miércoles, 5 de octubre de 2022

Economía del Conocimiento Presentan medidas de estímulo

  

El Ministro Sergio Massa y el Secretario Ariel Sujarchuk Presentan medidas de estímulo al crecimiento de la Economía del Conocimiento para aumentar exportaciones y generar empleo

Estas medidas, para la puesta en marcha de nuevos proyectos o ampliación de existentes, habilitan la libre disponibilidad del 20% de las divisas que ingresan al país por proyectos de inversión para exportaciones, así como del 30% al incremento de estas ventas.

La Economía del Conocimiento, es uno de los 4 pilares económicos de los próximos 10 años, y nuestro país tiene la capacidad y el talento para potenciar este pilar.

Aspiramos a que Argentina se transforme en un jugador protagonista a nivel regional y mundial.

“La decisión del Gobierno y de cada uno de nosotros de impulsar este programa de beneficios, alrededor de la Economía del Conocimiento, tiene claramente un impacto en los números. Aspiramos a que este sector en el 2023 exporte USD 10.000 millones”, afirmó @SergioMassa 

@Economia_Ar

Es una política integral que motoriza el crecimiento estratégico de la Argentina, genera empleo formal de calidad, valor, crecimiento del PBI y desarrollo federal. @SergioMassa 

@Economia_Ar

Queremos que este motor estratégico de nuestra industria se consolide como fuente de divisas y empleo. 

Para ello impulsamos estas herramientas y beneficios, multiplicando de esta manera nuestra capacidad exportadora y de producción de conocimiento.

Cuando exportamos conocimiento, capital humano, inteligencia, exportamos un recurso que nos queda, que es el enorme talento de miles de argentinos y argentinas.

Queremos que ese talento se transforme en marca país y que esa marca sea reconocida en todo el mundo.

@SergioMassa @Economia_Ar

inngeniar


miércoles, 18 de mayo de 2022

IA La CONAE avanza en un proyecto de inteligencia artificial

  

La CONAE avanza en un proyecto de inteligencia artificial

Junto al IAFE y el IATE, apuntan a desarrollar un sistema de clasificación de imágenes astronómicas y satelitales sobre la base de redes neuronales profundas. 

El trabajo fue premiado por el CONICET y Amazon.

Un proyecto de la Comisión Nacional de Actividades Espaciales (CONAE), del Instituto de Astronomía y Física del Espacio (IAFE) y del Instituto de Astronomía Teórica y Experimental (IATE) avanza en el desarrollo de un sistema de clasificación de imágenes basado en redes neuronales profundas, que no requiere supervisión humana. 

La iniciativa tiene como objetivo realizar una discriminación morfológica de galaxias y nubes presentes en la atmósfera terrestre, registradas en imágenes satelitales.

“La clasificación de galaxias tiene una gran importancia para el estudio de su estructura, formación y evolución. 

Para el caso de las nubes, su clasificación acorde a sus tipos, extensiones, tiempos de vida y demás características, permitirán determinar con mayor exactitud el estado del tiempo y su evolución, impactando directamente en numerosas áreas ambientales como ser la agricultura, gestión de riesgos y, a largo plazo, en dinámica de cuencas, desertificación o cambio climático”, explicó Sebastián Darío Heredia, responsable del Área de Desarrollos Avanzados, Instrumental y Productos Derivados (ADAIP), de la Gerencia de Vinculación Tecnológica de la CONAE, quien es integrante del trabajo dirigido por Lucas Axel Bignone, del IAFE, entre otros profesionales.

El proyecto fue reconocido recientemente por el CONICET y Amazon Web Services (AWS) junto a otras 13 propuestas (seleccionadas de un total de 51) que potencian el desarrollo científico con enfoque federal en temas relacionados con la biotecnología, la computación cuántica, bioinformática, nanomateriales, hidrógeno verde y clasificación de imágenes, entre otros temas de interés científico.

En la premiación estuvieron presentes (de izquierda a derecha) la Presidenta del CONICET, Ana Franchi; el Ministro de Ciencia, Tecnología e Innovación, Daniel Filmus; y el Director Regional LATAM de Amazon Web Services, Andrés José Tahta. Foto: MINCYT.

Investigación de vanguardia:

El proyecto de la CONAE, IAFE e IATE, denominado “Métodos generativos para la clasificación no supervisada de imágenes astronómicas y satelitales”, se va a nutrir de imágenes de galaxias. 

También se va a trabajar con imágenes satelitales de MODIS y GOES-16, entre otros, para hacer una clasificación de los distintos subtipos de nubes. 

