Gema Parreño acaba de arrancar una aventura profesional apasionante como desarrolladora de proyectos de machine learning, aplicado a videojuegos, dentro de Google AI, el área de investigación de inteligencia artificial de la multinacional. Antes ya había obtenido grandes resultados como científica de datos en BBVA Innovation Labs, trabajando en el diseño y ejecución de modelos con la misma tecnología, relacionados con las finanzas. “BBVA ha utilizado los datos para ayudar a los usuarios a controlar su actividad económica, incentivando que sean más conscientes de su realidad financiera”, comenta. Arquitecta de formación, ha aplicado dicha tecnología para mejorar la detección de fraudes en el banco. “A mí lo que me gusta es crear cosas para resolver problemas y la arquitectura tiene mucho que ver con esto”, cuenta Parreño, que recuerda cómo, con 12 años, creó junto a su hermano su primer videojuego, una aventura gráfica en la que había que ir resolviendo puzles.
Pero se cruzó la vocación. Esta albaceteña de 31 años confiesa que disfruta enfrentándose continuamente a nuevas hipótesis, para ponerlas a prueba. Como sucedió con la creación de Deep Asteroid, un programa a modo de herramienta para clasificar y predecir el impacto de asteroides sobre la Tierra. El input, es decir, los datos que introducen, proviene de la observación del propio asteroide y el resultado (output) es la fecha de impacto del mismo. Por séptimo año consecutivo, la Agencia Espacial Norteamericana (NASA) se encuentra en plena búsqueda de ideas del público, en general, para resolver retos propuestos por sus científicos e ingenieros. Es el objetivo de NASA Space Apps Challenge, una competición global que reúne a más de 2.000 equipos entre 70 ciudades distintas. A través de estos ítems, la NASA busca ayuda para mejorar nuestra comprensión del planeta y el lugar que ocupamos en el universo, así como resolver algunos de los grandes problemas a los que se enfrenta la humanidad.
En 2016, Deep Asteroid se presentó como respuesta al problema de clasificación y predicción del impacto de los llamados NEO (Near Earth Objects), objetos que orbitan alrededor del sistema solar y pueden ser clasificados dentro de dos grandes grupos: cometas y asteroides. El proyecto fue seleccionado como uno de los 25 más innovadores, a nivel global, y entre los 5 primeros en la categoría ‘mejor uso de datos’, centrados en los NEO que forman parte del grupo de los asteroides. Desde entonces, el equipo liderado por Parreño ha experimentado de forma paralela con diferentes frameworks y herramientas en busca de cambios en cuanto a la clasificación del propio asteroide y su fecha de impacto.
Redes neuronales
El deep learning o aprendizaje profundo hace referencia a una rama dentro del machine learning, o aprendizaje automático, basada en las redes neuronales. Es decir, permite que las máquinas aprendan, pero además sean capaces de entrenarse a sí mismas. A nivel conceptual y de diseño, se trata de un proceso multicapa en el que una serie de nodos (o neuronas) se activan a través de un flujo de datos, por lo que en cada capa se pueden ir introduciendo nuevos datos o trabajar los que ya existen. En palabras de Parreño, “pueden utilizarse métodos de aprendizaje supervisados y otros algoritmos que no están basados en deep learning”. Deep Asteorid persigue detectar cambios, tanto en la clasificación (desde el color del asteroide hasta su velocidad) como en la fecha de impacto y busca alimentar esa red neuronal volviendo a entrenar alguno de sus nodos. “No es fácil predecir su impacto, puesto que en muchas ocasiones las observaciones y los datos recogidos hacen que modifique su clasificación a lo largo del tiempo”, explica Gema, lo cual complica el proceso de automatización. Un proyecto complejo desarrollado con TensorFlow, la biblioteca de código abierto de Google: “TensorFlow ha sido utilizado para productos tan significativos como el buscador de Google y está ya integrado en otras herramientas como Gmail o Android”.
Deep Asteroid supuso el pistoletazo de salida para el desarrollo de nuevos proyectos donde la IA ha tenido un papel protagonista, como el videojuego StarCraft II, impulsado en conjunto por Blizzard y DeepMind. Ella se encuentra inmersa, por un lado, en la contribución de la documentación del repositorio técnico y, por otro, continúa la investigación de DeepMind, profundizando en el campo de la IA y su aplicación a los videojuegos. Un nuevo reto en el que la científica comenzó colaborando, hace año y medio, como desarrolladora open source, de manera independiente. “Es la rama de IA de Google. StarCraft II es un juego de estrategia de gran complejidad, por todas las decisiones que se deben tomar para resolver el objetivo en poco tiempo”, explica. Pero va mucho más allá de un videojuego. Se trata de conseguir que inteligencias artificiales interactúen en entornos muy complejos, porque cualquier entorno real de la vida, basado en la tecnología, puede ser estocástico y difícil de controlar. “En la bolsa, por ejemplo, existen numerosas divisas y factores que influyen, por lo que es complicadísimo predecir lo que va a pasar. Utilizar IA que haya interactuado en estos entornos complejos puede servir de ayuda. También en el ámbito de la medicina, a la hora de crear nuevos antibióticos”, explica. Gema aboga por entrenar a las inteligencias artificiales en entornos tubulares, acotados, en medio del debate existente en torno a la amenaza que supone la IA si llega a tomar decisiones que afecten a la vida de los humanos de forma significativa.