Test de Turing para la interpretación de imágenes.

Hoy vamos a empezar abordando un tema que no hemos tratado aún en nuestros programas: la inteligencia artificial. Como sabemos, la inteligencia artificial es la rama de la tecnología que intenta desarrollar sistemas que igualen o superen las capacidades intelectuales de los seres humanos. En esta disciplina se han producido importantes avances, como por ejemplo la generación de una máquina y su correspondiente programa informático capaz de ganar a un campeón del mundo de ajedrez.

Ante la enormidad de la tarea de crear un robot u ordenador con capacidades similares a las del ser humano más tonto, el campo de investigación en la inteligencia artificial se ha subdividido en diferentes áreas, en las que se intentan desarrollar sistemas de inteligencia artificial en aspectos o aplicaciones concretas, que incluyen, entre muchas otras, la comprensión o traducción del lenguaje o, el tema que nos ocupa, sistemas de percepción y comprensión visual que permiten, por ejemplo, detectar cambios muy pequeños en algunas características de los objetos fabricados o incluso de los seres vivos, para separar unas especies de otras o clasificar con precisión determinadas subespecies de animales o plantas.

Un problema obvio con que esta disciplina se enfrenta es cómo medir la inteligencia artificial de un sistema. Una primera aproximación la proporcionó uno de los pioneros más importantes en este campo, nada menos que Alan Turing. A este prodigio de la Naturaleza le debemos muchas cosas en el campo de la informática, pero también en otros aspectos. El fue determinante para romper el código de la máquina Enigma, que utilizaban los alemanes en la Segunda Guerra Mundial. Según los expertos, la información conseguida gracias a esto permitió a los Aliados no solo ganar la guerra, sino acortarla de dos a cuatro años.

En el campo de la inteligencia artificial, Turing propuso un hoy famoso test que intentaba determinarla. El test consistía en encerrar a un robot y a un ser humano en sendas habitaciones, de manera que no pudieran ser vistos por una tercera persona. Esta propondría varias preguntas que tanto el ser humano como el robot contestarían a través de una pantalla de ordenador. Si la persona, tras un número de preguntas razonable, era incapaz de determinar en qué habitación se encontraba el robot y en cuál el ser humano, deberíamos concluir que el robot era al menos tan inteligente como aquél.

La inteligencia artificial está aún lejos de conseguir generar un sistema que tenga mínimas probabilidades de superar el test de Turing. Sin embargo, test de Turing destinados a medir aspectos concretos de la inteligencia podrían ser útiles para ir evaluando los progresos conseguidos en las diversas áreas de la Inteligencia Artificial. Con esta idea, investigadores de las universidades John Hopkins y Brown elaboran un sistema informático que genera test de Turing para evaluar la inteligencia de los sistemas artificiales de percepción visual, los cuales, en la actualidad, distan mucho de mostrar la inteligencia necesaria para comprender imágenes que nosotros sí comprendemos en menos de un segundo.

En este caso, los investigadores proponen un test de Turing “escrito”, es decir, una serie de preguntas que el sistema inteligente debe contestar en cualquier orden, en contraposición a un test “oral” en el que las preguntas son propuestas de manera correlativa y sin que el sistema sepa necesariamente cuál va a ser la pregunta siguiente. Los investigadores tienen en cuenta interesantes conceptos y consideraciones para elaborar este test, que relatamos en el audio. También le contamos que muy probablemente usted ha superado ya con éxito, tal vez sin saberlo, varios tests de Turing que demuestran que es un ser humano y no un robot (1).

