{"id":126101,"date":"2019-07-02T09:33:02","date_gmt":"2019-07-02T13:33:02","guid":{"rendered":"https:\/\/www.upla.cl\/noticias\/?p=126101"},"modified":"2019-07-02T09:33:36","modified_gmt":"2019-07-02T13:33:36","slug":"datos-el-combustible-de-la-inteligencia-artificial-algoritmos-el-motor","status":"publish","type":"post","link":"https:\/\/upla.cl\/noticias\/2019\/07\/02\/datos-el-combustible-de-la-inteligencia-artificial-algoritmos-el-motor\/","title":{"rendered":"Datos, el combustible de la Inteligencia Artificial. Algoritmos, el motor"},"content":{"rendered":"<p><a href=\"http:\/\/www.mercuriovalpo.cl\/impresa\/2019\/06\/30\/full\/edicion-especial-4\/13\/\" target=\"_blank\" rel=\"noopener\"><img loading=\"lazy\" decoding=\"async\" class=\"alignright wp-image-126105\" src=\"https:\/\/www.upla.cl\/noticias\/wp-content\/uploads\/2019\/07\/06.30.-inteligencia_artificial_ingenieriaupla_eemercuriovalpo1.jpg\" alt=\"\" width=\"350\" height=\"492\" srcset=\"https:\/\/upla.cl\/noticias\/wp-content\/uploads\/2019\/07\/06.30.-inteligencia_artificial_ingenieriaupla_eemercuriovalpo1.jpg 700w, https:\/\/upla.cl\/noticias\/wp-content\/uploads\/2019\/07\/06.30.-inteligencia_artificial_ingenieriaupla_eemercuriovalpo1-213x300.jpg 213w\" sizes=\"auto, (max-width: 350px) 100vw, 350px\" \/><\/a>\u201cOye Siri, abrir Spotify\u201d esta es una frase cada vez m\u00e1s com\u00fan en nuestro d\u00eda a d\u00eda. Le hablamos a un artefacto electr\u00f3nico. Siri, al igual que otros asistentes personales virtuales, no es m\u00e1s que un algoritmo computacional que \u201caprendi\u00f3\u201d sobre millones de datos. Fue \u201centrenado\u201d en la tarea de asociar un sonido con un texto, un texto con un significado y un significado con la acci\u00f3n m\u00e1s probable asociada a la intenci\u00f3n del usuario. Siri \u201caprendi\u00f3 de los datos\u201d, es la frase que solemos utilizar cuando hablamos de \u201cAprendizaje Autom\u00e1tico\u201d (Machine Learning).<\/p>\n<p>En la base de la Inteligencia, se encuentra el aprendizaje, aunque para las m\u00e1quinas a\u00fan est\u00e9 limitado a aprender tareas puntuales que se pueden abstraer de un conjunto de datos espec\u00edfico.<\/p>\n<p>Hoy sentimos que estamos transitando un camino, tal vez sin retorno, hacia la Inteligencia Artificial tan anunciada, por ejemplo, en la pel\u00edcula de Kubrick (1968) donde el asistente virtual HAL decidi\u00f3 no obedecer a los tripulantes de la nave.<\/p>\n<p>Un poco antes en 1959, hab\u00eda surgido el t\u00e9rmino Machine Learning. En IBM algunos investigadores se interesaron en crear m\u00e1quinas que aprendiesen de los datos, como el actual Siri o el ficticio HAL. Actualmente estos algoritmos se usan en las todas las \u00e1reas del quehacer humano, como: agricultura, miner\u00eda, marketing, seguridad computacional, entre otras.<\/p>\n<p>Desde el <strong>Departamento de Computaci\u00f3n e Inform\u00e1tica de la <a href=\"http:\/\/www.upla.cl\/facultad\/ingenieria\">Facultad de Ingenier\u00eda de la Universidad de Playa Ancha (UPLA)<\/a><\/strong> se realizan acciones para contribuir a que la \u00e9poca de la Inteligencia Artificial sea de mejor calidad y menos apocal\u00edptica como en la citada pel\u00edcula. Desde el <a href=\"http:\/\/datoslab.cl\" target=\"_blank\" rel=\"noopener\"><strong>Laboratorio de Data Science<\/strong><\/a> (<a href=\"http:\/\/datoslab.cl\" target=\"_blank\" rel=\"noopener\">datoslab.cl<\/a>), nuestra investigaci\u00f3n se orienta a capturar y almacenar grandes vol\u00famenes de datos, proponer nuevos m\u00e9todos de visualizaci\u00f3n y an\u00e1lisis de datos, estudiar y mejorar algoritmos de Aprendizaje Autom\u00e1tico, y buscar mejores procesos de optimizaci\u00f3n.<\/p>\n<p>En la investigaci\u00f3n de an\u00e1lisis de datos, liderada por el <strong>Dr. Miguel Guevara<\/strong>, se capturan grandes vol\u00famenes de datos desde la Web para ser analizados con m\u00e9todos estad\u00edsticos y computacionales para construir visualizaciones y modelos que recomienden acciones a futuro. Este es el caso del <strong>Espacio Investigaci\u00f3n (Research Space)<\/strong>, una red compleja que determina las conexiones y distancias entre \u00e1reas de investigaci\u00f3n para \u201cmapear\u201d el estado actual de instituciones y pa\u00edses con el fin de predecir futuros saltos a \u00e1reas cercanas pero no explotadas. (ver Figura 1)<\/p>\n<p>En el \u00faltimo tiempo, hemos desarrollado nuevos m\u00e9todos basados en redes neuronales recurrentes para predecir la velocidad del viento y\/o generaci\u00f3n en granjas e\u00f3licas hasta con 24 horas de antelaci\u00f3n. En el sector energ\u00e9tico, contar con esta informaci\u00f3n es esencial para programar adecuadamente la cantidad de energ\u00eda que otras plantas requerir\u00e1n para satisfacer la demanda el\u00e9ctrica. As\u00ed, una predicci\u00f3n m\u00e1s precisa podr\u00e1 generar una programaci\u00f3n del sistema m\u00e1s eficiente, mejorando la confiabilidad del suministro el\u00e9ctrico y ahorrando costos que podr\u00edan traducirse en una reducci\u00f3n de los precios finales vistos por los usuarios. Esto ha sido parte del <strong>proyecto Fondecyt N\u00ba1170123<\/strong>, donde el <strong>Dr. Carlos Valle<\/strong> es co-investigador.