Coronavirus e Inteligencia Artificial


Buenas!! Como andan tanto tiempo? Acá con muchas ganas de retomar esta temporada del podcast que al final nunca terminó de arrancar!


Tenia todo arreglado y de repente cae una pandemia, cuarentena, todo a sus casas y chau se complico todo. Así que bueno, es lo que hay.


Hoy quiero aprovechar para comentar algunas noticias interesantes que fueron apareciendo en los últimos tiempos y que me parece que están buenas como para comentarlas y volver a entrar en ritmo con el podcast. Varias de ellas también relacionadas con el motivo por el cual toda la humanidad está siendo afectada, que es esto del coronavirus, COVID-19 o como quieran llamarlo. Obviamente que son noticias relacionadas con la inteligencia artificial.


Así que bien, los temas que quiero tratar hoy son los siguientes: como afectó el coronavirus a muchos de los sistemas de Machine learning que venian funcionando bien, tambien comentar algunas soluciones presentadas para ayudar en diferentes ámbitos con este tema del covid-19 y tambien comentar sobre un estudio que se hizo analizando varios papers presentados en relación a Machine learning con el coronavirus.

Pero antes! Recuerden que se pueden suscribir al podcast en Spotify, Ivoox o la plataforma de podcast que mas les guste para enterarse cada vez que sale un nuevo episodio, y también que me pueden encontrar en twitter como @pochocosta para compartir cualquier tipo de información interesante.

Como afecta el cambio de patrones al aprendizaje automático


Ahora si, vayamos al primer tema que es esto de como afectó el coronavirus a los sistemas de Machine learning que venian funcionando hasta el momento.


El asunto acá es que muchos sistemas se dedican a trabajar sobre patrones de hábitos de las personas y en base a eso poder hacer predicciones. Pero claro, de repente la humanidad se ve afectada por un virus de estas características y con esta capacidad de contagio que hizo que en casi todas parte del mundo las personas nos veamos obligadas a cambiar nuestros hábitos.


Y esto lo que provoca es que todo lo que venia funcionando de maravilla de repente empiece a fallar. Sobre todo me refiero a los sistemas predictivos del sector financiero, sistemas en el sector de la salud, la logística, supermercados, tiendas online.


Imagínense modelos entrenados con datos de hasta hace unos meses, que podían manejar muy bien ciertos patrones de “normalidad” y de repente aparece de un dia para el otro una nueva “normalidad”.


O sea, ¿Quien se iba a imaginar que de pronto la gente se iba a volver loca por el papel higiénico, no? Que se yo, cada cual tendrá sus fetiches, pero bueno, imposible de predecirlo.


Así que bien, este tipo de cosas son las que pasan. En el sistema financiero sobre todo en lo que es detección de fraude en tarjetas de crédito. Los modelos se basan en los hábitos de consumo y esos hábitos de consumo estan relacionados con la vida que llevamos.


Vamos a trabajar, vamos al supermercado, vamos al shopping, bares, restaurantes.


Ahora todas o la mayoría de esas compras las hacemos desde nuestras casas.


Y bueno esto mismo se puede trasladar a predicciones de ventas, o en las fábricas con las predicciones de demanda y reposición de stocks de piezas. O sea, hay industrias que tal vez están casi paralizadas y otras que están explotadas de demanda, por ejemplo los barbijos, los alimentos, o el alcohol en gel. Todo impredecible.


Por eso un tema que podríamos hablar en un próximo episodio es sobre la robustez en los modelos de Machine learning y como podemos estar lo mejor preparados posibles para este tipo de situaciones. Usando sistemas de alarmas tempranas, reentrenar y deployar periódicamente, y una serie de practicas nos pueden ayudar a manejar estas situaciones de la mejor manera posible.


Un tema muy interesante y con mucho recorrido…

Visión por computadora para controlar el distanciamiento social


Despues otro de los temas que queria traer, son algunas de las innovaciones que estan surgiendo a partir del coronavirus. Como por ejemplo los servicios que a traves de visión por computadora estan intentando ayudar a que algunas industrias puedan seguir funcionando a través de herramientas que reconocen si los trabajadores se acercan demasiado. Cosa que no está sugerida, por las recomendaciones de distanciamiento social de los gobiernos o mismo de la Organización Mundial de la Salud.


