La convención de Deep Learning Barcelona Symposium (aprendizaje profundo) presentó avances sobre nuevos fármacos, diagnósticos médicos, genómica, nutrición, detección de covid-19 y en imagen médica
El deep learning es uno de los campos más innovadores de la Inteligencia Artificial (IA) y detectar la infección por coronavirus grabando uno mismo su tos o mejorar el diagnóstico del cáncer de pulmón con solo algunos de los avances que se presentó el pasado tercer congreso Deep Learning Barcelona, simposio científico internacional que congregó a investigadores e investigadoras de diversas disciplinas relacionadas con el aprendizaje profundo (por su traducción en español).
El modelo fue presentado por Adrià Mallol-Ragolta, de la Universidad de Augsburgo, que detecta si una persona está infectada o no de covid-19 mediante una grabación de su propia tos. A partir de un modelo con IA entrenado con unos datos de audio consistente en muestras de tos de distintas personas y unas etiquetas que indican si están o no infectadas de covid, permite que cualquier persona pueda usar dicho modelo y simplemente grabando su tos tener una predicción sobre si está o no infectada.
“Creo que es muy importante que la IA se vaya introduciendo en los temarios de los niveles de educación obligatoria, ya que es una tecnología que nos afectará a todos como sociedad. También es muy importante formar a los científicos para que desarrollen estar aplicaciones de IA en aspectos éticos”, declaró Carles Ventura, profesor e investigador del grupo Artificial Intelligence for Human Well-being (Aiwell, antes Sunai), adscrito a los Estudios de Informática, Multimedia y Telecomunicaciones y al eHealth Center de la UOC.
Asimismo, con una sesión especial dedicada a las ciencias de la vida, la convención presentó avances sobre nuevos fármacos, diagnósticos médicos, genómica, nutrición, detección de covid-19 y en imagen médica.
Referente al aprendizaje profundo, Ventura explicó que «es una evolución de los modelos de aprendizaje de la tecnología basados en redes neuronales. La revolución más importante es que ha supuesto la posibilidad de construir modelos más complejos y que se puede entrenar la tecnología para que aprenda de forma mucho más eficiente. Mientras que los algoritmos clásicos de aprendizaje automático se basaban en características definidas manualmente, los modelos actuales aprenden directamente de los datos. Los propios modelos son capaces de aprender cuáles son las características más relevantes que les permiten abordar el problema en cuestión».
