Un software detecta con mayor precisión las zonas deforestadas en el pais de Colombia

 La herramienta tecnológica fue diseñada por la ingeniera electrónica Mónica Yolanda Moreno Revelo, de la Universidad Nacional de Colombia (UNAL) Sede Manizales, quien asegura que el procesamiento de imágenes satelitales a partir de técnicas computacionales es una herramienta útil para monitorear de manera más detallada distintas zonas del país.

La aplicación, que inicialmente se hizo para computadores por medio de los lenguajes Python y Mathlab, se probó en El Rosario (Nariño) y Campo Verde (Brasil). Esta procesa el mapa de la zona analizada y con colores muestra los tipos de coberturas y los cambios, por ejemplo si hubo deforestación o si antes existieron árboles en esa zona.

La técnica propuesta permite analizar una imagen por pixeles (unidades de color) y ver la presencia de una cobertura en un cultivo. “Se trata de clasificar estas imágenes, ya que una inspección visual sería muy ardua y costosa porque necesita trabajos de campo; además el análisis humano no es tan preciso como la técnica computacional”, subraya.

Así mismo se pueden identificar los tipos de cultivos y tener la información de la producción que habrá haciendo un análisis para proyectar cómo van a variar los cultivos en el futuro, sabiendo si el terreno es el adecuado o si se cultiva lo mismo en grandes cantidades, con el fin de ayudar a disminuir el impacto ambiental.

“Analicé una zona sin tantas nubes y la idea es proporcionar herramientas que le sirvan al Ideam o a organizaciones del medioambiente”, asegura la ingeniera, quien busca aportar al desarrollo de su región.

Aplicación de las pruebas

Las pruebas se adelantaron sobre dos bases de datos. La primera, sobre 11 cultivos diferentes (soya, maíz, algodón, sorgo, fríjol, cultivos no comerciales, pasto, eucalipto, suelo, césped y cerrado) de regiones de Brasil, y la segunda en coberturas boscosas nariñenses que representaron un reto por estar cubiertas en su mayoría por nubes.

En Campo Verde se adquirieron las imágenes del satélite Sentinel, se tomaron 16 imágenes entre 2015 y 2016, y con la ayuda de un intérprete experto se etiquetó la base de datos en 11 clases diferentes para 513 zonas y un total de 679.355 pixeles.

Para El Rosario se recurrió al Landsat 8 y se trabajó con datos adquiridos entre 2013 y 2019; se identificaron seis grupos: vegetación herbácea, bosques, cultivos, zonas urbanizadas, pastos y zonas sin vegetación, pero se analizaron solo bosque y suelo.

A estas bases les siguió un preprocesamiento, filtrado, agrupación de imágenes, reconversión, recorte y conversión de niveles digitales. Una vez aplicados los colores, se conocieron los mapas que expusieron el proceso de transformación de cada territorio, como la aparición de la deforestación o territorios regenerados.

Como apunte final, la investigadora planteó que aunque en el municipio de El Rosario se notaron zonas deforestadas, la información es limitada y se requiere de más etiquetas para corroborar los resultados obtenidos. Su propuesta es realizar un nuevo trabajo aplicando estas técnicas para conocer el índice de deforestación en todo el departamento de Nariño.

Un estudio que utiliza la Inteligencia Artificial para el diagnóstico del melanoma, ganador del Premio PRBB al mejor trabajo de investigación de bachillerato

Se otorgaron los galardones del XVI Premio PRBB para los mejores trabajos de investigación en el ámbito de las Ciencias de la Salud y de la Vida, realizados por estudiantes de Bachillerato de Cataluña. En esta edición del premio, organizado por la Facultad de Ciencias de la Salud y de la Vida de la Universidad Pompeu Fabra (UPF) y por el Parque de Investigación Biomédica de Barcelona (PRBB) han participado 222 estudiantes que han presentado 201 trabajos.

El trabajo de investigación ganador se titula “Inteligencia artificial aplicada al diagnóstico precoz del melanoma”. La autora, Núria González Cuesta, alumna de segundo de Bachillerato del Instituto Francesc Macià de Cornellà de Llobregat, desarrolló un programa informático que puede identificar si una lesión de la piel es o no un melanoma a partir de una imagen tomada con una cámara o un smartphone. Así, consiguió demostrar que un sistema de Inteligencia Artificial puede diagnosticar con mucha precisión y velocidad el cáncer de piel. De hecho, su algoritmo puede conseguir un 94% de eficiencia de precisión. El jurado, en su valoración, destacó que Nuria aprendió a programar desde 0 para poder llevar a cabo su trabajo de investigación.