Para el caso de GOES-16, este satélite geoestacionario toma una imagen del disco terrestre cada 15 minutos aproximadamente.

Imagen de la temperatura de brillo de la banda 13 del satélite GOES-16 obtenida del catálogo de CONAE. 

Esta banda es especialmente usada para identificar características de las nubes, realizar su clasificación, estudiar sistemas convectivos y determinar la intensidad de los huracanes. 

En esta imagen, se puede observar un frente de nubes convectivas al sur de la provincia de Córdoba.

Para la investigación se implementan métodos basados en una variante de las redes neuronales generativas adversarias (GANs), por sus siglas en inglés “Generative Adversarial Networks”, que están específicamente diseñadas para ser invariantes ante rotaciones y translaciones de las imágenes. 

Una particularidad de las redes neuronales es que son modelos de vanguardia, por lo tanto no están totalmente exploradas. 

Tampoco se han aplicado a imágenes satelitales”, expresó Heredia.

“Además de los resultados buscados, la utilización de inteligencia artificial para el estudio podría aportar nuevos descubrimientos que con análisis humano serían imposibles de alcanzar. 

Por ejemplo, los algoritmos podrían detectar un patrón que no haya sido identificado hasta la actualidad, como la previsión de un evento anómalo en la atmósfera”, añadió.

Primera reunión de los integrantes del Proyecto (de izquierda a derecha, de arriba a abajo): Paula Romero (CONICET), Sergio Masuelli (CONAE), Juan Cabral (CONICET), Sebastián Heredia (CONAE), Susana Pedrosa (IAFE) y Lucas Bignone (IAFE).

En la actualidad el proyecto muestra importantes avances: 

“Ya se cuenta con un código implementado, que generó un modelo de clasificación utilizando 42.000 imágenes de galaxias de 64x64 pixeles”, informó Heredia.

El objetivo de Innova CONICET - AWS es acelerar los proyectos y fortalecer, a través de la infraestructura y de los servicios que Amazon brinda en la nube, el desarrollo científico tecnológico y la innovación. 

“El uso de la nube de esta empresa nos permitirá ampliar estas investigaciones y acortar los tiempos de procesamiento. 

Ahora tenemos un año para preparar las imágenes inputs para el algoritmo, entrenar la red, validar e interpretar los resultados que se obtengan, antes de alcanzar una aplicación operativa”, concluyó.

CONAE

inngeniar


miércoles, 27 de enero de 2021

Osteoporosis Mejorar diagnóstico mediante herramientas de inteligencia artificial

 

 A partir de escaneos de vértebras es posible sintetizar automáticamente nuevas muestras artificiales. Imagen: gentileza investigadores.

Mejorar el diagnóstico de osteoporosis mediante herramientas de inteligencia artificial

Este es el objetivo de un proyecto de investigadores del CONICET escogido para su financiamiento por la empresa estadounidense Salesforce.

La osteoporosis es una enfermedad caracterizada por la disminución de la masa ósea y el deterioro de la microestructura de los huesos, con la concomitante incrementación de la fragilidad ósea y la predisposición a sufrir fracturas.

Actualmente, esta enfermedad se diagnostica a partir del cálculo de la densidad mineral ósea, valor que se obtiene a través de un en estudio conocido como absorciometría con rayos X de doble energía (DXA, por sus siglas en inglés). 

La densidad ósea es medida en todas las vértebras del paciente, y a través de una tabla estandarizada, que contempla también la edad y el sexo, se determina si el individuo tiene o no osteoporosis y si, por lo tanto, debe o no seguir un tratamiento médico. 

La limitación del estudio es que esta técnica solo permite describir, aproximadamente, hasta el 70 por ciento de la degradación ósea de una persona.

“Esta falta de precisión conduce a que alrededor de un 30 por ciento de las personas que son diagnosticadas con osteoporosis tengan que seguir un tratamiento que en realidad no necesitan, y que a un porcentaje similar de los individuos con osteoporosis que se hacen la DXA no se les detecte la enfermedad y no se les provea una terapia”, explica 👨‍🔬 Felix Thomsen, investigador del CONICET en la 🏛Universidad Nacional del Sur (UNS).

👨‍🔬 Thomsen y 👨‍🔬Emmanuel Iarussi, investigador del CONICET en la 🏛Universidad Tecnológica Nacional (UTN), acaban de ser reconocidos con un subsidio de la empresa estadounidense Salesforce, como resultado de un concurso abierto para la presentación de proyectos vinculados al uso de inteligencia artificial (IA).

