Visualització de contingut web

IA per a l'Administració Pública

IA per a l'Administració Pública

Artificial Intelligence for Ecosystem Services (ARIES)

Estat:
Acabat
Administració Pública:
Centre Basc per al canvi Climàtic (BC3)
Data:
10/01/2019

En el context de la creació d'eines de suport a la presa de decisions, BC3 (Centre Basc per al Canvi Climàtic) ha desenvolupat ARIES (Artificial Intelligence for Ecosystem Services), una tecnologia de modelització gratuïta per Internet que s'ofereix a usuaris tals com professionals, científics i responsables de la presa de decisions, inclosos membres d'ONG, institucions acadèmiques o governamentals de tot el món, per a ajudar-los a avaluar i valorar de forma ràpida els serveis dels ecosistemes (ESAV, per les seues sigles en anglés).

ÀRIES usa xarxes de Bayes (un model probabilístic que s'emmarca dins de l'aprenentatge automàtic) per a entendre i quantificar el valor del medi ambient i conéixer quins són els factors que determinen aquest valor en una regió geogràfica determinada. Utilitza dades ecològiques i socioeconòmiques per a generar i mapificar informació sobre la provisió, els valors i els usos del servei ecosistèmic.

Un dels principals avantatges que ofereix ARIES és que, a través d'una interfície web, posa sofisticades capacitats de modelatge a l'abast d'usuaris no tècnics, professionals i agents encarregats de la presa de decisions. No obstant això, les persones amb experiència en informàtica i models ecològics poden optar per un paquet de programari més potent i desenvolupat de nom KLAB.

Mitjançant ÀRIES, BC3 ha estat desenvolupant algunes de les metodologies més avançades (reunint models deterministes o probabilístics) per a quantificar i valorar els fluxos dels serveis dels ecosistemes en l'escala espacial i en el context ecològic i socioeconòmic adequats. ÀRIES mapifica a beneficiaris dels serveis dels ecosistemes concrets i espacialment explícits i quantifica la seua demanda de cada servei. La conceptualització dels serveis dels ecosistemes com una llista concreta de beneficis per a grups beneficiaris específics evita el problema de "duplicar" els beneficis, que ha estat molt present en els treballs de valoració dels serveis dels ecosistemes realitzats fins ara.

Projecte AI4EU

Estat:
En desenvolupament
Administració Pública:
Comissió Europea
Data:
09/01/2019

El projecte AI4EU és un projecte europeu finançat pel programa H2020, que aplega 79 instituts d'investigació, pimes i grans empreses de 21 països per a crear un punt per a la provisió de recursos d'Intel·ligència artificial, inclosos repositoris de dades, eines i algorismes. La plataforma haurà d'oferir serveis i brindar suport als usuaris potencials d'aquesta tecnologia, ja siguen empreses o bé Administracions públiques, i ajudar a provar i integrar les solucions d'Intel·ligència artificial en els seus processos, productes i serveis.

AI4EU és una plataforma oberta i col·laborativa que també proporcionarà cursos de perfeccionament i re-skilling. El projecte, liderat per la companyia francesa Thales, compta amb un finançament total de 20 milions d'euros per als pròxims 3 anys. La plataforma s'establirà al llarg de 2019.

Al voltant de tres milions d'euros es reservaran per a finançar projectes prometedors de tercers seleccionats mitjançant concursos, per a explotar serveis i recursos oferits a la plataforma, de cara a encoratjar la transferència tecnològica basada en solucions d'Intel·ligència artificial.

L'objectiu del projecte és promoure una gran plataforma que permeta l'accés als recursos rellevants d'Intel·ligència artificial per a tots els usuaris a la UE, una espècie de plataforma d'Intel·ligència artificial sota demanda. Huit projectes pilot (en les àrees de la robòtica, indústria, salut, mitjans de comunicació, agricultura, Internet de les Coses, ciberseguretat i ciutadania) demostraran en un primer moment el valor de comptar amb una plataforma sota demanda d'Intel·ligència artificial com a eina d'innovació tecnològica i per a estimular els descobriments científics.

En el marc del projecte, també s'establirà un Observatori d'Ètica per a garantir que es prioritzen els valors humans en la Intel·ligència artificial, i també la Fundació AI4EU per a garantir la seua sostenibilitat. Els resultats contribuiran així mateix a una nova agenda estratègica d'investigació i innovació per a Europa.

