Desde vehículos autónomos hasta robots de respuesta de emergencia, la inteligencia artificial de aprendizaje automático está entrando rápidamente en nuestra vida diaria.
AI se está desarrollando a un ritmo impresionante y continúa ayudando a mejorar la medicina, la ingeniería, la robótica y el entretenimiento.
Cada día, científicos de todo el mundo desarrollan nuevas tecnologías innovadoras, que van desde la diversidad desde robots flexibles hasta algoritmos que pueden detectar el comportamiento de los animales, y las mujeres a menudo se encuentran a la vanguardia de ese trabajo.
En este artículo, destacamos a las mujeres 11 que están "matándolo" en AI.
[divisor]
Dina Katabi
Andrew & Erna Viterbi Profesor de Ingeniería Eléctrica e Informática, MIT
En un nuevo proyecto innovador, Dina Katabi y un equipo de investigadores del MIT han desarrollado un sistema computarizado, denominado "RF-Pose", que usa la IA para ver a las personas a través de las paredes.
RF-Pose funciona utilizando una red neuronal para analizar las frecuencias de radio que reverberan en los cuerpos de las personas. Como AI aprende con el ejemplo, los investigadores enseñaron a la máquina a asociar señales de radio particulares con acciones humanas específicas.
Los investigadores recolectaron miles de imágenes de personas en actividades como caminar, hablar, pararse, sentarse y abrir puertas y ascensores, y utilizaron las imágenes para crear figuras de palos que se presentan de la misma manera.
Luego emparejaron estas poses de figuras de palo con las señales de radio correspondientes y se las mostraron a la IA. Esto permitió que el sistema detectara las posturas y el movimiento de las personas en tiempo real, incluso desde detrás de las paredes o en la oscuridad.
Katabi cree que la tecnología se puede utilizar para fines médicos, lo que permite a los médicos observar la progresión de la enfermedad en la enfermedad de Parkinson, la esclerosis múltiple y la distrofia muscular.
"Estimar la pose humana es una tarea importante en la visión por computadora con aplicaciones en vigilancia, reconocimiento de actividades, juegos, etc.", dijo Katabi a TUN.
[divisor]
Rebecca Kramer-Bottiglio
Profesor asistente de ingeniería mecánica y ciencia de los materiales, Universidad de Yale
Imagine un robot flexible que podría ser reprogramado para realizar innumerables tareas. Mejor aún, un dispositivo que podría usarse para transformar cualquier objeto inanimado e inanimado antiguo, por ejemplo, su animal de peluche favorito, en un robot completamente funcional.
Aunque pueda sonar a ciencia ficción, Rebecca Kramer-Bottiglio y un grupo de investigadores de la Universidad de Yale están haciendo esto una realidad.
El equipo de investigación ha desarrollado un material elástico programable llamado "OmniSkins" que se puede utilizar para hacer una robot multipropósito sobre la marcha.
Estas "pieles robóticas" están compuestas por láminas elásticas integradas con sensores y actuadores. Vienen en diferentes formas y tamaños, y son modulares, lo que significa que se pueden combinar y organizar de varias maneras para adaptarse a diferentes objetos y realizar diferentes funciones.
En lugar de estar diseñados para realizar una tarea específica, están diseñados teniendo en cuenta la versatilidad. La idea es que el usuario los reprograme para realizar cualquier tarea que se requiera en ese momento, como una navaja suiza robótica.
"Podemos tomar las pieles y envolverlas alrededor de un objeto para realizar una tarea, como la locomoción, por ejemplo, y luego quitarlas y colocarlas en un objeto diferente para realizar una tarea diferente, como agarrar y mover un objeto", Kramer- Bottiglio dijo en un comunicado.
"Luego podemos quitar esas mismas pieles de ese objeto y ponerlas en una camisa para hacer un dispositivo portátil activo".
[divisor]
Monica emelko
Profesor de Ingeniería Civil y Ambiental, Universidad de Waterloo, Canadá
Cada año, debido a muchos factores, como el aumento de la temperatura y el uso excesivo de fertilizantes agrícolas, las fuentes de agua en todo el país se cubren cada vez más con gruesas capas de algas tóxicas, que amenazan a las familias y la vida silvestre.
Pero con la ayuda de Monica emelko y un equipo de investigadores de la Universidad de Waterloo, AI puede ayudar a proteger nuestra agua de toxinas.
"Es fundamental tener agua corriente, incluso si tenemos que hervirla, para la higiene básica", dijo Emelko en un comunicado. "Si no tienes agua corriente, la gente comienza a enfermarse".
Los investigadores desarrollaron un sistema de IA que utiliza un software en combinación con un microscopio para analizar de forma económica y automática muestras de agua para detectar células de algas en aproximadamente una a dos horas, incluida la confirmación de los resultados por parte de un analista humano.