El proyecto que presentaron👨‍🔬 Iarussi y👨‍🔬 Thomsen, escogido para su financiamiento junto con otros cinco, entre más de 180 postulaciones provenientes de más de treinta países, apunta justamente a poder hacer más preciso el diagnóstico de osteoporosis mediante el uso de distintas técnicas de IA. 

Es la primera vez que👨‍🔬👨‍🔬 investigadores argentinos reciben este subsidio.


Felix Thomsnen y Emmanuel Iarussi. Fotos: gentileza investigadores

Filtrar ruidos y aumentar datos mediante IA

La idea base del proyecto consiste en complementar la DXA con una tomografía computada (TC), que permita obtener mayor cantidad de parámetros estructurales de la geometría vertebral, y así poder optimizar el diagnóstico. 

El inconveniente es que las imágenes de TC de pacientes vivos todavía son de baja resolución y “muy ruidosas” como para poder obtener parámetros microestructurales, más allá de la densidad ósea.

“Lo que sucede es que aunque la densidad del hueso no es el único parámetro característico de la osteoporosis, es el único que por ahora puede medirse con confianza in vivo. 

Los otros parámetros son estructurales, pero para poder capturarlos se necesitan imágenes más detalladas. 

No obstante, estos otros parámetros se advierten en autopsias, por ejemplo, y si se extrae un hueso de una persona recientemente fallecida y se los escanea en alta calidad, es posible también observarlos en imágenes en 3D”, afirma👨‍🔬 Thomsen.

Es en este punto, para sortear las dificultades mencionadas, que las novedosas herramientas de IA pueden hacer importantes aportes. 

“La idea de base sería, a partir de lo que se conoce como redes neuronales convolucionales, entrenar a un algoritmo para que al mostrarle vértebras escaneadas en 3D en alta resolución pueda aprender a filtrar el ruido de las imágenes de más baja calidad, obtenidas mediante una TC en pacientes in vivo. 

Esto permitiría por primera vez medir in vivo la microarquitectura del hueso”, explica👨‍🔬 Thomsen.

Hace ya unos años que el trabajo de👨‍🔬 Thomsen se encuentra orientado en esta dirección. 

Pero la dificultad con la que se encuentra la propuesta es que para que resulte eficaz una técnica como la de las redes neuronales convolucionales, es necesario no solo desarrollar buenos algoritmos de base sino también disponer de muchos pacientes para entrenarlos, de forma tal que aprendan a filtrar los ruidos de imágenes de peor calidad.

El problema es que las imágenes de alta resolución que se necesitan para el entrenamiento sólo se pueden obtener a través del escaneo de huesos ex vivo de personas recientemente fallecidas, porque si pasan más de dos días se descomponen demasiado. 

Por diversas razones, conseguir estos tejidos óseos, para disponer de un set lo suficientemente amplio y robusto, resulta muy complicado.

“Entonces, surgió la idea de ver si podíamos generar artificialmente estructuras óseas sintéticas in silico que permitieran engrosar la base del entrenamiento del algoritmo de redes neuronales convolucionales”, relata👨‍🔬 Thomsen.

Es en este punto en el que la experticia de👨‍🔬 Iarussi en el desarrollo de estructuras sintéticas virtuales que lucen como reales y, más específicamente, su incursión en un método novedoso de IA, conocido como redes neuronales generativas antagónicas (GANs), se complementa con las necesidades de 👨‍🔬 Thomsen.

“Si fuera posible tener decenas de miles de vértebras escaneadas en alta resolución, posiblemente no sería necesario nuestro aporte. 

Pero como son muy escasas, hay que ponerse creativo”, señala👨‍🔬 Iarussi, quien también es profesor adjunto en la Facultad de Ciencias Exactas y Naturales de la 🏛Universidad de Buenos Aires (FCEN, UBA).

Lo que permiten las GANs es generar, a partir de no demasiados ejemplos -no más que unas pocas vértebras humanas escaneadas ex vivo, en este caso- , muchas estructuras sintéticas virtuales, que no sean idénticas a los escaneadas pero que a la vez luzcan como reales. 

Otro dato importante es que las estructuras generadas, aun con cierto margen para la aleatoriedad, se pueden parametrizar.

“Nosotros tenemos algunos huesos escaneados y, a partir de esa base, generamos artificialmente muchos más y controlamos ciertas características que queremos para cada uno. 