Turisme Cognitiu per a CACT Lanzarote

Estat:
Acabat
Administració Pública:
Cabildo de Lanzarote
Data:
09/01/2019

Des de fa més de 50 anys, els Centres d'Art, Cultura i Turisme de Lanzarote busquen aconseguir que el turista experimente les millors sensacions quan visite els espais que César Manrique va crear per a potenciar el meravellós paisatge de Lanzarote. L'objectiu del projecte era crear la millor aplicació d'experiències per als visitants i obtenir una eina amb la qual conéixer, en temps real, com és el turista, què vol i així predir i recomanar-li una millor rutina de viatge.

El Cabildo de Lanzarote ha posat en marxa un nou projecte turístic, juntament amb IBM i Xarxa Skios, que fusiona en una aplicació mòbil l'experiència d'un guia físic amb la comoditat i eficiència d'un de digital. El projecte aplica les habilitats cognitives de la Intel·ligència artificial de IBM, Watson, al turisme.

Skios ha desenvolupat una solució turística totalment integrada per a Centres d'Art, Cultura i Turisme Lanzarote (CACT), basada en el programari Eliza Turismo, que usa geolocalització i intel·ligència augmentada o computació cognitiva per a oferir una experiència completa i personalitzada a l'usuari a través d'una aplicació mòbil i una plataforma de gestió de continguts (back office) d'ús senzill per al client.

Big Data Analytics en Laboratoris e-salut

Estat:
En desenvolupament
Creat per:
Alfonso Tienda
Administració Pública:
Conselleria de Sanitat Universal i Salut Pública
Data:
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.

Avaluador de salut MEDIKTOR

Estat:
Acabat
Administració Pública:
Hospital Clínic de Barcelona
Data:
09/09/2018

Els hospitals necessiten facilitar l'accés al sistema sanitari als pacients i reduir dràsticament els temps d'espera fins al seu ingrés en planta, agilitant la presa de decisions, tant per al personal sanitari i el pacient com per a les companyies asseguradores, al mateix temps que s'optimitzen l'eficiència i la gestió d'informació i es redueixen els costos d'accés a la sanitat.

L'Hospital Clínic de Barcelona i l'Hospital Clínico San Carlos de Madrid van participar en els assajos clínics que van permetre desenvolupar Mediktor, el primer avaluador de salut basat en intel·ligència artificial avalat científicament.

Gràcies a les tecnologies d'Intel·ligència artificial i de reconeixement de llenguatge natural, les eines de prediagnòstic són capaces d'identificar en temps real els símptomes dels pacients. Mitjançant els seus potents motors semàntics i igual que un metge, Mediktor és capaç d'interpretar els símptomes que explica l'usuari utilitzant llenguatge natural i dur a terme un complet qüestionari mèdic digital fins a arribar a una llista de possibles prediagnòstics.
La tecnologia ofereix, a més, recomanacions de pròxims passos segons les necessitats mèdiques de cada pacient. Així mateix, Mediktor aprén de cada interacció, i així millora els seus prediagnòstics. En el seu primer informe i basant-se en interaccions amb més de 1.500 pacients, l'eina ja presentava un nivell d'encert del 91,3%.

Assistent Virtual del Servei d'Informació Universitari (LOLA)

Estat:
Acabat
Administració Pública:
Universitat de Múrcia
Data:
30/07/2018

Només en 2017, el Servei d'Informació Universitari (SIU) de la Universitat de Múrcia (UMU) va atendre 28.000 consultes relacionades amb el procés d'admissió a la universitat. La institució buscava una solució per a agilitar el servei d'atenció al client i millorar la manera en què es donava resposta als dubtes dels estudiants. El projecte naix per a guiar i ajudar els futurs estudiants de la UMU i de la Universitat Politècnica de Cartagena amb tots els seus tràmits de preinscripció i matrícula.

Lola és un projecte de la Universitat de Múrcia, desenvolupat pel Servei d'Informació Universitari (SIU) i l'Àrea de Tecnologies de la Informació i les Comunicacions Aplicades (ATICA) i l'empresa 1millionbot. Lola utilitza la tecnologia dialogflow de Google que és la que li permet anar aprenent de les seues interaccions i la millora contínua. Aquest nou desenvolupament ha comptat amb el finançament de Banco Santander.

Lola és un chatbot que atén els estudiants les 24 hores del dia, els set dies de la setmana, amb un llenguatge completament natural. El servei està disponible a través de la web del SIU i mitjançant l'aplicació DURM per a mòbils que utilitzen els futurs estudiants universitaris del districte únic de la Regió de Múrcia.

El chatbot es va posar en marxa de forma pilot el 9 de juny de 2018 i, principalment, ha resolt dubtes sobre la publicació de les notes de EBAU, la revisió dels exàmens, les notes de tall i sobre com és el procés de preinscripció. El sistema ha sigut capaç de resoldre el 90% de les consultes.

