Detrás del “porque has visto...” de Netflix hay mucho más que una sugerencia aleatoria para una maratón de serie y sofá. Hay un modelo de datos, denominado “modelo predictivo”, que aprende sin parar sobre el usuario para luego ofrecerle “soluciones” (en este caso, la serie recomendada) para un “problema” (en este caso, no saber qué elegir en el catálogo).
Los “modelos predictivos” son una de las líneas de trabajo del Machine Learning Group (Grupo de Aprendizaje Automático) de la Universidad de Oviedo, con sede en el edificio de Marina Civil. Entre otros proyectos, ahora mismo, están ultimando un modelo que permitirá, a través de dispositivos, sugerir a los usuarios lugares para comer a través de las fotografías de sus platos que han subido a redes. Máquinas con luces de colores, términos como “deep learning” y paciencia para explicar lo que está pasando ahí dentro: así es el Centro de Inteligencia Artificial del campus de Gijón.
Juan José del Coz está al frente del grupo de investigación. El equipo se forma con Óscar Luaces, Jorge Díez, Pablo González, José Ramón Quevedo y Elena Montañés. También Antonio Bahamonde, Beatriz Remeseiro y Jaime Alonso, que no aparecen en este reportaje. Además, hay varios doctorandos como Pablo Pérez. Lo primero a saber, en un resumen muy escueto: “Nuestro trabajo consiste en que las máquinas resuelvan problemas para los que no conocemos solución”, explica Del Coz.
Y eso hace, frente al ordenador, Pablo Pérez. Es el doctorando que trabaja en un modelo predictivo que permitirá sugerir lugares para ir a comer a través de fotografías y texto. Primero es el algoritmo: “Hay una gran variedad de algoritmos, pero muchos son parecidos entre sí”, explica Óscar Luaces. Lo que cambian son los datos: “Ese algoritmo recoge los datos de los usuarios para formar el modelo”. En este caso concreto, el modelo sugerirá un determinado restaurante a través de la información recogida en elecciones previas –sobre todo, con las imágenes.
En la imagen está la novedad. Según explican desde el equipo, “el algoritmo aprende los gustos de cada usuario a partir de las fotografías de los restaurantes que ha visitado (y que han sido compartidas en una red social)”. “El proceso de aprendizaje contrapone sus fotografías a las de otros usuarios, y el objetivo es que el algoritmo extraiga los gustos de cada persona”, dice. Con esta fase lista, el sistema será capaz de decidir cuál es la foto que probablemente sacaría el nuevo usuario y, por lo tanto, prever los restaurantes con imágenes que se adaptan a sus gustos.
Suena a ciencia ficción, o casi. Como todo lo que hace el Centro de Inteligencia Artificial. La tesis de Pablo González, que dirigieron Juan José del Coz y Jorge Díez, consistió en el diseño de métodos de cuantificación aplicados a la estimación de la distribución de los grupos taxonómicos presentes en muestras de plancton. Explicaron que el estudio combinó “las últimas técnicas de visión artificial, como son las redes neuronales profundas, con los algoritmos de cuantificación”. Así consiguieron un método para cuantificar los organismos presentes en cada muestra. ¿La aplicación? Apunta González que “esta cuantificación sirve para estudiar cuestiones relacionadas, por ejemplo, con la pesca o la salud de los océanos”.
Más cerca, ya en tierra, uno de los proyectos en los que trabaja Elena Montañés –con otros miembros del equipo– permite conocer la composición exacta de los elementos: “Es un proyecto que cuenta con la colaboración de una empresa de Murcia y que tiene múltiples aplicaciones en el ámbito de la salud y la nutrición”, apuntó la investigadora. Por cierto, solo hay dos mujeres en el grupo, fruto de años en los que la presencia femenina en el ámbito científico –por la mera realidad social– fue baja: “Son bienvenidas, estamos deseando alcanzar la igualdad total”, coincidieron en el grupo.