Así como ahora hay algoritmos que te permiten obtener, por ejemplo, la imagen de la cara de un hombre de 43 años de pelo oscuro y barba, que no sea real pero luzca como tal (lo que se conoce como deepfake), nosotros podemos crear huesos sintéticos que tengan determinados parámetros generales. 

Pero además, podemos pedirle que genere aleatoriamente muchos otros que cumplan con las mismas características y, al mismo tiempo, sean diferentes entre sí”, destaca👨‍🔬 Iarussi.

La ventaja con las que cuentan los algoritmos que aprenden a generar rostros humanos es que pueden contar con muchísimo ejemplos para hacer su entrenamiento y aprendizaje, mientras👨‍🔬 Iarussi y 👨‍🔬 Thomsen solo tienen hasta ahora doce vértebras humanas escaneadas, lo que hace mucho más desafiante la tarea.

Los primeros y promisorios resultados de esta iniciativa fueron publicados en las actas de la International Conference on Medical Image Computing and Computer-Assisted Intervention  y en la revista Computerized Medical Imaging and Graphics, ambos en el año 2020. 

De estos trabajos también formaron parte👨‍🔬 Claudio Delrieux, director tanto de👨‍🔬 Iarussi como de👨‍🔬 Thomsen e investigador del CONICET en la🏛 UNS, y otros investigadores de Argentina, Alemania y España.

“Se trata, hasta donde sabemos, del primer método para modelar artificialmente hueso y crear estructuras óseas virtuales. 

Pero además, para hacerlo, recurrimos a una técnica de IA muy novedosa en la que Emmanuel es especialista”, destaca👨‍🔬 Thomsen.

Obtener artificialmente más ejemplos de cómo pueden ser los huesos de la columna vertebral, a través de las GANs, permite aumentar la base de entrenamiento del algoritmo de redes neuronales convolucionales para optimizarlo y que pueda filtrar el ruido de las imágenes de TC.

Amén de los buenos resultados obtenidos hasta el momento, los 👨‍🔬👨‍🔬investigadores recalcan que el estudio se encuentra todavía en una etapa exploratoria: 

“Es importante aclarar que, aunque ese es el objetivo final, todavía estamos lejos de poder ofrecer un diagnóstico o de que esto llegue a ser una aplicación clínica”, subraya👨‍🔬 Iarussi.

Por Miguel Faigón

Referencias bibliográficas

Iarussi E., Thomsen F., Delrieux C. (2020) Generative Modelling of 3D In-Silico Spongiosa with Controllable Micro-structural Parameters. In: Martel A.L. et al. (eds) Medical Image Computing and Computer Assisted Intervention – MICCAI 2020. MICCAI 2020. Lecture Notes in Computer Science, vol 12266. Springer, Cham. https://doi.org/10.1007/978-3-030-59725-2_76

Thomsen, F., Delrieux, C., Pisula, J., Fuertes García, J. M., Lucena, M., de Luis García, R., & Borggrefe, J. (2020). Noise reduction using novel loss functions to compute tissue mineral density and trabecular bone volume fraction on low resolution QCT. Computerized Medical Imaging and Graphics, 86, 101816. https://doi.org/10.1016/j.compmedimag.2020.101816

CONICET

inngeniar


viernes, 8 de enero de 2021

Desarrollan software capaz de medir la respuesta inmune contra cualquier tipo de cancer

 

 Los autores del estudio: Romina Girotti, Elmer Fernández, Gabriel Rabinovich, Hugo Lujan, Yamil Mahmoud, Joaquín Merlo, Florencia Veigas, Mónica Balzarini, Matías Miranda y Darío Rocha.

La herramienta bioinformática, puesta a punto por científicos argentinos, se basa en inteligencia artificial y determina la cantidad y el tipo de glóbulos blancos infiltrados en tumores. 

Ayudará a explicar por qué en algunos pacientes fallan las inmunoterapias y contribuirá al diseño de alternativas terapéuticas efectivas.

Investigadores argentinos desarrollaron una herramienta bioinformática, llamada MIXTURE, que puede cuantificar de manera muy precisa la cantidad y el tipo de glóbulos blancos que se infiltran en tumores.  

El software ayudará a explicar por qué en algunos casos fallan las inmunoterapias contra el cáncer.

“Entender la asociación entre la composición de células inmunes que infiltran los tumores y los mecanismos de resistencia a las terapias existentes permitiría buscar alternativas terapéuticas para estos pacientes”, señaló la doctora en Biología 👩‍🔬Romina Girotti, directora del estudio e investigadora del Instituto de Biología y Medicina Experimental (IBYME), dependiente del CONICET.