En lugar del método actual que solo puede analizar un área pequeña observando solo un par de microorganismos a la vez, este sistema identifica y cuenta millones de microorganismos de volúmenes de muestra de agua más grandes en cuestión de segundos, utilizando un microscopio estándar.
“La capacidad de hacer todo esto automáticamente en cuestión de segundos puede permitir que las instalaciones de agua realicen exámenes directamente en el sitio de manera frecuente y rápida para mantener el agua segura”, coautor Alexander Wong dijo TUN.
[divisor]
Sabrina Hoppe
Estudiante de doctorado, Universidad de Stuttgart, Alemania
&
Stephanie A. Morey
Estudiante de doctorado, Universidad de Flinders, Australia
Sabrina Hoppe y Stephanie A. Morey, trabajando junto con investigadores de la Universidad de Australia del Sur, ayudó a crear un algoritmo de aprendizaje automático que puede predice los rasgos de la personalidad humana siguiendo el movimiento de los ojos.
La tecnología de inteligencia artificial puede analizar los movimientos oculares de una persona y reconocer cuatro de los cinco grandes rasgos de personalidad: neuroticismo, extraversión, amabilidad y conciencia.
Para probar el algoritmo, los investigadores reclutaron a participantes de 42 y los equiparon con un rastreador ocular basado en video montado en la cabeza de 60 Hz que registraba datos de la mirada y video de alta resolución mientras realizaban tareas diarias en un campus universitario.
Luego, los investigadores compararon los datos de la mirada con los rasgos de personalidad al darles a los participantes tres cuestionarios establecidos de autoinformación, y encontraron que los movimientos oculares de las personas pueden revelar si son sociales, concienzudos o curiosos.
El software abre la posibilidad de que algún día desarrolle robots que estén en sintonía con las señales humanas y la socialización.
“Las interacciones hombre-máquina son actualmente antinaturales. El cajero automático, la computadora, el teléfono no se adaptan a nuestro estado de ánimo ni al contexto situacional actual ". Tobias Loetscher, un profesor titular en la Escuela de Psicología, Trabajo Social y Política Social de la Universidad de Australia del Sur, dijo a TUN.
"No importa si estoy contento, enojado, confundido, irónico, irritado; la computadora no es empática ni se adapta a mi situación". Si logramos proporcionar a las computadoras la capacidad de detectar y comprender las señales sociales humanas, las interacciones serán más naturales y placenteras ".
[divisor]
Shuting Han
Estudiante de Posgrado, Universidad de Columbia
El comportamiento animal ha sido objeto de investigación científica desde los días de Aristóteles, pero hasta ahora, los estudios en este campo se han restringido a horas de observación escrupulosa y toma de notas.
Pero con la ayuda de Shuting Han y su equipo en la Universidad de Columbia, Ahora se puede usar la IA para estudiar el comportamiento animal Tanto de forma rápida como efectiva.
Los investigadores han desarrollado un algoritmo innovador que puede analizar con éxito las horas de video de Hydra, un invertebrado minúsculo de agua dulce, y comprende su gama completa de comportamientos.
Al filtrar la información de spam, el algoritmo es capaz de detectar tendencias en el comportamiento del animal.
Trabajando como un algoritmo de "bolsa de palabras", un tipo popular de algoritmo que se usa a menudo para filtrar el correo no deseado, el algoritmo aprende a clasificar diferentes patrones visuales (formas y movimientos) en videos de Hydra y selecciona movimientos repetitivos.
Al hacerlo, la tecnología identifica los diferentes patrones de comportamiento del animal.
"Aunque utilizamos nuestro enfoque para construir el mapa de comportamiento completo de Hydra, nuestro método también proporciona un marco general para el reconocimiento de comportamiento de animales deformables, y es potencialmente aplicable a todas las especies animales", dijo Han a TUN.
"De hecho, combinado con el mapa completo de actividad neuronal de un animal, nuestro estudio abre la posibilidad de descodificar el código neuronal para todos los comportamientos en un animal, y podría permitir avances potenciales en neurociencia, biología evolutiva, inteligencia artificial y aprendizaje automático".
[divisor]
Joni Holmes
Jefe del Centro para el Aprendizaje y la Memoria (CALM), Unidad de Cognición y Ciencias del Cerebro del Consejo de Investigación Médica, Universidad de Cambridge, Reino Unido
Joni Holmes, junto a otros investigadores de la Universidad de Cambridge, usé AI para identificar grupos de dificultades de aprendizaje en ninos.
Los investigadores utilizaron datos de cientos de niños con dificultades académicas a los que se les había diagnosticado previamente trastornos de aprendizaje, como el trastorno por déficit de atención con hiperactividad (TDAH), autismo y dislexia, y encontraron que muchas de las dificultades de aprendizaje informadas no coincidían con un diagnóstico general.
Descubrieron esto al proporcionar un algoritmo de computadora con datos de pruebas cognitivas de los niños de 550, que incluían medidas de audición, razonamiento espacial, resolución de problemas, vocabulario y memoria.