Desarrollan una herramienta computacional para predecir en qué zonas del genoma se puede insertar un gen terapéutico

 Un equipo de investigadores del Instituto Wyss de Ingeniería de Inspiración Biológica, la Escuela de Medicina de Harvard (EMH) y la Escuela Politécnica General de Zúrich (ETH Zurich) ha desarrollado un método para identificar puertos genómicos seguros (GSH, por sus siglas en inglés), unas regiones del genoma con especial relevancia en el desarrollo de terapias génicas.

Un puerto genómico seguro (GSH) es una zona del genoma en la que se puede insertar un gen terapéutico sin causar cambios en el genoma que puedan resultar en un riesgo para los pacientes. Encontrar este tipo de regiones del genoma es una ardua tarea, ya que los GSH tienen que cumplir unos requisitos muy concretos, como encontrarse disponibles y alejados de obstáculos como genes u otras secuencias importantes y propiciar la expresión del gen terapéutico que se inserte en ellas.

Un método para identificar puertos genómicos seguros

En el trabajo, el equipo diseñó una herramienta computacional para predecir qué regiones del genoma humano tienen potencial como GSH. Para ello, se basó en datos del genoma de diferentes líneas celulares y tejidos obtenidos de anteriores estudios. “En este rastreo paso a paso del genoma completo, excluimos computacionalmente regiones que codifican proteínas, incluidas aquellas que han estado involucradas en la formación de tumores, y regiones que codifican ciertos tipos de ARN con función en la expresión génica y otros procesos celulares.”, explica el Dr. Erik Aznauryan, autor del estudio e investigador en el Instituto Wyss de Ingeniería de Inspiración Biológica. “También eliminamos regiones que contienen los llamados elementos potenciadores, que activan la expresión de genes, muchas veces desde lejos, y regiones que comprenden los centros y extremos de los cromosomas para evitar errores en la replicación y segregación de los cromosomas durante la división celular”, añade.

Un paso adelante en el diseño de terapias génicas más seguras

Los resultados de este estudio suponen una importante mejora en la identificación de nuevos puertos genómicos seguros, a la vez que demuestran el potencial de las aproximaciones computacionales en la investigación del genoma humano. Futuras investigaciones ayudarán a validar y evaluar los aproximadamente 2 000 loci identificados por el equipo.

El trabajo, cuyos resultados están disponibles de forma pública, abre las puertas a nuevas investigaciones que ayuden a desarrollar terapias genéticas más viables y seguras para diferentes enfermedades. “La identificación de GSH en el genoma humano aumentará en gran medida los futuros esfuerzos terapéuticos de desarrollo centrados en la ingeniería de terapias celulares y génicas más eficaces y seguras”, explica el Dr. Donald Ingber, Director Fundador del Instituto Wyss de Ingeniería de Inspiración Biológica.

Proyecto CLARIFY: Desarrollan nuevos algoritmos de inteligencia artificial para facilitar el diagnóstico y tratamiento de tumores cancerosos de difícil interpretación clínica

 Un equipo de investigadores y empresas europeas, lideradas por la Universitat Politècnica de València (UPV), a través del grupo CVBLab-HUMAN-tech, ha desarrollado innovadores algoritmos de inteligencia artificial para facilitar el diagnóstico y tratamiento de tumores cancerosos de difícil interpretación clínica. Este es uno de los principales resultados del proyecto CLARIFY, que se encuentra actualmente en sus últimos meses de ejecución y que se centra concretamente en tres tipos de cáncer: el cáncer de mama triple negativo (TNBC), el cáncer de vejiga no músculo invasivo de alto riesgo (HR-NMIBC) y lesiones melanocíticas spitzoides (SML).

CLARIFY es un proyecto de investigación y formación de alto nivel innovador, transnacional, multisectorial y multidisciplinar que vincula dos especialidades altamente diferenciadas: ingeniería y medicina. En el marco del proyecto, nueve organizaciones de España, Países Bajos y Noruega están trabajando en el desarrollo e implementación de técnicas avanzadas de inteligencia artificial, procesado de imágenes y computación en la nube aplicadas al ámbito de la patología digital.