El software está dotado de un algoritmo basado en aprendizaje automático o “machine learning”, una rama de la inteligencia artificial, que incorpora conceptos de ciencia de datos para optimizar el análisis de datos biológicos a nivel molecular.

Los investigadores analizaron con MIXTURE datos de biopsias tumorales de cáncer de mama (703 en total), pulmón (526), cabeza y cuello (494), melanoma (401), y colorrectal (n452) obtenidos del proyecto The Cancer Genome Atlas (TCGA).

“Los resultados revelaron asociaciones entre la proporción de distintos tipos celulares inmunes infiltrando el tumor y distintas variables clínicas y genéticas”, destacó el doctor en Bioingeniería e Inteligencia Artificial Aplicada 👨‍🔬Elmer Fernández, primer autor del trabajo e investigador del Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas (CIDIE), que depende de la Universidad Católica de Córdoba (UCC) y del CONICET.

MIXTURE es una herramienta bioinformática que cuantifica de manera muy precisa la cantidad y el tipo de glóbulos blancos que se infiltran en tumores.

Por ejemplo, en el caso de cáncer de mama los investigadores encontraron asociaciones entre el tiempo de sobrevida de pacientes y el infiltrado de diferentes células del sistema inmune (macrófagos M1 y M2, y células T CD4+ de memoria) en los tumores.

En cuatro grupos de pacientes con melanoma (188 en total) tratados con dos tipos de inmunoterapias, anti-CTLA-4 y anti-PD-1/PD-L1, los 👨‍🔬👩‍🔬científicos comprobaron que los que no respondían a esos tratamientos tenían un mayor infiltrado de células inmunes conocidas como macrófagos M2.

“En cambio, observamos que los pacientes que responden bien a esas terapias tienen un mayor infiltrado de células inmunes T-CD8, que son las encargadas de eliminar a las células tumorales”, explicó👩‍🔬 Girotti, responsable del Laboratorio de Inmuno-Oncología Traslacional del IBYME e investigadora del CONICET.

👩‍🔬 Girotti agregó que el estudio de la composición celular inmune del microambiente tumoral de los pacientes permitiría establecer nuevos biomarcadores para predecir mejor que pacientes responderían a una inmunoterapia.

Para todos los tipos de cáncer, los investigadores establecieron relaciones entre factores genéticos (que varían entre las personas) y el tipo y cantidad de células inmunes infiltradas en los tumores. 

Asimismo, determinaron de qué manera la asociación entre esas dos variables incidía, a favor o en contra, en la respuesta de los pacientes a las inmunoterapias. 

“Esta caracterización echa luz sobre potenciales terapias o estrategias de monitoreo del paciente”, afirmó👩‍🔬 Girotti.

MIXTURE es de libre acceso a la comunidad científica y se puede aplicar a cualquier tipo de tumor, puntualizó 👨‍🔬Fernández.

El estudio fue publicado en la revista “Briefings in Bioinformatics”

Y también participaron 👨‍🔬Gabriel Rabinovich, 👨‍🔬Yamil Mahmoud, 👩‍🔬Florencia Veigas y 👨‍🔬Joaquín Merlo, del IBYME y del CONICET; 👨‍🔬Darío Rocha, de la Universidad Nacional de Córdoba;👨‍🔬 Hugo Lujan, del CIDIE y del CONICET; 👨‍🔬Matías Miranda, de la UCC; y 👩‍🔬Mónica Balzarini, del CONICET.

Agencia CyTA-Leloir

inngeniar


miércoles, 30 de diciembre de 2020

🥉Premio CyT Mercosur a👨‍🔬 Investigador del CONICET

 

Enzo Ferrante Fotografía: gentileza investigador

Por sus contribuciones en Inteligencia Artificial 👨‍🔬Enzo Ferrante fue galardonado en la categoría Joven Investigador Senior.

El martes 22 de diciembre, el Ministerio de Ciencia, Tecnología e Innovación de Brasil (MCTI) y el Consejo Nacional de Desarrollo Científico y Tecnológico (CNPq) otorgaron el 🥉Premio de Ciencia y Tecnología Mercosur en Inteligencia Artificial, aplicable a áreas como agricultura, ciudades, salud, industria y ética. 

👨‍🔬Enzo Ferrante, investigador adjunto del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) en el Centro de Investigación en Señales, Sistemas e Inteligencia sinc(i) (CONICET–UNL) obtuvo el reconocimiento en la categoría joven 👨‍🔬investigador senior. 