MIDAS (Massive Image Data Anatomy Spine)

Estat:
En desenvolupament
Administració Pública:
Banco digital de Imagen Médica de la Comunidad Valenciana (BIMCV)
Data:
06/06/2018

El dolor lumbar és una patologia prevalent i una freqüent causa de discapacitat. S'associa a creixents costos per al sistema sanitari i per a la societat en països desenvolupats, afectant al 70% de la població general en algun moment de les seves vides, amb una incidència anual del 40%. El dolor lumbar presenta una tendència a cronificar oa produir recaigudes que poden afectar severament el dia a dia dels pacients que el pateixen.

Identificar els factors pronòstics de cronicitat s'ha convertit en una de les prioritats dels investigadors sobre patologia lumbar. En al voltant del 85% dels casos no és possible trobar una causa precisa del dolor. Els estudis que avaluen la presència de canvis anatòmics o estructurals a la columna lumbar per mitjans com tomografia computada, ressonància magnètica o discografia no són capaços correlacionar aquestes anomalies amb un mal pronòstic en el dolor lumbar. El concepte que relaciona el dolor crònic amb les alteracions estructurals ha de ser reconsiderat en vista de la recent evidència científica.

L'anàlisi de dades massives d'imatge mèdica combinat amb la informació clínica digitalitzada són la base de la investigació. El propòsit del projecte és utilitzar algorismes d'aprenentatge automàtic per a analitzar les imatges de RM lumbar realitzades en hospitals públics de la Comunitat Valenciana en els últims cinc anys.

El terme Big Data (grans volums de dades) fa referència a una quantitat de dades tal que supera la capacitat del programari habitual per a ser capturats, gestionats i processats en un temps raonable. Els hospitals tenen quantitats massives de dades clíniques i d'imatge en diferents formats. El sector de la salut, és un dels sectors on Big Data està tenint més impacte en l'actualitat i on les seves aplicacions creixeran d'una manera espectacular, tant per a l'àrea mèdica, la gestió de centres de salut, l'administració hospitalària i la documentació científica (generació, emmagatzematge i explotació).

Un altre concepte és el d'intel·ligència grupal o Crowd Intelligence es basa en la capacitat predictora que té la mitjana de judicis de molts individus. L'agregació d'informació de molts grups condueix a millors decisions i solucions que les que oferirien experts individuals.

En l'actualitat hi ha incertesa sobre les indicacions de cirurgia del dolor lumbar. L'aproximació usant Big Data i Crowd Intelligence no ha estat explorada, podent ser d'utilitat per establir les indicacions de cirurgia segons els paràmetres d'imatge aplicant aquests dos conceptes.

« Ves enrere

Seguretat

Seguretat

La Intel·ligència artificial i la seua aplicació en camps com la defensa i la seguretat és matèria constant de debat. La Intel·ligència artificial pot suposar un avantatge i un risc en tots dos casos i és indubtable que imprimirà el seu segell en els exèrcits del futur. Segons es destaca en un article de l'Institut Espanyol d'Estudis Estratègics (IEEE), la carrera armamentística de la Intel·ligència artificial que s'està lliurant es caracteritza per tindre una progressió natural, ja que a mesura que els països vagen veient com la Intel·ligència artificial els suposa un avantatge militar substancial, apostaran cada vegada més per ella.

El sorgiment d'una Intel·ligència artificial superintel·ligent que supere la intel·ligència humana i el desenvolupament i ús de la Intel·ligència artificial amb finalitats perverses són dues de les majors amenaces. De la segona ja existeixen exemples, actualment, com el crèdit social a la Xina o la creació d'armes letals autònomes. Pels motius exposats, seria crucial contemplar aquestes amenaces en les Estratègies de Seguretat Nacional (ESN) i fixar els objectius a complir per a combatre-les. En l'actualitat, algunes ESN com l'espanyola ja recullen la Intel·ligència artificial en els seus textos però no com a desafiament o risc sinó com mera tecnologia emergent a tenir en compte.

Però la societat pot beneficiar-se ja de molts dels avanços de la Intel·ligència artificial en el camp de la seguretat. Les aplicacions són múltiples. Mitjançant el reconeixement d'imatges, per exemple, els sistemes d'informació poden aprendre a percebre, de manera que en els controls de fronteres, on s'utilitzen tecnologies de visió artificial com el reconeixement facial, es poden utilitzar aplicacions per a detectar característiques específiques dels viatgers. Si aquesta tecnologia s'integra amb unes altres, com l'anàlisi d'imatge multiespectral, escanejant passaports que usen la llum infraroja i ultraviolada i amb l'ús d'extenses bases de dades, es pot millorar la identificació de persones no autoritzades o susceptibles de suposar un risc per a la seguretat.

