Web Content Display

IA para la Administración Pública

IA para la Administración Pública

Artificial Intelligence for Ecosystem Services (ARIES)

Estado:
Terminado
Administración Pública:
Centro Vasco para el cambio Climático (BC3)
Fecha:
10/01/2019

En el contexto de la creación de herramientas de apoyo a la toma de decisiones, BC3 (Centro Vasco para el Cambio Climático) ha desarrollado ARIES (Artificial Intelligence for Ecosystem Services), una tecnología de modelización gratuita por Internet que se ofrece a usuarios tales como profesionales, científicos y responsables de la toma de decisiones, incluidos miembros de ONG, instituciones académicas o gubernamentales de todo el mundo, para ayudarles a evaluar y valorar de forma rápida los servicios de los ecosistemas (ESAV, por sus siglas en inglés).

ARIES usa redes bayesianas (un modelo probabilístico que se enmarca dentro del aprendizaje automático) para entender y cuantificar el valor del medio ambiente y conocer cuáles son los factores que determinan dicho valor en una región geográfica determinada. Utiliza datos ecológicos y socioeconómicos para generar y mapear información sobre la provisión, los valores y los usos del servicio ecosistémico.

Una de las principales ventajas que ofrece ARIES es que, a través de una interfaz web, pone sofisticadas capacidades de modelado al alcance de usuarios no técnicos, profesionales y agentes encargados de la toma de decisiones. No obstante, las personas con experiencia en informática y modelos ecológicos pueden optar por un paquete de software más potente y desarrollado de nombre K.LAB

Mediante ARIES, BC3 ha estado desarrollando algunas de las metodologías más avanzadas (reuniendo modelos deterministas o probabilísticos) para cuantificar y valorar los flujos de los servicios de los ecosistemas en la escala espacial y en el contexto ecológico y socioeconómico adecuados. ARIES mapea a beneficiarios de los servicios de los ecosistemas concretos y espacialmente explícitos y cuantifica su demanda de cada servicio. La conceptualización de los servicios de los ecosistemas como una lista concreta de beneficios para grupos beneficiarios específicos evita el problema de "duplicar" los beneficios, que ha estado muy presente en los trabajos de valoración de los servicios de los ecosistemas realizados hasta ahora.

Proyecto AI4EU

Estado:
En desarrollo
Administración Pública:
Comisión Europea
Fecha:
09/01/2019

El proyecto AI4EU es un proyecto europeo financiado por el programa H2020, que reúne a 79 institutos de investigación, pymes y grandes empresas de 21 países para crear un punto para la provisión de recursos de IA, incluidos repositorios de datos, herramientas y algoritmos. La plataforma deberá ofrecer servicios y brindar apoyo a los usuarios potenciales de esta tecnología, ya sean empresas o Administraciones Públicas, y ayudar a probar e integrar las soluciones de IA en sus procesos, productos y servicios.

AI4EU es una plataforma abierta y colaborativa que también proporcionará cursos de perfeccionamiento y re-skilling. El proyecto, liderado por la compañía francesa Thales, cuenta con una financiación total de 20 millones de euros para los próximos 3 años. La plataforma se establecerá a lo largo de 2019.

Alrededor de tres millones de euros se reservarán para financiar proyectos prometedores de terceros seleccionados mediante concursos, para explotar servicios y recursos ofrecidos a la plataforma, de cara a alentar la transferencia tecnológica basada en soluciones de Inteligencia Artificial.

El objetivo del proyecto es promover una gran plataforma que permita el acceso a los recursos relevantes de Inteligencia Artificial para todos los usuarios en la UE, una especie de plataforma de AI bajo demanda. Ocho proyectos piloto (en las áreas de la robótica, industria, salud, medios de comunicación, agricultura, Internet de las Cosas, ciberseguridad y ciudadanía) demostrarán en un primer momento el valor de contar con una plataforma bajo demanda de IA como herramienta de innovación tecnológica y para estimular los descubrimientos científicos.