Después de analizar los datos, el algoritmo sugería que los niños encajaban mejor en cuatro grupos de dificultades, que se alineaban con otros datos educativos e informes de los padres, pero no con el diagnóstico previo.
Al incluir a los niños con todas las dificultades, independientemente del diagnóstico, el algoritmo puede capturar mejor el rango de dificultades dentro, y que se superponen entre las categorías de diagnóstico.
Esto permite a los investigadores comprender que un diagnóstico general no es el mismo para todos los estudiantes. Por ejemplo, un estudiante con TDAH puede estar experimentando el aprendizaje de una manera completamente diferente que otro estudiante con TDAH.
"Nuestro trabajo sugiere que los niños que encuentran difíciles los mismos temas podrían estar luchando por razones muy diferentes, lo que tiene implicaciones importantes para seleccionar las intervenciones apropiadas", dijo Holmes en una declaración.
[divisor]
Miyuki Hino, Elinor Benami y Nina Brooks
Estudiantes de posgrado, Programa interdisciplinario de Emmett sobre medio ambiente y recursos, Universidad de Stanford
Los reguladores ambientales gubernamentales a menudo están sobrecargados de trabajo y carecen de fondos suficientes, lo que hace que los peligros ambientales masivos no se detecten cada año.
Viendo esto como un gran problema, los estudiantes graduados de la Universidad de Stanford Miyuki Hino, Elinor Benami y Nina Brooks recurrió a la tecnología de aprendizaje automático para obtener ayuda.
Dirigido por Hino, el equipo de estudiantes se centró en la Ley de Agua Limpia y Computadoras entrenadas para detectar automáticamente patrones. en datos utilizando información de inspecciones de instalaciones de agua pasadas.
Implementaron una serie de modelos para predecir la probabilidad de fallar en una inspección basada en las características de la instalación, como la ubicación, la industria y el historial de inspección. Luego, las computadoras generaron un puntaje de riesgo para cada instalación, indicando la probabilidad de que no pasara una inspección.
Esto permite a los reguladores ambientales priorizar y predecir violaciones peligrosas.
"Especialmente en una era de presupuestos decrecientes, es fundamental identificar formas rentables de proteger la salud pública y el medio ambiente", dijo Benami en un comunicado.
Hino señaló que el aprendizaje automático tiene sus inconvenientes.
"Los algoritmos son imperfectos, pueden perpetuar sesgos en ocasiones y pueden ser jugados", dijo en un comunicado.
Pero, el equipo sugirió remedios para estas limitaciones y métodos para integrar el aprendizaje automático en los esfuerzos de cumplimiento.
"Este modelo es un punto de partida que podría aumentarse con mayor detalle sobre los costos y beneficios de diferentes inspecciones, violaciones y respuestas de cumplimiento", dijo Brooks en una declaración.
[divisor]
Narges Razavian
Profesor asistente en los Departamentos de Radiología y Salud de la Población, NYU School of Medicine
La identificación de los tipos de cáncer de pulmón puede ser difícil incluso para los patólogos experimentados, pero con la ayuda de Narges Razavian y un programa de aprendizaje automático, las precisiones dentro del campo pueden mejorarse.
Razavian y su equipo de investigación desarrollado un programa de inteligencia artificial que puede distinguir con 97 el porcentaje de precisión entre el adenocarcinoma y el carcinoma de células escamosas, dos de los tipos de cáncer más difíciles de identificar sin pruebas confirmatorias.
El programa también puede determinar si las versiones anormales de seis genes relacionados con el cáncer de pulmón, incluidos EGFR, KRAS y TP53, están presentes en las células, con una precisión que varía entre 73 y 86, según el tipo de gen.
Dichas mutaciones genéticas a menudo se atribuyen a causar un crecimiento anormal o proporcionar pistas visuales para el análisis automatizado. Desafortunadamente, las pruebas genéticas actuales que se utilizan para confirmar la presencia de mutaciones pueden tardar semanas en volver.
Con este nuevo enfoque de IA, los médicos pueden determinar instantáneamente el subtipo de cáncer y el estado mutacional para que los pacientes comiencen la terapia antes.
"En nuestro estudio, nos entusiasmó mejorar las precisiones a nivel de patólogo y demostrar que la IA puede descubrir patrones previamente desconocidos en las características visibles de las células cancerosas y los tejidos que las rodean", dijo Razavian en un comunicado.
"La sinergia entre los datos y el poder computacional está creando oportunidades sin precedentes para mejorar tanto la práctica como la ciencia de la medicina".
[divisor]
Conclusión
Aunque los desarrollos de la inteligencia artificial a menudo pueden parecer ciencia ficción, en realidad, avances tan increíbles están sucediendo a tasas sin precedentes y, a menudo, inimaginables.
AI está ayudando a nuestro mundo en casi todos los campos de la ciencia, y cada una de estas mujeres ha contribuido con un trabajo significativo a nuestro mundo cada vez más tecnológico.