Un altre exemple d'Intel·ligència artificial aplicada a la seguretat són els sistemes ciberfísics intel·ligents, càmeres de seguretat que poden connectar-se per a monitorar espais públics o privats. Aquests sistemes poden detectar qualsevol senyal d'angoixa i, automàticament, fer una telefonada a un centre d'emergència o desviar el trànsit a altres àrees que interactuen amb sistemes intel·ligents de control del trànsit.

D'altra banda, en matèria de ciberseguretat, la majoria dels mètodes basats en Intel·ligència artificial actualment en ús en els controls operacionals es basen en enfocaments d'aprenentatge automàtic (ML), que utilitzen una gran quantitat d'algorismes rigorosament provats i esquemes experts normalment integrats dins d'una arquitectura de ciberseguretat tradicional. En general, aquests controls classifiquen missatges, esdeveniments o codi computacional com a acceptables o no acceptables i són capaços d'adaptar-se de forma limitada, mitjançant l'entrenament amb mostres. Però amb els recents èxits de l'aprenentatge profund (DL), comencen a sorgir nous mètodes basats en xarxes neuronals que permeten que el DL passe gradualment de la investigació a les aplicacions viables de ciberseguretat. Aquestes empren arquitectures de xarxes neuronals profundes i Big Data per a dissenyar sistemes d'aprenentatge cada vegada més precisos per a, per exemple, la detecció d'anomalies en l'anàlisi de programari maliciós i xarxes informàtiques, el filtratge de missatges o l'assistència a operadors humans de seguretat. La conclusió principal de tots aquests avanços és que la Intel·ligència artificial, a curt termini, no sembla que haja de reemplaçar els humans en el camp de la ciberseguretat, sinó que, més aviat, els apoderarà.

No obstant això, resulta imprescindible tindre en compte la naturalesa dual de les tècniques, eines i sistemes emprats en ciberseguretat i Intel·ligència artificial. La Intel·ligència artificial pot millorar la seguretat però els ciberdelinqüents, també, aprofitaran els últims avanços en aquestes tècniques per a dur a terme ciberatacs més ràpids i intel·ligents. Segons l'informe Inteligencia Artificial. Una perspectiva europea, elaborat pel Joint Research Centre (JRC) de la CE, la Intel·ligència artificial brindarà beneficis clars a la ciberseguretat i la lluita contra el crim, però també introduirà nous desafiaments. Els algorismes d'aprenentatge automàtic han alterat el paradigma clàssic del desenvolupament de programari, ja que els humans ja no programen un algorisme que li diu a la màquina com resoldre un problema sinó com aprendre a resoldre'l, de manera que el sistema d'Intel·ligència artificial es comporta com un nou algorisme no programat per l'humà. El risc ve precisament per aquesta novetat. Aquests sistemes d'Intel·ligència artificial poden no ser robustos davant atacs maliciosos, ja que aquests exploten la forma específica en què es comporten per al seu propi benefici. Per tant, les pràctiques segures de desenvolupament de programari i les certificacions, auditories i controls de ciberseguretat han de considerar de forma específica aquest nou tipus de vulnerabilitats.

Aquesta realitat implica la necessitat de garantir que es realitzen més investigacions públiques que permeten dissenyar una defensa efectiva mitjançant l'estudi de la naturalesa d'aquests nous atacs emergents i, especialment, quan la Intel·ligència artificial s'empra en els controls de ciberseguretat o per a ajudar els actors humans en la identificació, localització i enjudiciament dels ciberdelictes Probablement, centrar la investigació en l'ús ètic de la Intel·ligència artificial i el paper dels legisladors pot convertir-se en un actiu per a enfortir el lideratge europeu en ciberseguretat i retenir el talent dins de la UE.

A més, l'aplicació de la Intel·ligència artificial a la ciberseguretat requereix un enfocament multidisciplinari, a causa del component altament tècnic que l'envolta. Per tant, la interacció entre els responsables polítics i els investigadors i enginyers haurà d'intensificar-se. Els avanços en aquest camp es produeixen ràpidament i els informes es desactualitzen a la mateixa velocitat, la qual cosa provoca la necessitat, quasi obligatòria, de mantenir un flux constant d'informació des del nivell tècnic fins als òrgans de decisió. En aquest sentit, serà d'especial importància crear una cultura de col·laboració creuada entre la Intel·ligència artificial i els desenvolupadors de ciberseguretat i, més encara, amb investigadors d'altres camps com la filosofia, l'economia o les ciències socials.