Dar soluciones a problemas y brindar una explicación de fenómenos ocurridos, pero también anticiparse a los que pueden suceder. De esto se trata la tecnología y la ciencia y resume, a su vez, los fines que persiguen los dos proyectos de investigación de científicos argentinos que, esta semana, resultaron ganadores de los premios Latin America Research Awards (LARA), entregados en el Centro de Ingeniería para América Latina de Google, en la ciudad de Belo Horizonte, en Brasil.

El investigador Francisco Soulignac y el estudiante de doctorado Gonzalo Lera-Romero, ambos del Departamento de Computación de la Universidad de Buenos Aires por un lado; y Ana Gabriela Maguitman y el estudiante de doctorado Mariano Maisonnave, del Instituto De Ciencias e Ingeniería de la Computación de la Universidad Nacional del Sur, por otro; son quienes recibieron una beca para financiar sus investigaciones durante 12 meses. Otros 23 proyectos (15 de Brasil, 5 de Colombia, 2 de Chile y 1 de Perú) también resultaron ganadores de los LARA, de entre 670 aplicaciones. En esta edición, se destinaron 500.000 dólares para apoyar los trabajos científicos.

Dos proyectos de investigación de científicos argentinos resultaron ganadores de los premios Latin America Research Awards (LARA) entregados esta semana por Google (Fuente: La Nación)

Cómo mejorar las entregas de mercadería

El proyecto presentado por el investigador del Departamento de Computación de la UBA Francisco Soulignac y Gonzalo Lera- Romero (en el que también participa Juan José Miranda Bront, de la Universidad Di Tella) aborda un problema que es de especial interés en la logística a medida que crece el comercio electrónico: cómo mejorar la planificación de las entregas directas de mercadería al consumidor en la llamada "última milla" -la etapa final de la cadena de distribución de los productos- teniendo en cuenta la congestión que pudiera haber en el tránsito.

Mejorar los actuales algoritmos para incorporar el factor de la congestión, y así facilitar la toma de decisiones sobre el orden de distribución de los productos, es el desafío principal. "Hoy en día existen las aplicaciones que usamos todos: decimos 'estoy acá, quiero ir acá', y nos dan una ruta. Eso está razonablemente bien resuelto, es simple en términos computacionales, el problema es cuando uno tiene que visitar muchas locaciones", dijo Soulignac.

Pero si una empresa tiene que hacer, por ejemplo, cien repartos en distintos puntos de una ciudad, el problema "explota de combinaciones" y se generan muchísimas posibilidades difíciles de analizar una por una, explica el investigador.

El problema, conocido como "ruteo de vehículos", se hace más difícil de resolver si se tienen en cuenta factores como los horarios en los que se puede visitar a un cliente o si se posee un vehículo o más de uno para el reparto. Y más aún se complejiza si a este cálculo se incorpora el tráfico.

"El e-commerce hasta ahora en la Argentina no explotó del todo, pero empieza a surgir la necesidad de resolver este tipo de problemas", afirmó, por su parte, Lera-Romero. "El objetivo final que esperamos que salga de este proyecto es poder tener una herramienta que ayude a la toma de decisiones de las empresas", agregó.

Contar con una herramienta que provea un orden adecuado para visitar a los clientes teniendo en cuenta la congestión no solo favorecería a las empresas en términos de costos sino que también ayudaría a no sumar más embotellamientos a las calles y a no incrementar o a reducir la huella de carbono que genera la logística..

Si bien el proyecto por ahora se circunscribe al ámbito académico y no ha sido probado fuera de este, una etapa siguiente será "pulir" los algoritmos para probarlos con datos tomados de la realidad.

Explicar y predecir la economía

En tanto, la investigadora Ana Gabriela Maguitman y el estudiante de doctorado Mariano Maisonnave, de la Universidad Nacional del Sur, también fueron distinguidos por un proyecto de investigación sobre modelos causales que utilizan datos extraídos de medios de comunicación.

La idea surgió a partir del pedido de un grupo de profesores del departamento de economía de la universidad. "Hay mucho interés por parte de economistas y financistas de tratar de entender un evento complejo en términos de qué variables están involucradas, y cómo están vinculadas entre sí", aseguró Maisonnave. "Querían trabajar estos temas. Ellos conocen herramientas de econometría y son especialistas en temas de estadística, y nosotros tenemos las herramientas desde el punto de vista computacional. Entonces surgió esta idea de colaborar", comentó la especialista.

