Noticias
Se trata de un fondo que se ha vuelto cada vez más competitivo en el ámbito científico local. Este año, cinco investigadores del Instituto Milenio Fundamentos de los Datos (IMFD), de distintas áreas, se adjudicaron Fondecyt Regular 2020 para el desarrollo de sus proyectos. Estos últim0s, están en la línea de lo que viene realizando el IMFD desde su creación.
- Arquitecturas de redes neuronales con IA:
Pablo Barceló, subdirector del IMFD -junto a Jorge Pérez, investigador asociado del mismo- se adjudicó un Fondecyt Regular 2020 para un proyecto relacionado con las arquitecturas de las redes neuronales actuales. “Trabajando en la línea de inteligencia artificial (IA) con explicación, se trata de entender lo que hacen las arquitecturas de redes neuronales que se usan hoy. Analizarlas con otras lecturas, desde la lógica, por ejemplo, para ver su poder expresivo y computacional, y definir con más certeza qué pueden hacer y qué no”, explica el académico, quien además es director del Instituto de Ingeniería Matemática y Computacional de la U. Católica.
Su proyecto, agrega, tiene algunos componentes principales, como las redes neuronales de grafos y cómo aprovechar la estructura de grafos para hacer un aprendizaje más robusto y poderoso; y el cruce entre el sistema de base de datos y el área de machine learning, “es decir cuáles son los lenguajes que pueden unir a estos dos mundos”, dice el investigador.
La investigación -que cuenta con financiamiento por tres años- tiene un impacto técnico y social, afirma Barceló. “El impacto técnico es encontrar componentes mínimos de redes neuronales actuales que expliquen su poder computacional”. Desde el punto de vista social, su impacto es explicar mejor lo que hacen las redes neuronales. “Un learning más entendible (…). Personalmente, este proyecto me permite conectar mi base científica, que es lógica y matemática, con temas tan candentes como el machine learning. Las herramientas que provee la lógica han sido desarrolladas hace más de un siglo, y eso hay que aprovecharlo”, señala Barceló.
- Noticias falsas en redes sociales:
Ese es, justamente, el nombre del proyecto que lidera Marcelo Mendoza, investigador del IMFD y académico del Departamento de Informática de la U. Federico Santa María. “Noticias falsas en redes sociales” es una iniciativa a cuatro años, con tres “productos” o resultados esperados, explica Mendoza. “Uno de ellos es disponer de un método de clasificación de posturas, o ‘estados’, en español, para Twitter y Facebook”, dice el investigador. La idea con esto es tener una percepción global de la red respecto a un tema específico. Un segundo producto que contempla el proyecto es elaborar un clasificador de bots en la red social chilena. “Tener una representación de la red social en Chile, básicamente de Twitter, aunque también se involucra a Facebook en el proyecto”, detalla Mendoza. Finalmente, el tercer resultado esperado está relacionado con la caracterización de la red, es decir, un análisis de los tipos de cuenta: “Si son activistas, por ejemplo, bots o usuarios con comportamiento estándar. El objetivo es saber, en tiempo real y con un # asociado a algún tema, cuántas personas están a favor o rechazan un tema. O cuántos bots han estado involucrados”, señala el académico.
El proyecto parte del supuesto que la red social es una “caja negra” y quiere disponibilizar a la red “como una caja blanca”, agrega Mendoza. ¿El impacto? Más conocimiento sobre cómo se genera la información en Twitter y también hacer este análisis para Chile. “Es la primera vez que se haría para Chile de modo sistemático, para proporcionar resultados concretos que la gente pueda usar (…). A futuro, podrías tener un observatorio de noticias falsas”, asegura Mendoza.
El proyecto involucra a estudiantes de postgrado de la U. Federico Santa María y colaboradores del extranjero, puntualmente, de la U. de Pisa (Italia) y la U. de Dalhousie (Canadá).
El componente de divulgación es relevante, ya que “Noticias falsas en redes sociales” contempla la publicación de un libro sobre el tema, donde estaría incluida la investigación.
- Mendicidad callejera y políticas públicas:
El investigador del IMFD, Cristián Pérez, aborda en su Fondecyt Regular el problema de la mendicidad callejera, tema que ha venido estudiando durante varios años. “Me he centrado en analizar algunas políticas anti-mendicidad utilizadas en países desarrollados. Este proyecto es un esfuerzo por estudiar las especificidades de esta problemática en sociedades como la chilena”, cuenta el doctor en Ciencia Política de la Universidad de Washington en St. Louis, Estados Unidos.
Su investigación está centrada en dos fenómenos relacionados con la mendicidad callejera: “Analizar éticamente cómo deberíamos responder, de forma individual, a las demandas de mendigos callejeros que reclaman ayuda en el espacio público, y evaluar las implicaciones normativas de algunas de las políticas e instituciones que se utilizan en ciertas ciudades para regular el comportamiento de estas personas”, explica Pérez.
