Por: Dan Patterson 

Murat Sonmez, director gerente del Foro Económico Mundial, explica cómo los grandes datos y el aprendizaje automático pueden ayudar a encontrar una vacuna para COVID-19.

Dan Patterson, productor senior de CNET y CBS News, habló con Murat Sonmez, director gerente del Foro Económico Mundial, sobre cómo el big data y el aprendizaje automático pueden ayudar a encontrar una vacuna para COVID-19 . La siguiente es una transcripción editada de su conversación. 

Murat Sonmez: El Foro Económico Mundial es una organización internacional de 50 años, centrada en la cooperación público-privada, que reúne a empresas, organizaciones internacionales, gobiernos, academia y sociedad civil, para comprender cómo podemos dar forma a un futuro mejor para el mundo y crear grupos de acción a tal efecto. En términos de la pieza de datos, lanzamos una iniciativa llamada Centro para la Cuarta Revolución Industrial para ver realmente cómo podemos aprovechar las tecnologías emergentes, para acelerar estas soluciones. Una parte clave de eso es la inteligencia artificial (IA) y el aprendizaje automático(ML). Y podemos aportar ideas mucho mejores y más rápidas que los expertos humanos. Pero prospera en los datos. Por lo tanto, el acceso a los datos y poder usar diferentes conjuntos de datos para fines individuales ha sido un área clave de enfoque para nosotros.

Los tres indicadores de una vida saludable son, quién es usted, lo que incluye datos genéticos, sus signos vitales; donde vives, o sea el ambiente, estilo de vida; y cómo vives, estilo de vida, propiamente dicho. Es quién eres, dónde vives y cómo vives. Y cuando vas a un médico, básicamente te hacen estas preguntas. Pero imagine un mundo en el que podamos recopilar estos conjuntos de datos sin que vaya a un hospital o a un médico, o no tenga acceso a un hospital, o no pueda ir, como vemos durante la crisis de COVID-19 . ¿Qué pasaría si todos tuviéramos dispositivos portátiles, y tenemos nuestros teléfonos móviles, y a través de ellos, transmitimos todos esos datos? Cómo vivimos, combínelo con información genética, con ensayos clínicos, registros hospitalarios y datos ambientales, que vendrían de sensores, el llamado Internet de las cosas (IoT) instalado en nuestras ciudades y entorno, y también los sensores en los campos agrícolas o datos satelitales.

Si puede combinar todo eso y ponerlo en un lugar común, entonces podemos usar capacidades analíticas avanzadas, que describiría como aprendizaje automático, donde el motor en sí mismo aportará ideas, más rápido y mejor que los expertos humanos, porque de la magnitud de los datos. Podrían aumentar la inteligencia humana. Ahora, es técnicamente factible. El problema clave es: ¿cómo nos aseguramos de proteger la privacidad de las personas y cómo nos aseguramos de utilizar los datos con fines consentidos? No quiero que mis datos genéticos se utilicen con fines comerciales, pero es posible que desee utilizarlos para ayudar a curar COVID, por ejemplo.

La tercera pregunta es ¿quién gana dinero con eso y la equidad? Lo que hemos estado haciendo es decir que la privacidad es clave, obviamente, por lo cual Europa y California han estado liderando en esa área, pero no deberíamos tener la privacidad solo enfocada en los datos que se interponen para compartirlos con fines comunes. Hoy, si quisieras combinar los tres conjuntos de datos, es imposible, porque las leyes de privacidad se interpondrán en el camino. La idea de combinar diferentes conjuntos de datos para casos de uso permanente por parte de los propietarios de los datos y proporcionar beneficios económicos a los propietarios de los datos, podría crear un conjunto completamente nuevo de oportunidades en términos de descubrimiento, vida saludable y también nuevas fuentes de ingresos para los propietarios de datos.

Dan Patterson: Me gusta la forma en que encuadras la IA como habilidades o capacidades analíticas avanzadas. ¿Tiene ejemplos de cómo estas tecnologías están ayudando a las personas en el mundo real en este momento?

Murat Sonmez: El más famoso, creo, es lo que hicieron los amigos de DeepMind , después de que Google los adquirió. DeepMind es una compañía que comenzaron tres tipos fuera de Londres. Y dominaron el problema más desafiante en IA, que es jugar un juego llamado Go. Pero después de que Google los adquirió, encendieron el motor en sus centros de datos y redujeron el consumo de energía en más del 20%. Aplicaron el mismo concepto a un edificio y redujeron el consumo de energía en más del 50%. Imagine que si aplica eso a una ciudad o país, tenemos la oportunidad de reducir el consumo de energía, mejorar los rendimientos agrícolas o incluso acelerar la cura de algunas de las enfermedades intratables.

La razón por la que no hemos visto avances importantes es por la falta de capacidad para conectar diferentes conjuntos de datos. A los investigadores les resulta difícil, y si queremos desarrollar un nuevo producto, necesitamos tener acceso a conjuntos de datos. Pero probablemente algunas leyes que han estado vigentes o basadas en la jurisprudencia de la década de 1980 no están diseñadas para permitir esto. Y nuevamente, necesitamos proteger la privacidad de los propietarios de los datos, pero también habilitar estos nuevos casos de uso.

Dan Patterson: ¿Cómo puede ayudarnos la inteligencia artificial a encontrar una vacuna para el coronavirus más rápido?

Murat Sonmez: Sabemos que si proporciona una gran cantidad de datos que son representativos, no imparciales, los algoritmos de aprendizaje automático generarán nuevos conocimientos más rápido que los expertos humanos. Por el momento, no sabemos cómo está sucediendo, pero sabemos qué es. Entonces, si lo llevas al método científico, que es lo que los científicos han estado usando, comenzamos con una hipótesis y también expertos, creo que esto sucederá. Recopila conjuntos de datos y ahora intenta analizarlos y probarlos por completo. De hecho, podemos acelerar las primeras fases de eso. Si alimentamos diferentes conjuntos de datos, siempre que estén completos y provengan de fuentes confiables, el algoritmo de inteligencia artificial o aprendizaje automático puede llegar a esta hipótesis. Creo que estaremos en un lugar donde generaremos más hipótesis, mucho más rápido, y eso debería llevarnos a través del método científico de probar eso. Creo que será un excelente escritor en la parte delantera. Y hasta que resolvamos el desafío de caja negra con IA y aprendizaje automático, creo que eso es más o menos lo que podemos hacer en este momento.

Artículo publicado en TechRepublic