Una supernova muestra la Cruz de Einstein

En 2015 se celebra el centenario de la elaboración definitiva y publicación de la Teoría de la Relatividad General por Albert Einstein. El pasado 1 de marzo comenzábamos las celebraciones en Cienciaes.com con la publicación de un nuevo capítulo de Ciencia y Genios titulado “Einstein y la Relatividad General”: http://cienciaes.com/biografias/2015/03/01/einstein-y-la-relatividad-general/, escrito por el astrofísico teórico Antonio Claret. Anunciábamos entonces que durante este año iríamos desgranando distintos aspectos de la Relatividad General para ayudar a comprender su alcance, dar a conocer los conceptos en los que se apoya, las circunstancias históricas que rodearon su elaboración y algunos de los múltiples campos en los que se ha comprobado experimentalmente su validez. Lógicamente una celebración tan señalada será materia de discusión durante todo el año en otros muchos lugares y, como muestra de ello, el pasado día 6 de marzo, la revista Science dedicaba un conjunto de artículos a la Relatividad General:
Multiple images of a highly magnified supernova formed by an early-type cluster galaxy lens, by P.L. Kelly at University of California, Berkeley in Berkeley, CA, and colleagues.,
The dark side of cosmology: Dark matter and dark energy,
A century of general relativity: Astrophysics and cosmology, by R.D. Blandford at Stanford University in Stanford, CA.

En el programa de hoy comentamos el primero de esos artículos, llamativo no sólo por ser una demostración más de la validez de la Teoría de la Relatividad General sino por la belleza de la imagen que nos proporcionan sus autores. La fotografía que ofrecemos a la derecha, tomada por el Telescopio Espacial Hubble el pasado 10 de noviembre de 2014, muestra cuatro imágenes separadas de la misma supernova gracias el efecto de lente gravitacional producido por una galaxia intermedia. La supernova original está muy lejos en el espacio y por lo tanto en el tiempo. Estalló hace 9.300 millones de años y desde entonces la luz de su explosión ha estado viajando hacia nosotros. Para suerte nuestra, la luz encontró en su camino a una galaxia, situada a 5.000 millones de años-luz de nosotros, cuya gravedad curvó los rayos y los concentró como lo haría una lente de enormes proporciones.

Una de las predicciones de Einstein en su Teoría general de la Relatividad era que la gravedad curva el espacio-tiempo y ello tiene consecuencias en la trayectoria que sigue cualquier rayo de luz que pase cerca de un objeto masivo. Dicho con otras palabras, la gravedad curva la trayectoria de la luz. Aquella predicción fue demostrada por primera vez por Eddington durante un eclipse de Sol que tuvo lugar el 29 de mayo de 1919. Eddington pudo observar las estrellas más cercanas al disco solar durante el eclipse y comprobó que sus imágenes aparecían ligeramente desplazadas de su posición normal, debido a que la gravedad del Sol había curvado sus rayos como había sido predicho por Einstein.

La idea de que la luz se curva al pasar junto a objetos masivos no era nueva para Albert Einstein. Unos apuntes manuscritos suyos de 1912, encontrados después de la muerte del sabio, muestran sus primeros cálculos sobre la posibilidad de que la gravedad de un objeto masivo concentrara los rayos de una fuente de luz lejana aumentando su brillo como si de una lente se tratara. A pesar de esos cálculos, durante mucho tiempo el propio Einstein decía que los efectos eran inobservables. En 1936 un ingeniero amateur checo llamado Rudi W. Mandl le propuso la idea de que una estrella podría hacer de lente u enfocar la luz y Einstein publicó un artículo en Science con las mismas fórmulas que había en sus notas de 1912.
Fue en 1979 cuando Dennis Walsh identificó el primer caso de lente gravitacional al descubrir que el cuásar Qo957+561 mostraba una doble imagen. A partir de ese momento los descubrimientos de lentes gravitacionales se sucedieron. En 1985 se descubre la imagen cuádruple del cuásar QSO2237+0305, una imagen que pasó a llamarse como “la Cruz de Einstein”. En1988 se descubre la imagen de una radiofuente extensa que formaba un anillo debido a la distorsión de una lente gravitacional en el objeto MG1131+0456, en este caso recibió el nombre de “Anillo de Einstein”.

