1F – Aprendizaje artificial: la señal bajo el ruido.

Descripción
Vivimos rodeados de datos. En nuestros teléfonos móviles almacenamos imágenes, música, y hasta el recorrido que realizamos para ir al supermercado. Las noticias están llenas de números como el precio de la electricidad o las estadísticas de nuestro equipo favorito. Todo estos son datos y, aunque muy diferentes entre sí, tienen algo en común: están llenos de ruido. El ruido es la parte de los de datos que introduce el azar: en una imagen es esa textura irrelevante que aparece en las zonas en sombras; en el deporte es ese elemento de suerte que, aunque juguemos igual de bien, hace que la pelota algunas veces vaya adentro y otras veces se estrelle en el larguero.

Para entender los datos tenemos que separar el ruido de la señal. En muchos casos podemos hacer esto sin esfuerzo: por ejemplo, cuando mantenemos una conversación en una sala ruidosa podemos escuchar a nuestra amiga sin prestar atención a todo lo que ocurre a nuestro alrededor. Pero ¿cómo podríamos enseñar a una máquina a hacer lo mismo e imitar parte de nuestra inteligencia? ¿cómo podemos analizar una serie de datos ruidosos y saber qué tendencia pronostican? ¿cómo reducen los teléfonos móviles el ruido de las fotos? Las técnicas que abordan estos problemas se conocen como “aprendizaje artificial” y en los últimos años han sido el campo más fértil de la inteligencia artificial.

También en la actividad científica es importante reducir el ruido de los datos. En nuestro caso, como veremos brevemente en este proyecto, buscamos entender mejor la física de descargas eléctricas como los rayos de una tormenta simulando el comportamiento de unas pocas partículas y empleando técnicas de aprendizaje artificial para predecir lo que harán las demás.

Metodología
Nuestro objetivo es introducir a los estudiantes en el campo del aprendizaje artificial y mostrar cómo algunas de sus técnicas pueden usarse para analizar datos reales. El proyecto se dividirá en una serie de clases prácticas que buscan demostrar algunos los conceptos fundamentales. Partiremos de técnicas básicas como ajustar una línea a una serie de datos para, poco a poco, introducir técnicas más sofisticadas tales como el análisis de imágenes y algunas redes neuronales sencillas. Como demostración final trataremos de reducir el ruido de algunas imágenes. El énfasis estará no tanto en los detalles como en las ideas intuitivas detrás de cada técnica.

Objetivos
Este proyecto permitirá a los estudiantes:

• Familiarizarse con los conceptos más importantes en el análisis de datos: qué es la señal, qué es el ruido.
• Conocer en qué consiste el aprendizaje artificial: en qué consiste el ajustar unos datos o entrenar un modelo de aprendizaje artificial. Desmitificar el concepto de inteligencia artificial.
• Familiarizarse con algunas de las técnicas empleadas en la investigación científica.