Además de la UPV, en el proyecto participan también el Instituto de Investigación Sanitaria INCLIVA, la Universidad de Granada, la Universidad de Amsterdam, el Hospital Universitario Erasmus MC de Rotterdam, la Universidad de Stavanger, el Hospital Universitario de Stavanger y las empresas bitYoga y Tyris Software. El Dr. Carlos Monteagudo es el investigador principal del proyecto CLARIFY en INCLIVA, donde coordina el Grupo de Investigación en Cáncer Cutáneo.

“En los tres tipos de cáncer en los que se centra CLARIFY el diagnóstico es complejo y supone un desafío al que desde este proyecto estamos dando respuesta ya. Con estos algoritmos, damos un paso más para facilitar a los profesionales médicos la interpretación de imágenes histológicas y, en último término, su diagnóstico”, destaca

Además de estos algoritmos, el proyecto ha conseguido ya otros resultados de gran interés, como bases de datos de los cánceres bajo estudio que pueden convertirse en valiosos recursos para la comunidad médica y científica, y ha permitido avanzar en la gestión segura de datos en la nube con requerimientos inherentes al ámbito sanitario y con varios escenarios de aplicación dentro del proyecto.

Uso de una IA capaz de detectar fake news

Una startup ha desarrollado un software de inteligencia artificial capaz de detectar noticias falsas, malware y contenido problemático.

Hace años que las famosas ‘fake news’ circulan por la red en busca de desinformar a los usuarios para alterar su opinión sobre temas políticos, económicos, sociales o científicos, entre otros. No son rumores, simplemente noticias engañosas que se envían con rapidez para llegar a más gente, son anónimas, no tienen fuente fiable, no caducan e incitan al lector a difundirlas.

¿Cuántas veces has recibido este tipo de bulos por WhatsApp o Facebook? En este sentido, las redes sociales tienen gran responsabilidad porque son medios de comunicación que difunden con mayor rapidez las noticias falsas. Por ello, Facebook ya ha incluido, en colaboración con la organización First Draft, una serie de consejos para detectar ‘fake news’. Puedes acceder a través de la pestaña de ‘noticias’ de tu muro o en sugerencias.

Para intentar solucionar este problema, la startup AdVerif.ai ha desarrollado un nuevo algoritmo que trabaja con un software de inteligencia artificial (IA) diseñado para detectar noticias falsas, malware y otro tipo de contenidos engañosos o problemáticos. La startup, que lanzó la versión beta en noviembre, está trabajando con plataformas de contenido y redes publicitarias de EE.UU. y Europa.

Verificación de noticias con la base de datos

¿Cómo funciona? El software analiza los contenidos para detectar sospechas de que algo no está bien, como demasiadas mayúsculas en un titular o que no coincidan con lo que dice el texto. Además, se encarga de verificar las noticias con su base de datos de miles de informaciones legítimas y falsas que van actualizándose semanalmente.

De esta manera, los clientes reciben un informe por cada contenido que el software analice, donde indica la probabilidad de que haya ‘fake news’, contenido malicioso o cualquier otro problema. Tras probar AdVerif.ai, el software reconoció la publicación de ‘The Onion’ (un medio parecido a El Mundo Today) como sátira; identificó cuando el logotipo de una cuenta de Twitter no estaba asociado con la marca a la que correspondía; y descubrió que una noticia de ‘Natural News’ con el titular ‘Las pruebas apuntan a que bitcoin es una guerra psicológica diseñada por la Agencia de Seguridad Nacional de EE.UU. para lanzar una moneda digital mundial’ era una ‘fake new’.

No obstante, aunque se desarrollen programas efectivos para detectar contenidos falsos, todavía queda mucho por hacer para combatirlos. De hecho, en diciembre de 2016 expertos en inteligencia artificial desarrollaron la plataforma ‘Fake News Challenge’ con el objetivo de crear nuevas tecnologías para combatir la difusión de contenido falso y engañoso.

Cómo aprovechar la inteligencia artificial para personalizar la educación

 Uno de los aspectos más revolucionarios de la integración de la inteligencia artificial en la pedagogía es la capacidad de personalizar el aprendizaje. Los algoritmos avanzados permiten adaptar los materiales educativos y las actividades de acuerdo con las necesidades y estilos de aprendizaje individuales.

Esta personalización no solo mejora la comprensión de los estudiantes, sino que también abre la puerta a un enfoque más holístico de la educación.