La meta de la investigación, indicó Maisonnave, es "encontrar un grafo causal o de interconexiones para tratar de explicar si cierta conexión entre las variables impactó en que eso sucediera de una forma o de otra". Y agregó: "La idea es que con un vistazo a este grafo un experto pueda tener una idea más general de qué es lo que pasó, o ver en el grafo cosas que por ahí no se daba cuenta porque este permitiria a partir de grandes volúmenes de datos hacer un resumen general".

"Ese grafo que queremos va a tener nodos, que además de eventos queremos que sean variables, que provengan de otras fuentes, no solamente de medios digitales", dijo Maguitman. Sucesos como una bancarrota, tomas de deuda, la renuncia de un presidente o la baja o suba abrupta de un índice son algunos de los elementos extraídos de un corpus del diario The New York Times, con los que se busca entrenar a una red neuronal para que primero reconozca a los eventos por su cuenta y luego sepa identificarlos para hacer un modelo causal. Si bien Maisonnave detalló que actualmente el proyecto apunta a la explicación de sucesos, el modelo también podría adelantarse a otros. "En principio lo que queremos hacer es construir este grafo como una forma de explicar pero también tenemos la idea de seguir avanzado en el camino para predecir".

Además, en un futuro el modelo podría añadir los estados de ánimo al grafo. "Una de las ideas originales era eventualmente incorporarlos porque uno puede hacer un análisis sobre una red social y detectar si ante cierto tema la gente está reaccionando con angustia, con alegría, con miedo". El modelo también implica la incorporación de eventos que no tienen un origen económico, como un desastre natural. "Muchas veces un evento no económico, como un terremoto, desencadena un evento económico", señaló Maguitman.

Aplicaciones en salud

De los 25 proyectos ganadores de los LARA, la mitad de estos apuntan al campo de la medicina. "Hay una tendencia a la aplicación de tecnología en el área de la salud", destacó Berthier Ribeiro-Neto, director de ingeniería de Google para Latinoamérica, al presentar tres proyectos de investigación que se valen de machine learning e inteligencia artificial (IA) para el diagnóstico médico. Ribeiro-Neto subrayó que, más allá del uso del "aprendizaje profundo" y de la IA, "las decisiones las tienen que tomar las personas".

Uno de los proyectos, presentados por Sandra Avila y Alceu Bissotto (Universidad Estatal de Campinas, Brasil), se propone mejorar la clasificación del cáncer de piel con una extensión a la Red Generativa Antagónica (GAN), una forma de inteligencia artificial. Las científicas introdujeron un método basado en GAN para generar datos sintéticos realistas con el propósito de mejorar los modelos de clasificación de lesiones. Avila explicó que la tecnología no busca hacer un diagnóstico sino "brindar un soporte".

Por su parte, Winston Percybrooks y Pedro Narvaez (Universidad del Norte, Colombia) fueron seleccionados por el proyecto "Hacia una auscultación inteligente a gran escala, asistida por computadora, para entornos remotos de atención primaria". A través de un estetoscopio digital manejado en un celular se haría la auscultación cardíaca. Los sonidos se enviarían a la nube para que un profesional pueda evaluarlos. El modelo está en fase de prueba. "Esperamos que el impacto sea mucho en zonas alejadas", dijo Percybrooks.

En tanto los investigadores Mirko Zimic y Macarena Vittet (Universidad Peruana Cayetano Heredia) llevan adelante un proyecto de diagnóstico de autismo en niños mediante la combinación de preferencia en la mirada, pupilometría y reconocimiento de gestos emocionales, a través de dispositivos móviles. La idea se vale de la visión artificial de las computadoras y de algoritmos de aprendizaje profundo para realizar tres análisis basados en el video de la cara del niño, grabado con la cámara frontal de una tablet. "Los métodos que podemos usar de machine learning y telemedicina son oportunidades para hacer tamizaje", dijo Zimic, quien agregó que luego debería pasarse a una etapa confirmatoria.