El 🥉galardón fue en honor a su labor en Equidad algorítmica y desequilibrio de género en modelos de aprendizaje profundo para el análisis de imágenes médicas.

El 🥉Premio de Ciencia y Tecnología Mercosur distingue el trabajo de estudiantes, jóvenes investigadores y equipos de investigación que representan una potencial contribución al desarrollo científico de los países miembros y asociados del bloque. 

El mismo se encuentra conformado por: Argentina, Bolivia, Brasil, Chile, Colombia, Ecuador, Paraguay, Perú y Uruguay.

La iniciativa reconoce a investigadores latinoamericanos en cinco categorías que abarcan desde la iniciación científica -para estudiantes de secundaria y técnicos- hasta investigadores senior -mayores de 36 años-. 

El 🥉premio tiene entre sus objetivos fomentar la🔎 investigación científica y tecnológica, la 💡innovación en el bloque y contribuir al proceso de integración regional entre los países miembros y asociados.

👨‍🔬 Ferrante (32) realizó sus estudios de grado en Ingeniería de Sistemas en la Facultad de Ciencias Exactas de la 🏛Universidad Nacional del Centro de la Provincia de Buenos Aires (UNICEN) en Tandil, Argentina. 

Se doctoró en el Center for Visual Computing de la 🏛 Université Paris-Saclay y el Institut National de Recherche en Sciences et Technologies du Numérique (INRIA) en París, Francia. 

Además, fue alumno visitante en la 🏛Universidad de Stanford, en California, Estados Unidos y realizó su postdoctorado en el Biomedical Image Analysis Lab del Imperial College London en Londres, Reino Unido.

A fines de 2017, el científico regresó a la Argentina como 👨‍🔬investigador repatriado al sinc(i), donde se desempeña en el desarrollo de métodos computacionales basados en aprendizaje profundo para el análisis de imágenes biomédicas. 

Es docente en la Facultad de Ingeniería y Ciencias Hídricas de la 🏛Universidad Nacional del Litoral (UNL) y ha dictado cursos sobre aprendizaje profundo en la 🏛Universidad de Buenos Aires (UBA), la 🏛Universidad Nacional de Córdoba (UNC) y la 🏛Universidad Torcuato Di Tella (UTDT).

El 🥉Premio, que fue creado en 1998, es una iniciativa del Encuentro Especializado en Ciencia y Tecnología del Mercosur (RECyT) y de los organismos de ciencia y tecnología de los países miembros y asociados al bloque.

CONICET

inngeniar


domingo, 19 de julio de 2020

Premio MERCOSUR de Ciencia y Tecnología a la excelencia en Inteligencia Artificial



Hasta el 11 de septiembre, se podrán presentar los trabajos en ciencia y tecnología que se destaquen en la temática.

Hay cinco categorías para participar y el premio se repartirá entre los primeros puestos.

Ya está abierta la convocatoria para participar del “Premio MERCOSUR de Ciencia y Tecnología”, que galardonará aquellas investigaciones que representen una contribución al desarrollo científico y tecnológico en Inteligencia Artificial. 

Hasta el 11 de septiembre de este año, se podrán presentar los mejores trabajos sobre la temática de estudiantes, jóvenes investigadores y equipos de investigación nacionales o residentes de los países miembros o asociados al MERCOSUR.

Hay cinco categorías para participar y se repartirán R$105.000 (reales) entre los primeros puestos.

La temática Inteligencia Artificial podrá estar orientadas en las siguientes líneas: 

Inteligencia artificial y la Internet de las cosas;

Inteligencia artificial y ambiente rural;

Inteligencia artificial y salud;

Inteligencia artificial y ciudades;

Inteligencia artificial e industria;

Ética e inteligencia artificial.

Las cinco categorías para participar son:

-Iniciación Científica: dirigida a estudiantes de escuelas secundarias y técnicas, que tengan menos de 25 años hasta el 11 de septiembre.

-Estudiante Universitario: dirigida a estudiantes que asisten a cursos de grado en la educación superior e instituciones de investigación, sin límite de edad.

-Joven Investigador: dirigida a graduados, estudiantes de maestría, magísteres, estudiantes de doctorado y doctores que tengan menos de 36 años de edad hasta el 11 de septiembre.

-Investigador Senior: dirigida a graduados, estudiantes de maestría, magísteres, estudiantes de doctorado y doctores que tengan 36 años de edad o más hasta el 11 de septiembre.

-Integración: dirigida a graduados, estudiantes de maestría, magísteres, estudiantes de doctorado y doctores, sin límite de edad.