¿Cómo deberíamos responder frente a las demandas de mendigos callejeros? ¿Qué tipo de instituciones tienen que regular las interacciones entre transeúntes y mendigos? ¿Qué políticas son normativamente justificadas para regular el comportamiento de quienes demandan asistencia en la calle? Estas son algunas de las preguntas que guían la investigación, en un contexto como el de Chile, “donde existen muy pocos trabajos normativos y de políticas públicas sobre el fenómeno de la mendicidad callejera”, agrega el investigador.
Justamente, el objetivo de este trabajo es generar insumos que puedan ayudar de alguna forma al debate público sobre el fenómeno de la mendicidad. Pérez afirma que “necesitamos conocer bien no sólo las políticas existentes -y sus implicaciones-, sino también las que podríamos o deberíamos tener”.
- Compresión y búsqueda eficiente de datos repetitivos:
Gonzalo Navarro, académico de Computación de la U. de Chile e investigador del IMFD, es el responsable de este proyecto que busca resolver problemas asociados con la extracción eficiente de información, de datos muy repetitivos. Por colección repetitiva se entiende un conjunto de documentos donde la mayoría de ellos se puede obtener, básicamente, copiando pedazos de otros y haciendo pequeños cambios. Un ejemplo de ello son un conjunto de genomas humanos. O Wikipedia con todas sus versiones.
“Me centro en textos y busco tres cosas. Una de estas es entender mejor la relación entre repetitividad y extracción eficiente; es decir, saber cuál es el límite de la compresibilidad en las colecciones repetitivas según cuán eficientemente se pueda acceder a los datos comprimidos, lo que hasta ahora no está muy claro”, dice Gonzalo Navarro.
Otro de los focos del proyecto es la practicidad. “Hay muchos compresores y estructuras propuestas, pero existen muy pocas implementadas. Quiero implementar varias que están propuestas sobre el papel y que se ven promisorias; hacerlas reales y ver cómo funcionan. Para eso se necesitan nuevas técnicas para construir estas estructuras -representaciones comprimidas- eficientemente en colecciones muy grandes”, detalla el académico de la U. de Chile.
El tercer objetivo de su investigación está relacionado con la interrogante sobre cuáles son las preguntas correctas para este tipo de datos. “Lo que se hizo hasta ahora es tomar las preguntas que se hacen siempre sobre colecciones de documentos, textos, genomas, etc.: básicamente variantes de buscar dónde ocurre un determinado patrón. Pero cuando los datos son repetitivos algunas de esas preguntas no tienen tanto sentido y pueden haber otras que sean interesantes”, señala Navarro. “Estamos investigando cómo hacer eficientemente las preguntas de siempre -como las que hacemos en Wikipedia- y tal vez no sean las preguntas que hay que hacer. Por ejemplo, podría ser más interesante preguntar: ¿qué tiene esta versión de distinto de las otras? O ¿cuáles son las zonas que más cambian a lo largo de las versiones?”, ejemplifica.
El impacto más importante sería lograr manejar información de datos repetitivos usando mucho menos espacio, para así manejar colecciones mucho más grandes. Navarro explica que “podríamos reducir los costos que hoy tiene manejar grandes volúmenes de datos en dos o tres órdenes de magnitud”.
- Bases genéticas de distintos fenotipos:
Encontrar las bases genéticas de distintos fenotipos es el leimovit del proyecto Fondecyt Regular que se adjudicó Susana Eyheramendy, investigadora del IMFD y académica de la Facultad de Ingeniería y Ciencias de U. Adolfo Ibáñez. “En este en particular, voy a trabajar con una cohorte de niños chilenos, que fueron reclutados en el INTA -Instituto de Nutrición y Tecnología de los Alimentos-, de la U. de Chile. Contamos con aproximadamente 1.000 niños de Santiago sur, que han sido seguimos desde que entraron a la sala cuna y se las ha ido midiendo el peso, la estatura y fenotipos de pubertad y desarrollo sexual, entre otros”, explica la investigadora.
¿La idea? “Ver todos estos fenotipos y tratar de encontrar las bases genéticas que lo explica e identificar cuáles son los factores de riesgo que pueden llevar a la llegada a la pubertad a edad temprana, o a la obesidad”, ejemplifica la Eyheramendy.
La investigación está planteada como una mezcla entre el desarrollo de métodos estadísticos y encontrar la biología detrás de los fenotipos a los que apunta el proyecto.
Según la académica, el objetivo es responder a la pregunta de por qué tenemos tanta obesidad en los niños en Chile, lo que representa un problema de salud pública. “También se cree que la llegada temprana a la pubertad puede estar gatillada por la obesidad y todas esas cosas uno quisiera prevenirlas”, asegura Eyheramendy, quien agrega que el foco es prevenir factores de riesgo a través de las bases genéticas, que son aquellas no modificables.
