Redacción
En Estados Unidos, desde el año 2004, lograron predecir los resultados de la elección presidencial y no fue porque las encuestadoras acertaran, sino gracias a una aplicación de Inteligencia Artificial (IA), que analizó millones de datos obtenidos de Google, YouTube y Twitter.
A nivel local, hicieron algo similar en las elecciones presidenciales del año 2016. Un equipo de docentes de Ciencia de la Computación de la Universidad Católica San Pablo, vaticinó que Pedro Pablo Kuczynski y Keiko Fujimori —en ese orden—, pasarían a la segunda vuelta, aunque los resultados oficiales invirtieron esta colocación.
¿Cómo lograron este nivel de predicción? José Ochoa Luna, docente universitario y especialista en IA de la San Pablo, explica que la aplicación usada en ambos casos, fue lo que se conoce como machine learning o aprendizaje automático.
Lo que hicieron, fue diseñar un modelo predictivo que procesó los datos obtenidos de las redes sociales, para identificar la intención de voto y luego, se proyectaron los resultados electorales.
Claro que, mientras en la nación norteamericana se catapultó a la fama la startup india Genic.Ai (por crear el sistema MogIA), en nuestro caso, fue un buen ensayo para medir la utilidad de un algoritmo en el mapeo de la opinión de los electores a favor o en contra de determinado candidato.
Es más, José Ochoa asegura que, si en nuestro país las elecciones fueran solo entre dos o tres candidatos —como ocurre en el país de Norteamérica — y contaran con los recursos para implementar un sistema de machine learning a gran escala, podrían llegar a pronosticar al nuevo inquilino de la casa de Pizarro.
EL DATO
¿Qué es el machine learning?
Es una disciplina de la Inteligencia Artificial (IA) que, a través de algoritmos, otorga a los ordenadores la capacidad de identificar determinados patrones en datos masivos y elaborar predicciones.
Análisis de sentimiento
Esta primera experiencia en el uso de un algoritmo de machine learning, permitió desarrollar un proyecto de investigación, también al interior de la San Pablo y que medirá la reacción de la población (a través de las redes sociales) sobre cuestiones políticas.
La técnica utilizada en este caso, es el análisis de sentimiento para la detección de emociones positivas, negativas o neutras, sobre un tema, noticia o producto; incluso se puede evaluar la reacción que provoca en la gente, la actuación de una persona o de una entidad pública o privada.
De esta forma, se podrá cuantificar (en tiempo real) el impacto que podría generar, por ejemplo, el mensaje presidencial o el anuncio de una acción de gobierno entre la población. Todo —una vez más— a partir de lo publicado en Internet.
José Ochoa, coordinador del proyecto de investigación: Análisis de datos masivos en redes sociales para detección de tendencias estratégicas en asuntos relacionados a política y salud (financiado por Concytec), señaló que, en junio próximo, tendrían listo el prototipo que recurre al machine learning.
Este posibilitará la identificación de patrones del comportamiento de las personas, a partir del procesamiento del lenguaje natural (del ser humano), análisis de textos y la ciencia datos.
Otro componente de esta investigación, es el análisis de noticias y reportes médicos sobre el brote de determinadas enfermedades en Sudamérica. Con ello, se podrá elaborar un mapa de enfermedades prevalentes y así determinar su ubicación temporal e impacto en la población.
Está de moda
El uso de este recurso de la Inteligencia Artificial (IA), no tiene limitación alguna en ningún campo de la actividad humana.
“En todos los sectores aplican la IA y el machine learning. Hasta en los estudios de abogados, donde se facilita la revisión de contratos para identificar cláusulas que pueden generar controversia y donde el abogado debería enfocar su atención”, explica José Ochoa, que también es coordinador del Diplomado en Machine Learning, Deep Learning y sus Aplicaciones en la Industria, de la Universidad Católica San Pablo.
El uso de esta herramienta en la gran industria, ayuda a predecir fallas mecánicas, disminuir errores en el proceso productivo, detección de fraudes, así como diseñar productos personalizados para los clientes, entre otras aplicaciones.
Por ahora, los sectores minero y financiero, son los campos donde sacan más provecho de este recurso, para incrementar la productividad y crear diferentes productos para los clientes.
No obstante, en opinión de Ochoa, su aplicación ayudará a garantizar la sostenibilidad de cualquier actividad económica o productiva, al estar en la posibilidad de crear nuevos modelos de negocios, innovar la oferta comercial y ampliar la capacidad de producción.