<\/p>\n<p>En nuestro <strong>proyecto Fondecyt\/Iniciaci\u00f3n N\u00b0 11180524<\/strong>, liderado por el <strong>Dr. Franklin Johnson<\/strong>, proponemos nuevas t\u00e9cnicas para la resoluci\u00f3n de problemas de optimizaci\u00f3n, integrando metaheur\u00edsticas bioinspiradas y algoritmos de Aprendizaje Autom\u00e1tico.<\/p>\n<p>Las metaheur\u00edsticas que se inspiran en la naturaleza, tales como algoritmos gen\u00e9ticos, \u201cColonias de Hormigas\u201d\/Ant Colony Optimization (ACO) y las \u201cColonias artificiales de abejas\u201d\/Artificial Bee Colony (ABC), entre otros, han ganado relevancia en la resoluci\u00f3n de problemas de optimizaci\u00f3n dado que son capaces de presentar un buen rendimiento utilizando recursos computacionales limitados, m\u00e1s a\u00fan cuando se abordan problemas de gran complejidad. Esto es especialmente relevante hoy en d\u00eda cuando se tienen grandes vol\u00famenes de datos, complejamente relacionados y la capacidad de procesamiento de los mismos es ciertamente limitada.La idea de fondo es permitirles a estos algoritmos la capacidad de aprender y auto-configurarse para adaptarse a diferentes problemas y que estos avances puedan materializarse en nuevos softwares (Solvers) que permitan resolver diferentes problemas aplicados.<\/p>\n<p>En definitiva, si no queremos terminar como en la pel\u00edcula de Kubrick, prisioneros de nuestro propio computador algor\u00edtmico programado heur\u00edsticamente (<strong>H<\/strong>euristically programmed <strong>AL<\/strong>gorithmic Computer, asisten HAL en la pel\u00edcula), requerimos visualizaciones de datos que nos ayuden a entender fen\u00f3menos complejos, mejores modelos matem\u00e1ticos, algoritmos m\u00e1s precisos y procesos m\u00e1s \u00f3ptimos, como los que estamos desarrollando en la UPLA.<\/p>\n<h6>Dr. Miguel R. Guevara Albornoz Doctor en Ingenier\u00eda Inform\u00e1tica, USM. Director del Laboratorio de Data Science, DatosLab.cl, UPLA.<\/h6>\n<h6>Dr. Franklin Johnson Parejas Doctor en Ingenier\u00eda Inform\u00e1tica, PUCV. Director Departamento de Computaci\u00f3n e Inform\u00e1tica, UPLA.<\/h6>\n<h6>Dr. Carlos Valle Vidal Doctor en Ingenier\u00eda Inform\u00e1tica, USM Acad\u00e9mico del Departamento de Computaci\u00f3n e Inform\u00e1tica, UPLA.<\/h6>\n<p>Fuente: <a href=\"http:\/\/www.mercuriovalpo.cl\/impresa\/2019\/06\/30\/full\/edicion-especial-4\/13\/\" target=\"_blank\" rel=\"noopener\">Ediciones Especiales de El Mercurio de Valpara\u00edso<\/a>, publicado el 30 de junio de 2019.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>El Departamento de Computaci\u00f3n e Inform\u00e1tica de la Facultad de Ingenier\u00eda UPLA realiza acciones para contribuir a que la \u00e9poca de la Inteligencia Artificial sea de mejor calidad y menos apocal\u00edptica que la cinta de Kubrick de 1968 \u00ab2001: Odisea del espacio\u00bb.<\/p>\n","protected":false},"author":2,"featured_media":126109,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[51,96,40,101,97,78,43,45,91],"tags":[],"class_list":["post-126101","post","type-post","status-publish","format-standard","has-post-thumbnail","","category-academia","category-academicos","category-destacados","category-docencia","category-estudiantes","category-facultad-de-ingenieria","category-investigacion","category-upla-en-los-medios","category-vinculacion-con-el-medio"],"_links":{"self":[{"href":"https:\/\/upla.cl\/noticias\/wp-json\/wp\/v2\/posts\/126101","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/upla.cl\/noticias\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/upla.cl\/noticias\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/upla.cl\/noticias\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/upla.cl\/noticias\/wp-json\/wp\/v2\/comments?post=126101"}],"version-history":[{"count":0,"href":"https:\/\/upla.cl\/noticias\/wp-json\/wp\/v2\/posts\/126101\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/upla.cl\/noticias\/wp-json\/wp\/v2\/media\/126109"}],"wp:attachment":[{"href":"https:\/\/upla.cl\/noticias\/wp-json\/wp\/v2\/media?parent=126101"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/upla.cl\/noticias\/wp-json\/wp\/v2\/categories?post=126101"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/upla.cl\/noticias\/wp-json\/wp\/v2\/tags?post=126101"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}