucional que se tiene desde la UNSL, ¿Cuál es su vinculación con investigadores de otras instituciones de investigación y desarrollo de la Argentina y de otros países?

En la actualidad nuestro grupo tiene una alta interacción con otros laboratorios de investigación de México, España, Austria, Alemania y Grecia. A nivel nacional, nuestra mayor interacción es con la Universidad Nacional del Sur y la Universidad Nacional de la Patagonia Austral. Sin embargo, la interacción no se ha restringido solo al intercambio científico, sino que también se han desarrollado proyectos de transferencia tecnológica en empresas nacionales financiados por la fundación Sadosky.

¿Surgen nombres de referentes destacados (nacionales y/o internacionales) que desean reconocer por la contribución que hicieron al desarrollo de la ciencia y en la formación de investigadores de la Facultad?

Sin lugar a dudas, el principal reconocimiento es para Raúl Gallard, quien fue un pilar fundamental  para el desarrollo no sólo de la investigación en el LIDIC sino también en las carreras de grado y postgrado en nuestro Departamento de Informática y la Facultad. Un reconocimiento similar merece su compañera y continuadora en el LIDIC, Susana Esquivel, que supo conducir de forma destacada nuestro laboratorio y las carreras de grado y postgrado hasta su jubilación producida  recientemente. 

Fotos: Prensa UNSL