El objeto descubierto ahora es una supernova, es decir, una estrella que ha sufrido un final catastrófico durante el cual desprende tanta luz como toda la galaxia que la contiene. Razón por la cual, a pesar de la enorme distancia a la que se encuentra, es visible para nosotros. Este fogonazo, de corta duración, fue concentrado por la gravedad de una galaxia que encontró en su camino produciendo cuatro imágenes distintas de la misma estrella, un nuevo caso de “Cruz de Einstein” que se desvanece rápidamente. Pero, según comenta Patrick L. Kelly, científico de la Universidad de California en Berkeley y primer firmante del artículo que se publica en Science, el acontecimiento tiene premio.

La galaxia intermedia no es una lente perfecta sino que curvó los rayos de la supernova obligándolos a seguir distintos caminos que han recorrido distancias diferentes hasta llegar concentrados hasta nosotros. Haciendo los cálculos pertinentes de las distintas trayectorias, los investigadores han logrado averiguar que la imagen de la explosión de la supernova ya había llegado hasta la Tierra en dos ocasiones anteriormente, una hace 50 y otra hace 10 años. Desgraciadamente, en aquellos momentos no se disponía de los instrumentos con capacidad para detectarla, pero la sorpresa es que, además de la imagen obtenida ahora por el Telescopio Espacial Hubble, la lente gravitacional ofrece otra oportunidad para el futuro. Sucederá dentro de 10 años.

Einstein no solamente nos enseñó a comprender el Universo sino que nos dio las herramientas necesarias para observar un mundo mágico cargado de sorpresas maravillosas.

Vacuna contra el Staphilococcus aureus.

Acabamos hoy el programa con la noticia de la generación de una nueva vacuna, de momento probada solo en animales de laboratorio, contra una de las bacterias más peligrosas: Staphilococcus aureus. S. aureus causa infecciones de la piel, de tejidos blandos, neumonía e incluso infecciones en la sangre que pueden generar la muerte por choque séptico. Además, existen numerosas cepas de esta bacteria resistentes a muchos antibióticos.

S. aureus es una bacteria muy astuta y emplea diversas técnicas para escapar del sistema inmune. Por ejemplo, puede dejarse englobar por las células y permanecer dormida en su interior al abrigo de los anticuerpos y de los antibióticos. También puede secretar toxinas que matan a los neutrófilos, las células fagocíticas más importantes.

Ante tanta resistencia y tanta astucia, se han intentado desarrollar vacunas eficaces contra ella, de momento sin éxito. Por esta razón, investigadores de la empresa Novartis, una de las empresas farmacéuticas más importantes del mundo, y de la Universidad de Chicago, intentan desarrollar una nueva vacuna contra S. aureus. Para ello, consideran dos aspectos fundamentales. El primero es que, como hemos dicho, S. aureus pone en marcha muchos mecanismos de evasión para los que emplea varias proteínas, es decir, varias herramientas moleculares que deberían ser neutralizadas por anticuerpos inducidos por la vacuna. El segundo aspecto que toman en consideración es que la manera en que el sistema inmune detecta a la bacteria para poner en marcha la respuesta inmunitaria es muy importante, ya que según al información que reciba, el sistema inmune decide poner en marcha unos mecanismos de defensa u otros. S. aureus, y otras bacterias intentan hacer que el sistema inmune se equivoque en sus estrategias de defensa.

En el audio relatamos en detalle las astucias empleadas por los investigadores para superar a la astucia de la bacteria, por lo que parece, con mucho éxito. (3).

REFERENCIAS

(1) Donald Gemana et al. (2015). Visual Turing test for computer vision systems. PNAS. www.pnas.org/cgi/doi/10.1073/pnas.1422953112

(2) Multiple images of a highly magnified supernova formed by an early-type cluster galaxy lens, by P.L. Kelly at University of California, Berkeley in Berkeley, CA, and colleagues. http://www.sciencemag.org/lookup/doi/10.1126/science.aaa3350

(3). Fabio Bagnolia et al. (2015) Vaccine composition formulated with a novel TLR7-dependent adjuvant induces high and broad protection against Staphylococcus aureus. PNAS. www.pnas.org/cgi/doi/10.1073/pnas.1424924112