En el marco del proyecto, también se establecerá un Observatorio de Ética para garantizar que se priorizan los valores humanos en la IA, así como la Fundación AI4EU para garantizar su sostenibilidad. Los resultados contribuirán asimismo a una nueva agenda estratégica de investigación e innovación para Europa.

Turismo Cognitivo para CACT Lanzarote

Estado:
Terminado
Administración Pública:
Cabildo de Lanzarote
Fecha:
09/01/2019

Desde hace más de 50 años, los Centros de Arte, Cultura y Turismo de Lanzarote buscan conseguir que el turista experimente las mejores sensaciones cuando visite los espacios que César Manrique creó para potenciar el maravilloso paisaje de Lanzarote. El objetivo del proyecto era crear la mejor aplicación de experiencias para los visitantes y obtener una herramienta con la que conocer, en tiempo real, cómo es el turista, qué quiere y así predecir y recomendarle una mejor rutina de viaje.

El cabildo de Lanzarote ha puesto en marcha un nuevo proyecto turístico, junto con IBM y Red Skios, que fusiona en una aplicación móvil la experiencia de un guía físico con la comodidad y eficiencia de uno digital. El proyecto aplica las habilidades cognitivas de la IA de IBM, Watson, al turismo.

Skios ha desarrollado una solución turística totalmente integrada para Centros de Arte, Cultura y Turismo Lanzarote (CACT), basada en el software Eliza Turismo, que usa geolocalización e inteligencia aumentada o computación cognitiva para ofrecer una experiencia completa y personalizada al usuario a través de una aplicación móvil y una plataforma de gestión de contenidos (back office) de uso sencillo para el cliente.

Big Data Analytics en Laboratoris e-salut

Estado:
En desarrollo
Creado por:
Alfonso Tienda
Administración Pública:
Conselleria de Sanitat Universal i Salut Pública
Fecha:
22/11/2018

Necessitat de la gerència de la Conselleria de Sanitat de planificar la càrrega de treball de laboratori als hospitals i centres de salut de la Comunitat Valenciana, amb la finalitat d'evitar colls de botella i planificar mesures correctores.

Utilitzar Big Data i models de predicció.

Documentació existent

Referències

Avaluació de les Dades Generades en els laboratoris

Un gran nombre dels sistemes d'informació hospitalaris se centren en els laboratoris i les dades que generen: resultats de les proves, proves de competència, les dades de control de qualitat, les distribucions dels resultats de les proves dels pacients i les avaluacions dels mètodes.

Què podem analitzar?

Seleccionar l'assumpte a analitzar partint dels resultats d'un Quadre de comandaments en temps real per a gestionar els processos de Laboratori. El nostre cas d'ús serà el de planificar la càrrega de treball.

  • Predir el nombre de proves entrants per tipus

  • Predir la càrrega de treball

  • Predir el rendiment del procés

Altres eines d'anàlisis segons la nostra investigació

Per a la nostra investigació hem analitzat uns 39.000 informes de laboratoris anonimizados. Amb les restriccions en el nombre de camps hem detectat diverses possibilitats per a data mining en processos de laboratori, aplicant diverses tècniques:

  • Clusterización de pacients: L'objecte d'una clusterización de pacients és situar o assignar estadísticament els pacients per tipus. Aquests tipus seran aquells que tenen un comportament similar sobre la base de les variables d'entrada que es consideren rellevants (estadísticament rellevants).

  • Estadística predictiva, correlació: En probabilitat i estadística, la correlació indica la força i la direcció d'una relació lineal i proporcionalitat entre variables estadístiques.

  • Estadística predictiva, regressió: Els estudis de regressió ens permetran predir el comportament d'una variable (trucada dependent) a partir d'una altra sèrie de variables (trucades independents). Els estudis de regressió ens permetrien veure el comportament dels indicadors de laboratori, no solament des d'un punt de vista d'anàlisi de dades o BI, sinó realitzar les gràfiques predictives de com estaran aquests indicadors en el futur.

  • Detecció de Resultats Anòmals.