Se premiarán los primeros puestos de las cinco categorías: 

Iniciación Científica (R$8.000);

Estudiante Universitario (R$15.000);

Joven Investigador (R$20.000);

Investigador Senior (R$22.000);

Integración (R$40.000).

El 1 de diciembre de este año se conocerán los ganadores en el sitio www.premiomercosul.cnpq.br

El concurso es una iniciativa de la Reunión Especializada de Ciencia y Tecnología del MERCOSUR (RECyT) integrada por los organismos de ciencia y tecnología de los países miembros del MERCOSUR: el Ministerio de Ciencia, Tecnología e Innovación de Argentina; el Consejo Nacional de Ciencia y Tecnología de Paraguay; el Ministerio de Educación y Cultura de Uruguay; el Ministerio de Ciencia, Tecnología, Innovaciones y Comunicaciones de Brasil (MCTIC); y el Consejo Nacional de Desarrollo Científico y Tecnológico (CNPq); además de contar con el apoyo institucional del Movimiento Brasil Competitivo (MBC).

Cualquier consulta escribir a premios@cnpq.br

Para mayor información ingresar aquí


MINCyT

domingo, 28 de junio de 2020

Alan Turing, el padre de la inteligencia artificial


Alan Turing, el padre de la inteligencia artificial

Fue famoso por descifrar el código nazi en la Segunda Guerra Mundial y pionero en otras ramas como la biología y la inteligencia artificial, cuya contribución es imprescindible en el desarrollo de las tecnologías actuales.

Lo recordamos a 108 años de su nacimiento.

Alan Mathison Turing nació el 23 de junio de 1912 en el barrio de Paddington, Londres.

Su familia era de clase media alta.

Fue el segundo hijo de Julius y Sara, que permanecieron en la India durante varios años, por lo que pasó la infancia con su hermano mayor John.


The Guardian

En 1928, en la escuela Sherborne conoció a su amigo Christopher Morcom, quien fallecería dos años después.

Por este motivo es que Turing se interesa por el estudio de la mente humana a través de la física y la mecánica cuántica, buscando la solución a la relación entre mente y materia.

Al año siguiente en Cambridge, en el King's College, encontró un método de estudio que permitía ideas más abiertas y allí consiguió distinguirse en lógica y matemática.

En 1936 le otorgaron un premio por sus investigaciones en la teoría de la probabilidad.

Sus investigaciones

A los 26 años Turing comenzó a trabajar para el servicio oficial británico de cifrado.

Obtuvo el doctorado por la Universidad de Princeton, especializándose en criptología.

En 1936, imaginaba una computadora que resolviera cualquier problema traducido a expresiones matemáticas y luego reducido a una cadena de operaciones lógicas con números binarios, en las que sólo cabían dos decisiones: verdadero o falso.

Se trataba de reducir cifras, letras, imágenes, sonidos a unos y ceros y usar un programa para resolver los problemas en pasos muy simples.


National Geographic

Enigma era la máquina alemana que encriptaba mensajes durante la Segunda Guerra Mundial.

Bombe fue creada en 1939 por Turing para poder desencriptar dichos mensajes del ejército alemán y poder localizarlos, adelantándose a su estrategia.

Era una versión mejorada de un dispositivo diseñado en 1938 por el criptologista polaco Marian Rejewski.

Además, Bombe fue la precursora de la computadora programable electrónica digital.



Techrepublic

Bletchley Park era una base militar en la cual se interceptaban mensajes del ejército nazi y se realizaba un ejercicio de traducción intersemiótica e interlingüística.

La utilización de esta práctica mediante el dispositivo de análisis criptográfico creado por Turing permitió a los aliados tener una ventaja durante la Segunda Guerra Mundial.

Allí trabajaron diez mil personas: matemáticos, ingenieros, lingüistas, docentes universitarios, oficinistas.

Dos tercios de los trabajadores de Bletchley eran mujeres.

El trabajo realizado allí fue mantenido en secreto hasta 1970.



Bletchley Park

La inteligencia artificial

En 1950 Turing inició su artículo Computing machinery and intelligence formulando la siguiente pregunta: ¿las máquinas pueden pensar?.

Fue el primer científico en cuestionarse esto, aunque no acuñó el término que hoy conocemos como inteligencia artificial.

La Inteligencia Artificial es la disciplina científica y tecnológica cuyo objetivo es crear procesos de la mente y su conexión con el cuerpo a través de la metáfora computacional.

La metáfora computacional es un concepto utilizado por la psicología cognitiva.