Este es el caso por ejemplo de Smartvid.io, una empresa especializada en análisis de riesgos en el rubro de la construcción usando inteligencia artificial, que tenia un software que era capaz detectar peligros en el caso de trabajadores realizando trabajos en alturas, o trabajadores que no estén usando el equipamiento de seguridad adecuado, digamos este tipo de peligros que se pueden presentar en las contrucciones…


Bueno, esa empresa a finales del mes pasado anunció una característica de su software para reconocer grupos de trabajadores que están demasiado cerca sin respetar el distanciamiento social.

 
En ese caso la herramienta envía advertencias e informes a los supervisores de la construcción con un resumen diario de métricas de distanciamiento social en la obra. Además se pueden ver los videos en las computadoras o dispositivos móviles. Y dijeron que pronto también iban a agregar la capacidad de detectar mascaras faciales, barbijos o tapabocas.


Estas mismas características son algunas de las que Amazon tambien planea monitorear en sus plantas, según un reporte de Reuters. Y landing AI, la empresa de Andrew Ng lanzó algó similar hace algunos días también. Esto fue lo que me enviaste vos Cesar, asi que si estas escuchando, muchas gracias!


Después otro de los usos es el que está haciendo una de las 4 prestadoras del sistema de salud de Israel, que lo que esta haciendo es usar datos como la edad de las personas, las enfermedades preexistentes como diabetes o enfermedades cardiacas, el indice de masa corporal y la propensión a las gripes basándose en el historial de ingresos al sistema hospitalario, para identificar a las personas que tengan mayor riesgo de sufrir complicaciones graves de Covid-19 para que en caso de que tengan síntomas poder darles el mejor tratamiento.


Esto entiendo yo que lo hacen en caso de que el sistema de salud se vea desbordado y sería como para ver si tal vez te sugieren que solamente te quedes en tu casa, o te aíslen en alguno de esos hoteles que se usan para cuarentena o si será mejor tenerte en un hospital por si requerís cuidados intensivos.


Como a esta altura ya todos sabemos, este virus es bastante especial y no ataca a todo el mundo por igual.


En este caso voy a dejar de lado las cuestiones de privacidad porque no me quiere meter hoy con esa discusión, sino mas bien mencionar los usos que se le están dando.

Sesgos detectados en modelos contra el COVID-19


Despues otro tema que queria mencionar está relacionado con una investigación que hicieron un grupo de médicos, científicos e ingenieros, sobre muchos  papers que se vinieron publicando en relación a modelos de Machine learning para combatir el coronavirus.


Y lo que encontraron en esta investigación es que todos los modelos que analizaron habían sido entrenados con datos sesgados. Asi que según una publicación en el British Medical Journal, ninguno de esos modelos puede ser recomendado para su uso clínico.


Esto no lo menciono como un palo para los investigadores, sino para hablar de lo que me parece importante, que es que en el Machine learning es común que apenas se publiquen muchos papers de trabajos que están en curso y se compartan los descubrimientos con la comunidad. Eso es bueno porque ayuda a distribuir el conocimiento y que la tecnología avance mas rápido.


En cambio en la medicina entiendo que para publicarse un paper se tiene que pasar por muchas instancias y revisiones, lo cual me parece perfecto tambien.


Entonces lo que me parece importante decir, es que tenemos que tener la capacidad de diferenciar cuando leemos un titular de una noticia de que tan posible sea que con datos reales el modelo tengo esos resultados cuando se trata de temas relacionados con la salud.


En base a esto es que los investigadores recomiendan el uso de una lista de verificación de 22 puntos para usar como estándar cuando se desarrolla IA de predicciones medicas. 


Esta lista se llama TRIPOD (sigla en inglés para: informe transparente de un modelo de predicción multivariable para pronóstico o diagnóstico individual) y a traves de su uso se reduce el riesgo de desarrollar modelos con datos sesgados.


Asi que interesante lo de esta lista TRIPOD, la verdad que no la conocía.
Y bueno con esto llegamos al final del programa de hoy, espero que les haya gustado! Perdón por haber demorado tanto entre el último episodio y este. Espero ahora poder volver a entrar en ritmo.


Y como siempre les digo, muchas gracias a los que dejan sus reseñas de 5 estrellas en Apple Podcast o los me gusta y comentarios en Ivoox. Ya que cada vez que recibo una me motiva mucho a seguir, es como una inyección de combustible.


Y ahora si, para cerrar les digo que: Nos escuchamos en el próximo episodio donde seguiremos hablando de este hermoso mundo de la inteligencia artificial.

Dejar recomendación en iTunes

Comentarios

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *