La IA predictiva del mar y sus aplicaciones

La Inteligencia Artificial (IA) volvió a ser el punto central en una nueva entrega de los Desayunos Tecnológicos del Instituto Universitario de Tecnología Industrial de Asturias (IUTA). Celebrada en el Edificio Impulsa, esta nueva sesión recibió el título de "Los modelos predictivos y las aplicaciones IA" y contó con dos ponencias en las que se desvelaron algunas pinceladas sobre una nueva herramienta predictiva para atajar los riegos de contaminación biológica en los puertos y un estudio de investigación con el que se busca optimizar el diseño de arquitectura de modelos de IA para lograr las características óptimas y reducir el tiempo para su diseño, recuperar resultados de forma eficiente y lograr una comparación justa entre ellos.

La primera en intervenir fue Verónica Soto, profesora del departamento de Ciencia y Tecnología Náutica de la Escuela de Marina Civil de la Universidad de Oviedo, con su charla, "Tráfico marítimo y riesgo biológico: una nueva herramienta predictiva" en la que desveló una realidad desconocida para muchos, y es que los buques, en especial los de mercancías que recorren miles de millas y atraviesan innumerables puertos, pueden ser portadores de elementos contaminantes que, a su vez, trasladan de un lugar a otro en cada escala. "Sin darnos cuenta, el 80% de lo que tenemos en esta sala ha llegado aquí en buques. Eso implica un coste económico y un movimiento social que, sin querer, puede llevar a contaminar", introdujo Soto que, respecto a la contaminación biológica, diferenció en dos formas. "Por un lado, el agua de lastre, que es aquella que utilizan los barcos para estabilizarse cuando no tienen carga. Se introduce en un puerto, habiendo la posibilidad de meter diferentes especies, y se descarga en otro", explicó la ponente, añadiendo que hay métodos de filtrado que, en determinadas circunstancias, no pueden ser utilizados. "Si se traslada algún tipo de especie y se deposita en otro puerto, pueden desplazar a aquellas que son autóctonas y cambiar el ciclo de pesca, por poner un ejemplo", detalló.

"No hay un método ganador, todo depende de las condiciones y lo que se quiere hacer con los modelos de IA"

Verónica Soto

— Profesora de Ciencia Y tecnología Náutica en la Escuela de Marina Civil

"Por otro lado, están las incrustaciones, especies que se adhieren a los cascos de los barcos y viajan con ellos. Es lo mismo, pueden ir de un puerto a otro y, si sobreviven, también pueden ser dañinas para el ecosistema local", avisó. Partiendo de esta circunstancia, desde el proyecto contactaron con la Autoridad Portuaria de Gijón la cual les facilitó la obtención de una beca para reforzar el personal y les entregó información acerca del tráfico marítimo, "aunque es trasladable a cualquier puerto del mundo", remarcó Soto.

"Obtuvimos millones de datos que teníamos que investigar a mano y vimos la necesidad de desarrollar una herramienta que agilizara el proceso y que pudiese servir a los puertos para detectar posibles riesgos en los buques y activar un protocolo", explicó. El punto de partida fue una hoja Excel donde se agrupaba la información y la finalidad era realizar una aplicación capaz de filtrar y detectar aquellas embarcaciones sospechosas de una forma sencilla y automática. "Con la base de datos, de más de 20 años, le dimos unos parámetros y especificando que si un barco viene a cargar mercancía al Puerto, hay probabilidad de contaminación por agua de lastre. En cualquiera de los otros casos, podría ser por incrustación", desveló Soto, que una vez establecidas estas condiciones las implementaron a la herramienta que fue capaz de discernir cada embarcación dependiendo del tamaño, procedencia, modelo, o lugar de destino final. "Hay que tener en cuenta que la normativa internacional no exige las mismas cuestiones que la nacional, puede ser más laxa en ciertos sentidos. También que, en España, el Mediterráneo tiene unas condiciones de salinidad y temperaturas diferentes al Cantábrico", comentó.

"No hay un método ganador, todo depende de las condiciones y de lo que se quiere hacer con los modelos de IA"

María Gutiérrez

— Graduada en Ingeniería Informática del Software y becaria de investigación del IUTA

Otra de las características más llamativa de esta aplicación que desarrollaron es que, mediante un código de colores, la propia herramienta detecta aquellos barcos potencialmente contaminantes. "Hace una valoración de riesgos según el lugar de procedencia del barco, lo grande o pequeño que sea y según si es por incrustaciones o agua de lastre. A un simple clic se puede ver si un barco es peligroso", mostró Soto sobre las ventajas de un modelo que han desarrollado y que, en el futuro, esperan ampliar a otros puertos nacionales y, de paso, ir ampliando la investigación que, a nivel científico, contará próximamente con una publicación profesional en la que ahondarán aún más en las cuestiones técnicas de esta aplicación.

La ponencia de Verónica Soto precedió a la charla que María Gutiérrez Álvarez, graduada en Ingeniería Informática del Software y becaria de uno de los proyectos de investigación del IUTA, impartió sobre "La búsqueda de arquitectura de red en aplicaciones de modelado con Inteligencia Artificial". La raíz de este proyecto se encuentra en la cuestión de que los modelos de IA han evolucionado a gran velocidad y se han vuelto más complejos, existiendo todo un abanico de opciones a cada cual con más capas y conexiones. "Diseñar eso a mano e ir probando ya no es eficiente. Hay millones de posibilidades, por lo que nos planteamos diseñar un método que lo realizase de una forma más automática y eficiente", manifestó Gutiérrez, añadiendo que, al margen de que el modelo funcione bien, tiene que contar con unas características tales como "rendimiento, funcionamiento, predicción y capacidad de detectar todos los positivos", enumeró, sin olvidar, la memoria o el coste monetario y de tiempo en el que tardan los modelos en ejecutar las operaciones.

Los modelo de IA han evolucionado a gran velocidad, ganando también en complejidad

Para buscar de forma sistemática las arquitecturas neuronales usaron el procedimiento NAS (Network Attached Storage) para determinar los espacios de búsqueda, qué arquitecturas son posibles; su estrategia, cómo se exploran; y la evaluación o cómo se comparan. A su vez, utilizaron tres tipos de búsqueda, de NAS, como la diferenciable, más rápida, pero puede tener sesgos; la evolutiva, más flexible y costosa y el aprendizaje por refuerzo que son caros. "Al encontrar los métodos nos encontramos con algunos problemas como es la actualización de las librerías o que los recursos ya no estaban disponibles. También otras cuestiones propias de que al usar varios métodos en un mismo ordenador están en conflicto constantemente", confesó la ponente que desveló que gran parte del trabajo se basó en conseguir esos métodos y compararlos con una línea base de versiones para hallar las compatibilidades.

La contaminación biológica de los puertos se puede predecir con antelación

De ahí dieron con cuatro métodos comparables. Respecto a las búsquedas evolutivas, vieron que con HA-ENAS podían mezclar las arquitecturas y modificar unas con otras para obtener mejores resultados. "Es adecuada para tareas con datos alterados", resume Gutiérrez. Respecto a las búsquedas diferenciables, destacaron dos REP y DARTS. "El primero es un plug-in con el que se obtiene mayor robustez, mientras que el segundo es, básicamente, el método básico original que trabaja a nivel de celda y es rápido y eficiente, pero con problemas de sesgo", describió. El último método, de aprendizaje de refuerzo, consistió en el NAS-RL que funciona mediante recompensas basándose en si las arquitecturas que se generan son buenas o malas.

"Hay varias estrategias y métodos y seleccionamos los mejores y más actualizados para evaluarlos, además de que hemos priorizado aquellos que tenían el código disponible", indicó. El siguiente paso fue validarlos mediante una base de datos de 60.000 imágenes divididas en categorías y un sistema de evaluación con los parámetros de precisión, robustez o coste temporal y de memoria, entre otros. "La conclusión es que no hay un método ganador, todo depende de lo que quieras hacer y las condiciones que necesitas", sentencia Gutiérrez.