A continuación se presentan algunas opciones de implementación para la herramienta y cómo los profesores y estudiantes pueden beneficiarse de ella:

1. Análisis de datos y perfiles de estudiantes

Los sistemas de inteligencia artificial pueden analizar el desempeño, el comportamiento y los datos de preferencias de los estudiantes para crear perfiles individuales.

Los docentes pueden utilizar la información proporcionada por la inteligencia artificial para adaptar la enseñanza a las necesidades específicas de cada estudiante. La propia inteligencia artificial puede crear contenido de aprendizaje personalizado, recomendando y adaptando materiales en función del nivel de habilidad, la velocidad de aprendizaje y el estilo de aprendizaje de cada estudiante. Los profesores deben comprobar y ajustar estas recomendaciones y brindar orientación según sea necesario adicional.

2. Retroalimentación instantánea

La retroalimentación instantánea se obtiene a través de un proceso automatizado que implica el uso de software de inteligencia artificial integrado en plataformas educativas. Los estudiantes realizan tareas y evaluaciones dentro de un entorno digital, que podría ser una plataforma educativa en línea. Estas tareas podrían incluir preguntas de opción múltiple, ejercicios de escritura, proyectos prácticos u otras actividades asignadas por el profesor.

Una vez que los estudiantes completan estas tareas, el software entra en acción. Utilizando algoritmos y modelos de aprendizaje automático, la IA evalúa automáticamente las respuestas de los estudiantes. Este proceso implica comparar las respuestas con criterios predefinidos para determinar la precisión y la calidad del trabajo del estudiante.

Basándose en los resultados de la evaluación automática, la IA genera retroalimentación instantánea. Estos comentarios pueden ser personalizados para abordar las fortalezas específicas y las áreas de mejora de cada estudiante. La IA puede identificar patrones y proporcionar retroalimentación más detallada y específica que el manual de retroalimentación.

Los profesores pueden acceder a los resultados y la retroalimentación a través de la misma plataforma educativa. El sistema permite a los docentes revisar el desempeño individual de cada estudiante, observar las áreas en las que podrían necesitar más apoyo y comprender el progreso general de la clase.

3. Automatizar tareas administrativas

La automatización de tareas administrativas en el ámbito educativo mediante el uso de la inteligencia artificial (IA) puede mejorar significativamente la eficiencia de las instituciones educativas y liberar recursos para actividades más estratégicas. Aquí hay algunas formas en las que la IA puede ser utilizada para automatizar tareas administrativas en el campo de la educación:

1. Gestión de datos estudiantiles: La IA puede automatizar la recopilación, actualización y gestión de datos estudiantiles, incluyendo información académica, asistencia y registros de desempeño. Esto ayuda a mantener la información actualizada y accesible de manera eficiente.

2. Inscripciones y matrículas: Los procesos de inscripción y matrícula pueden beneficiarse de la automatización mediante sistemas que gestionan automáticamente la recopilación de datos, generan horarios y asignan recursos de manera eficiente.

3. Evaluación y retroalimentación automática: La IA puede evaluar automáticamente las respuestas de los estudiantes en tareas y evaluaciones, proporcionando retroalimentación instantánea y generando informes de desempeño. Esto alivia la carga de trabajo de los docentes y mejora la eficiencia en la evaluación.

4. Preguntas frecuentes: Los chatbots impulsados ​​por IA pueden ser utilizados para responder preguntas frecuentes de estudiantes, padres y personal, ofreciendo información instantánea sobre horarios, políticas escolares, eventos y más.

5. Planificación y programación: La IA puede ser utilizada para optimizar la programación de clases, asignando profesores y aulas de manera eficiente, teniendo en cuenta las preferencias y disponibilidad de recursos.

6. Sistemas de alerta temprana: La IA puede identificar patrones en el rendimiento académico y comportamiento de los estudiantes, proporcionando alertas tempranas a los educadores sobre posibles desafíos que puedan enfrentar los estudiantes.

7. Gestión financiera: La automatización a través de la IA puede facilitar la gestión de finanzas escolares, incluyendo la facturación, el seguimiento de pagos y la generación de informes financieros.

4. Desarrollo de habilidades socioemocionales

La educación no solo se ocupa de los conocimientos académicos, sino también de desarrollar habilidades socioemocionales. La inteligencia artificial puede ser utilizada para evaluar y apoyar el desarrollo de habilidades como la empatía, la colaboración y la resolución de problemas.

