CÉSAR HERVÁS, catedrático de computación e inteligencia artificial en Córdoba

“El conocimiento es un factor clave para que un país pueda tener una ventaja competitiva”

  • César Hervás pilota en la Universidad de Córdoba un equipo de matemáticos expertos en redes neuronales artificiales que se utilizan para predecir cuándo se puede producir otra glaciación, clasificar los países en función de su economía del conocimiento o establecer un modelo de asignación donante-receptor para trasplantes hepáticos.

El catedrático César Hervás, con investigadores de su grupo. / RAFAEL A. BUSTELO

-¿Cuáles son las principales líneas de trabajo del grupo de investigación Aprendizaje y Redes Neuronales (Ayrna)?

-Nos ocupamos de desarrollar de modelos de predicción basados en aprendizaje automático, con especial interés en las áreas de redes neuronales artificiales, clasificación ordinal, segmentación de series temporales, modelos de tipo kernel y análisis envolvente de datos en situaciones de incertidumbre. Otra línea de investigación es la aplicación de estas metodologías para predecir el grosor en melanomas a partir de imágenes dermatoscópicas, asignación donante-receptor en trasplantes hepáticos, detección de malas hierbas en base a imágenes capturadas por vehículos aéreos no tripulados, segmentación de series temporales asociadas a datos de paleoclima, recuperación masiva de datos en series temporales de altura de olas, predicción de flujo de energía en energía mareomotriz, determinación de rampas de viento en parques eólicos o la estimación de la eficiencia de explotaciones agrarias, entre otras.

-Ese modelo de asignación donante-receptor de trasplante hepático lo desarrolló su grupo en 2011. Desde entonces, ¿qué novedades y avances ha habido en estos años?

-Se ha procedido a la validación de los modelos desarrollados con 11 centros españoles, incorporando bases de datos de trasplante del hospital King College de Londres y construyendo de nuevo modelos más afinados de asignación (se ha enviado un nuevo trabajo a la revista American Journal of Trasplantation)

-¿Finalmente se ha aplicado en el Hospital Universitario Reina Sofía de Córdoba?

- Ahora mismo estaríamos en la siguiente fase: la simulación de la aplicación del modelo, evaluando de modo paralelo la gestión de la lista de espera que se hace en el hospital Reina Sofía siguiendo los acuerdos actuales para la distribución de donantes en nuestra comunidad, en comparación con el resultado derivado de la aplicación del modelo basado en redes neuronales y en un sistema basado en reglas.

-Otra de las áreas de trabajo de su grupo se centra en un modelo matemático que clasifica los países según su estado en la economía del conocimiento, ¿cuál ha sido su desarrollo?

-El conocimiento es un factor clave para que un país pueda tener una ventaja competitiva que le asegure un desarrollo sostenible. Esto es especialmente importante en un entorno de gran incertidumbre económica como el actual y, a su vez, en un contexto en el que la generación de datos de muy diversa índole, procedentes de diferentes fuentes y con distintas estructuras, crece a un ritmo vertiginoso. Por ello, es fundamental que los responsables de la toma de decisiones de los países puedan aprovechar la información contenida en dichos datos y transformarla en conocimiento que a su vez les permitirá una toma de decisiones más razonable. Esto es posible gracias al desarrollo de las TIC y de nuevos métodos de tratamiento de grandes bases de datos (Big Data). Pero para ello es necesario en primer lugar, saber en qué situación se encuentra cada país para poder aprovechar este conocimiento.

-¿Qué aplicaciones tiene este modelo?

-Se trata de poder determinar el nivel de iniciación y desarrollo de los distintos países en la economía del conocimiento, según una serie de indicadores macro y/o microeconómicos, para un año determinado. Para ello, se estima la clase a la que pertenece un país, según los indicadores seleccionados, en cuatro categorías determinadas por un algoritmo de agrupamiento: Avanzadas en la EC; Seguidoras de una EC; Moderadas en la EC; e Iniciadas en la EC.

- En este caso, ¿qué llevó al grupo a iniciar este estudio?

La curiosidad despertada en varios miembros del grupo con amplios conocimientos de EC para analizar las características fundamentales que tiene que tener un país para ser clasificado en una de las cuatro clases y cuál es su situación a lo largo de los años con respecto a esta EC, esto es, si se mantiene en la misma clase, si mejora de clase o si empeora.

-¿Qué objetivos perseguían con su desarrollo y cuáles son los resultados más importantes que han obtenido hasta el momento en este campo?

-El objetivo de este trabajo se centra en la obtención de un modelo para predecir la clasificación mediante los datos obtenidos de 162 casos (54 países durante los años 2007, 2008 y 2009), gracias a su asignación anterior en grupos. Estos grupos se definieron previamente en relación con su progreso a una EC, utilizando once principales indicadores que representan cuatro pilares de dicha economía (Incentivo Económico, Innovación, Educación y Tecnologías de la Información y de las Comunicaciones). Como resultado, se establecieron cuatro grupos de países y se definieron las características de cada grupo. Los resultados de nuestro estudio confirman los hallazgos presentados en otros trabajos. Los países tendrán que seguir invirtiendo en educación y en capital humano para aumentar las habilidades necesarias en las economías basadas en el conocimiento, ya que esas habilidades son básicas en la aplicación de las nuevas tecnologías en la industria y en los servicios. Este trabajo se inició a finales del año 2013 y se publico en enero de 2015. El trabajo fue parcialmente subvencionado por la Comisión Interministerial de Ciencia y Tecnología en el marco del Proyecto TIN2011-22794, el fondo Europeo de Desarrollo Regional, y la Junta de Andalucía, bajo el Proyecto P11-TIC-7508.

-¿Cuál fue el método de trabajo que se llevó a cabo para su desarrollo?

-La metodología se estructuró en dos etapas. En la inicial se empleó una técnica de grupo para detectar patrones en los países seleccionados con respecto a su etapa de transición hacia una EC. La técnica adoptada en este estudio es la agrupación jerárquica de cada país en las cuatro clases anteriormente descritas (una técnica de aprendizaje automático sin supervisión, esto es sin saber a priori a que clase pertenece cada país según su EC). En la segunda etapa se aplicaron determinados métodos de aprendizaje de máquinas para determinar los modelos de clasificación más eficientes y eficaces.

- La Universidad de Córdoba ha participado junto a la Agencia Espacial Europea en un proyecto que tiene como finalidad comprender los calentamientos abruptos de la última glaciación. Los investigadores han desarrollado un algoritmo de segmentación de series temporales específico para interpretar los datos obtenidos en los núcleos de hielo. ¿Qué reporta ese algoritmo?

-Nos proporciona información acerca de los hechos que acontecieron previamente a los grandes cambios de temperaturas (como las diferentes glaciaciones). Los datos registrados muestran que se pueden observar cambios en determinados valores estadísticos (como la autocorrelación o el error cuadrático medio en el que incurre un modelo lineal).

-¿Qué avances permite obtener su aplicación?

- Idealmente, este algoritmo nos permitiría obtener lo que se denominan señales de alerta temprana, que puedan avisarnos de un cambio brusco de temperatura con la suficiente antelación para que podamos prepararnos para mitigar sus efectos.

-De acuerdo con todos estos datos, ¿es posible que se produzca una nueva glaciación?

-No, al menos, en un futuro cercano. No obstante, debemos tener en cuenta que el algoritmo trabaja con una resolución de unas decenas de años, por lo que las previsiones se hacen a medio plazo.

 

Comentar

0 Comentarios

    Más comentarios