Contingut en desenvolupament.

Contingut en desenvolupament.

Evaluador de salud MEDIKTOR

Estado:
Terminado
Administración Pública:
Hospital Clínic de Barcelona
Fecha:
09/09/2018

Los hospitales necesitan facilitar el acceso al sistema sanitario a los pacientes y reducir drásticamente los tiempos de espera hasta su ingreso en planta, agilizando la toma de decisiones, tanto para el personal sanitario y el paciente como para las compañías aseguradoras, al tiempo que se optimizan la eficiencia y la gestión de información y se reducen los costes de acceso a la sanidad.

El Hospital Clínic de Barcelona y el Hospital Clínico San Carlos de Madrid participaron en los ensayos clínicos que permitieron desarrollar Mediktor, el primer evaluador de salud basado en inteligencia artificial avalado científicamente.

Gracias a las tecnologías de IA y de reconocimiento de lenguaje natural, las herramientas de pre-diagnóstico son capaces de identificar en tiempo real los síntomas de los pacientes. Mediante sus potentes motores semánticos y al igual que un médico, Mediktor es capaz de interpretar los síntomas que explica el usuario utilizando lenguaje natural y llevar a cabo un completo cuestionario médico digital hasta llegar a un listado de posibles pre-diagnósticos.
La tecnología ofrece, además, recomendaciones de próximos pasos según las necesidades médicas de cada paciente. Asimismo, Mediktor aprende de cada interacción, mejorando sus pre-diagnósticos. En su primer informe y basándose en interacciones con más de 1.500 pacientes, la herramienta ya presentaba un nivel de acierto del 91,3%.

Asistente Virtual del Servicio de Información Universitario (LOLA)

Estado:
Terminado
Administración Pública:
Universidad de Murcia
Fecha:
30/07/2018

Solo en 2017, el Servicio de Información Universitario (SIU) de la Universidad de Murcia (UMU) atendió 28.000 consultas relacionadas con el proceso de admisión a la universidad. La institución buscaba una solución para agilizar el servicio de atención al cliente y mejorar el modo en que se daba contestación a las dudas de los estudiantes. El proyecto nace para guiar y ayudar a los futuros estudiantes de la UMU y de la Universidad Politécnica de Cartagena con todos sus trámites de preinscripción y matrícula.

Lola es un proyecto de la Universidad de Murcia, desarrollado por el Servicio de Información Universitario (SIU) y el Área de Tecnologías de la Información y las Comunicaciones Aplicadas (ATICA) y la empresa 1millionbot. Lola utiliza la tecnología dialogflow de Google que es la que le permite ir aprendiendo de sus interacciones y la mejora continua. Este nuevo desarrollo ha contado con la financiación del banco Santander.

Lola es un chatbot que atiende a los estudiantes las 24 horas del día, los siete días de la semana, con un lenguaje completamente natural. El servicio está disponible a través de la web del SIU y mediante la aplicación DURM para móviles que utilizan los futuros estudiantes universitarios del distrito único de la Región de Murcia.

El chatbot se puso en marcha de forma piloto el 9 de junio de 2018 y, principalmente, ha resuelto dudas sobre la publicación de las notas de EBAU, la revisión de los exámenes, las notas de corte y sobre cómo es el proceso de preinscripción. El sistema ha sido capaz de resolver el 90% de las consultas.

MIDAS (Massive Image Data Anatomy Spine)

Estado:
En desarrollo
Administración Pública:
Banco digital de Imagen Médica de la Comunidad Valenciana (BIMCV)
Fecha:
06/06/2018

El dolor lumbar es una patología prevalente y una frecuente causa de discapacidad. Se asocia a crecientes costes para el sistema sanitario y para la sociedad en países desarrollados, afectando al 70% de la población general en algún momento de sus vidas, con una incidencia anual del 40%. El dolor lumbar presenta una tendencia a cronificarse o a producir recaídas que pueden afectar severamente el día a día de los pacientes que lo padecen.