Mediante la integración de escenarios virtuales y simulaciones, los estudiantes pueden enfrentarse a situaciones del mundo real, mejorando sus habilidades emocionales y sociales de manera personalizada.

A medida que continuamos explorando las posibilidades de esta tecnología, es fundamental abrazar su potencial para construir un futuro educativo más inclusivo y personalizado.

Inteligencia Artificial y su poder en el mercado mundial

 Ya hace tiempo que los economistas sabemos de la existencia de la economía de las constelaciones . Es decir, de un mundo en el que personas y empresas con habilidades especiales –no siempre ganadas con esfuerzo, mérito y competitividad– dominan cuotas crecientes del poder de mercado.

También sabemos que, con la transformación digital, los efectos de red y plataforma (es decir, la capacidad para generar valor a través de la conexión entre un número creciente de usuarios) dominan los modelos de negocio y la ventaja competitiva de las empresas digitalizadas.

Estos dos fenómenos se han interrelacionado hasta el punto de que, en la mayoría de los sectores de la economía, unas pocas empresas dominan el negocio. Se calcula que hay en el mundo 400 grandes empresas superestrellas , globales y digitalizadas, que ejercen un poder de mercado de tal magnitud que supera ampliamente el ámbito económico y extiende peligrosamente sus conexiones al ámbito político e institucional.

Ahora que terminamos de pasar la semana de Sant Jordi, tengo una recomendación para los escépticos: lean La paradoja del beneficio , el último y excelente libro de Jan Eeckhout, uno de los más prestigiosos economistas académicos del mundo en temas de poder de mercado.

Innovación destructiva

Alguien podría pensar que esta dinámica de concentración podría llegar a ser beneficiosa para el empleo. ¿Cuál es el peligro para la creación de empleos de calidad que 400 empresas globales, digitalizadas y supereficientes dominan los mercados? ¿Por qué preocuparse por los efectos de la innovación tecnológica y la destrucción creativa ? Al fin y al cabo, ¿no es la transformación digital el motor de la eficiencia, el crecimiento económico, el empleo y la prosperidad material de las personas? Bueno, a tenor de los datos más recientes, los investigadores de la transformación digital ya no estamos tan seguros de ello.

Hemos comprobado que esta segunda oleada digital, basada principalmente en la inteligencia artificial , está impulsando aumentos de productividad, empleo y bienestar en muchas empresas y ramas de actividad, especialmente cuando funcionan las relaciones de complementariedad con el capital humano y la innovación organizativa.

Al mismo tiempo, otras personas, empresas y sectores están quedando desplazados por la destrucción creativa . Muchos piensan que con la capacitación adecuada y las capacidades necesarias en las empresas, los puestos de trabajo perdidos serán compensados ​​con más emprendimiento, innovación y dinamismo económico que creará la IA. Sin embargo, algo está fallando.

La IA de los videojuegos aprende a detectar qué sentimos cuando jugamos

 La inteligencia artificial (IA) ha evolucionado significativamente en los últimos años. Uno de sus avances más espectaculares es la llamada IA emocional o IA afectiva.

Pero ¿qué es exactamente una IA emocional? En esencia, es un tipo de IA que no solo procesa datos y ejecuta tareas, sino que también tiene la capacidad de reconocer, interpretar y responder a las emociones humanas. Es decir, una IA que, por ejemplo, no solo entiende lo que usted dice, sino cómo se siente al decirlo.

Esta tecnología revolucionaria está empezando a encontrar su camino en el mundo de los videojuegos, transformando la manera en la que los experimentamos. En ellos, la IA emocional promete una experiencia más rica e inmersiva. ¿Cómo sería jugar un juego que se adapta a su estado de ánimo? ¿Un juego que responde a su alegría, su frustración o su tristeza? Hablamos de un nivel de personalización y conexión emocional nunca antes visto en este entorno.

Nuevos niveles de experimentación

Uno de los aspectos centrales de la IA afectiva es su capacidad para reconocer, comprender y adaptarse a las emociones de los jugadores.

Esto se logra mediante algoritmos, redes neuronales y métodos de procesamiento de datos que evalúan entradas como expresiones faciales, tonos de voz y señales fisiológicas. El objetivo es construir un sistema que no solo comprenda las emociones humanas en tiempo real, sino que también personalice sus respuestas en función de esas emociones.