Dicha disciplina sostiene que el cerebro posee un sistema de procesos de datos, similar al de una computadora digital.

A su vez, el concepto es utilizado en el estudio de la neurociencia y también en la neurofilosofía (filosofía de la mente).

Mediante el test de Turing se medía la capacidad de una máquina para hacerse pasar por ser humano mediante una prueba de conversación entre ambos.

Si el humano no logra identificar que se trata de una máquina, esta última sería considerada inteligente.

Turing contribuyó además a la biología matemática. 

Publicó un artículo en 1952 que derivó en un campo de investigación matemática basada en la formación de patrones, utilizada en la actualidad.

Su lucha

En 1952, en la cumbre de su carrera, Turing fue juzgado y condenado por el gobierno británico debido a su homosexualidad y tuvo que elegir entre ser encarcelado o someterse a la castración química.

Eligió la segunda opción.

Se le denegó acceso a las instalaciones de Bletchley Park.

 La situación lo llevó a una profunda depresión.

Alan Turing falleció el 7 de junio de 1954, envenenado al morder una manzana con cianuro en su laboratorio.

Los forenses determinaron que fue un suicidio, teoría confirmada recién en 2012 por Jack Copeland, historiador y director del Archivo Turing de Historia de la Computación.

En el cine

Descifrando el código (1996) fue protagonizada por Derek Jacoby y dirigida por Herbert Wise, fue una película para televisión del programa estadounidense Masterpiece.

Enigma (2001), una película protagonizada por Dugray Scott y Kate Winslet, fue dirigida por Tom Stoppard, que se basó en la novela de Robert Harris.

Decodificando a Alan Turing, de 2009, es un cortometraje de Christopher Racster, centrado en la reivindicación de su figura más allá de su condición sexual.

Codebreaker es un documental de 2011 dirigido por Clare Beavan y Nic Stacey, protagonizado por Ed Stoppard.

Basado en los diarios del psiquiatra de Turing, la historia se centra en sus conversaciones luego de ser juzgado por el gobierno británico.

El código enigma (2014), fue protagonizada por Benedict Cumberbatch y dirigida por Morten Tyldum.


Código enigma. Hipertextual

En 1966 se creó un premio de ciencias computacionales en su honor, el Premio Alan Turing, equivalente al Nobel en esa rama de estudio.

En la ciudad de Manchester se puede encontrar una estatua de Turing; había perdido su puesto de trabajo en aquella universidad tras ser acusado por el gobierno.

En 2017 se publicó Más que un enigma, la biografía que su madre, Sara Stoney Turing, escribió poco tiempo después del fallecimiento de Turing, sobre su infancia y juventud.

Escrito por Jim Ottaviani e ilustrado por Leland Purvis, la novela gráfica Descifrando Enigma es la traducción del original inglés The imitation game: Alan Turing decoded, publicada en 2016 por Abraham Comics Arts, en Nueva York.

La historia, dividida en tres partes, abarca la infancia y juventud, sus primeros trabajos y la creación de Enigma.


Madridmasd


Henrik Olesen, artista danés, realizó un homenaje a la figura de Turing en 2018 mediante intervenciones a fotografías del científico.


Temporada de relámpagos


"Lo que me interesa de la biografía de Turing no es solo la forma en que ilustra los límites y las historias del siglo XX, sino que también parece casi una profecía de género. 

De una manera horrorosa, el cuerpo de Turing fue herido por la violencia de la ideología moderna, de alguna manera perdió su propio cuerpo, pero también creó uno nuevo", afirma Olesen.

En honor al matemático, Steve Jobs retomó el motivo de la manzana mordida como logo para su compañía Apple.

En Manchester comenzó el movimiento de reparación pública de la figura de Turing luego de su persecución.

El ingeniero informático William Jones puso en marcha una petición de firmas para que se concediera a Turing un perdón real póstumo, que fue firmado por 37 mil personas.

2012 fue declarado el año Alan Turing por el gobierno británico.

Al año siguiente, la Reina Isabel retiró los cargos contra el matemático.


"Un hombre provisto de papel, lápiz y goma, y sujeto a estricta disciplina, es en efecto una máquina universal".

Alan Turing

Fuentes:
Universidad Abierta de Cataluña, National Geographic, Temporada de relámpagos revista de arte y cultura, Universidad Nacional de México, Universidad Internacional de Valencia, bletchleypark.org.uk

Portada:Estatua de Alan Turing en Bletchley Park. El Diario.

Cultura
http://inngeniar.blogspot.com/

Cultura