Identificar los factores pronósticos de cronicidad se ha convertido en una de las prioridades de los investigadores sobre patología lumbar. En alrededor del 85% de los casos no es posible encontrar una causa precisa del dolor. Los estudios que evalúan la presencia de cambios anatómicos o estructurales en la columna lumbar por medios como tomografía computarizada, resonancia magnética o discografía no son capaces correlacionar estas anomalías con un mal pronostico en el dolor lumbar. El concepto que relaciona el dolor crónico con las alteraciones estructurales debe ser reconsiderado en vista de la reciente evidencia científica.

El análisis de datos masivos de imagen médica combinado con la información clínica digitalizada son la base de la investigación. El propósito del proyecto es utilizar algoritmos de aprendizaje automático para analizar las imágenes de RM lumbar realizadas en hospitales públicos de la Comunidad Valenciana en los últimos cinco años.

El término Big Data (grandes volúmenes de datos) hace referencia a una cantidad de datos tal que supera la capacidad del software habitual para ser capturados, gestionados y procesados en un tiempo razonable. Los hospitales tienen cantidades masivas de datos clínicos y de imagen en diferentes formatos. El sector de la salud, es uno de los sectores donde Big Data está teniendo mayor impacto en la actualidad y donde sus aplicaciones crecerán de un modo espectacular, tanto para el área médica, la gestión de centros de salud, la administración hospitalaria y la documentación científica (generación, almacenamiento y explotación).

Otro concepto es el de inteligencia grupal o Crowd Intelligence se basa en la capacidad predictora que tiene el promedio de juicios de muchos individuos. La agregación de información de muchos grupos conduce a mejores decisiones y soluciones que las que ofrecerían expertos individuales.

En la actualidad hay incertidumbre sobre las indicaciones de cirugía del dolor lumbar. La aproximación usando Big Data y Crowd Intelligence no ha sido explorada, pudiendo ser de utilidad para establecer las indicaciones de cirugía según los parámetros de imagen aplicando estos dos conceptos.

« Back

Seguridad

Seguridad

La Inteligencia Artificial y su aplicación en campos como la defensa y la seguridad es materia constante de debate. La IA puede suponer una ventaja y un riesgo en ambos casos y es indudable que imprimirá su sello en los ejércitos del futuro. Según se destaca en un artículo del Instituto Español de Estudios Estratégicos (IEEE), la carrera armamentística de la IA que se está librando se caracteriza por tener una progresión natural, ya que a medida que los países vayan viendo cómo la IA les supone una ventaja militar sustancial, apostarán cada vez más por ella.

El surgimiento de una IA superinteligente que supere a la inteligencia humana y el desarrollo y uso de la IA con fines perversos son dos de las mayores amenazas. De la segunda ya existen ejemplos, actualmente, como el crédito social en China o la creación de armas letales autónomas. Por los motivos expuestos, sería crucial contemplar estas amenazas en las Estrategias de Seguridad Nacional (ESN) y fijar los objetivos a cumplir para combatirlas. En la actualidad, algunas ESN como la española ya recogen la IA en sus textos pero no como desafío o riesgo sino como mera tecnología emergente a tener en cuenta.

Pero la sociedad puede beneficiarse ya de muchos de los avances de la IA en el campo de la seguridad. Las aplicaciones son múltiples. Mediante el reconocimiento de imágenes, por ejemplo, los sistemas de información pueden aprender a percibir, de forma que en los controles de fronteras, dónde se utilizan tecnologías de visión artificial como el reconocimiento facial, se pueden utilizar aplicaciones para detectar características específicas de los viajeros. Si esta tecnología se integra con otras, como el análisis de imagen multiespectral, escaneando pasaportes que usan la luz infrarroja y ultravioleta y con el uso de extensas bases de datos, se puede mejorar la identificación de personas no autorizadas o susceptibles de suponer un riesgo para la seguridad.

Otro ejemplo de IA aplicada a la seguridad son los sistemas ciberfísicos inteligentes, cámaras de seguridad  que pueden conectarse para monitorizar espacios públicos o privados. Estos sistemas  pueden detectar cualquier señal de angustia y, automáticamente, realizar una llamada a un centro de emergencia o desviar el tráfico a otras áreas que interactúan con sistemas inteligentes de control del tráfico.

Por otra parte, en materia de ciberseguridad, la mayoría de los métodos basados en IA actualmente en uso en los controles operacionales se basan en enfoques de aprendizaje automático (ML), que utilizan una gran cantidad de algoritmos rigurosamente probados y esquemas expertos normalmente integrados dentro de una arquitectura de ciberseguridad tradicional. Por lo general, estos controles clasifican mensajes, eventos o código computacional como aceptables o no aceptables y son capaces de adaptarse de forma limitada, mediante el entrenamiento con muestras. Pero con los recientes éxitos del aprendizaje profundo (DL), empiezan a surgir nuevos métodos basados en redes neuronales que permiten que el DL pase gradualmente de la investigación a las aplicaciones viables de ciberseguridad. Estas emplean arquitecturas de redes neuronales profundas y big data para diseñar sistemas de aprendizaje cada vez más precisos para, por ejemplo, la detección de anomalías en el análisis de malware y redes informáticas, el filtrado de mensajes o la asistencia a operadores humanos de seguridad. La conclusión principal de todos estos avances es que la IA, a corto plazo, no parece que vaya a reemplazar a los humanos en el campo de la ciberseguridad sino que, más bien, los empoderará.

Sin embargo, resulta imprescindible tener en cuenta la naturaleza dual de las técnicas, herramientas y sistemas empleados en ciberseguridad e Inteligencia Artificial. La IA puede mejorar la seguridad pero los ciberdelincuentes, también, van a aprovechar los últimos avances en estas técnicas para llevar a cabo ciberataques más rápidos e inteligentes. Según el informe "Inteligencia Artificial. Una perspectiva europea.", elaborado por el Joint Research Centre (JRC) de la CE, la IA brindará beneficios claros a la ciberseguridad y la lucha contra el crimen, pero también introducirá nuevos desafíos. Los algoritmos de aprendizaje automático han alterado el paradigma clásico del desarrollo de software, ya que los humanos ya no programan un algoritmo que le dice a la máquina cómo resolver un problema sino cómo aprender a resolverlo, de modo que el sistema de IA se comporta como un nuevo algoritmo no programado por el humano. El riesgo viene precisamente por esta novedad. Estos sistemas de IA pueden no ser robustos ante ataques maliciosos, ya que estos explotan la forma específica en la que se comportan para su propio beneficio. Por tanto, las prácticas seguras de desarrollo de software y las certificaciones, auditorías y controles de ciberseguridad deben considerar de forma específica este nuevo tipo de vulnerabilidades.

Esta realidad implica la necesidad de garantizar que se realicen más investigaciones públicas que permitan diseñar una defensa efectiva mediante el estudio de la naturaleza de estos nuevos ataques emergentes y, en especial, cuando la IA se emplea en los controles de ciberseguridad o para ayudar a los actores humanos en la identificación, localización y enjuiciamiento de los ciberdelitos Probablemente, centrar la investigación en el uso ético de la IA y el papel de los legisladores puede convertirse en un activo para fortalecer el liderazgo europeo en ciberseguridad y retener el talento dentro de la UE.

Además, la aplicación de la IA a la ciberseguridad requiere de un enfoque multidisciplinario, debido al componente altamente técnico que la rodea. Por tanto, la interacción entre los responsables políticos y los investigadores e ingenieros deberá intensificarse. Los avances en este campo se producen rápidamente y los informes se desactualizan a la misma velocidad, lo que provoca la necesidad, casi obligatoria, de mantener un flujo constante de información desde el nivel técnico hasta los órganos de decisión. En este sentido, será de especial importancia crear una cultura de colaboración cruzada entre la IA y los desarrolladores de ciberseguridad y, más aún, con investigadores de otros campos como la filosofía, la economía o las ciencias sociales.