Aprendizaje automático e inteligencia artificial: la red social

Laura Risley l.risley@pgr.reading.ac.uk y Ieuan Higgs i.higgs@pgr.reading.ac.uk

Miércoles 16 – Jueves 17 de marzo de 2022

El Centro Nacional para la Observación de la Tierra (NCEO) es un centro NERC distribuido de más de 100 científicos de universidades y organizaciones de investigación del Reino Unido (https://www.nceo.ac.uk). El mes pasado, NCEO inauguró una nueva y emocionante sede, el Leicester Space Park. Después del lanzamiento, investigadores de varias instituciones afiliadas a NCEO fueron invitados a un foro en la nueva sede. Este fue un taller introductorio en Machine Learning e Inteligencia Artificial. ¡Ambos tuvimos la suerte de asistir a este evento en persona (con la excepción de algunos oradores remotos)!

Como estudiantes de doctorado de primer año, probablemente deberíamos presentarnos:

laura – Soy estudiante de Scenario en el departamento de Matemáticas, mi proyecto es ‘Asimilación de futuras mediciones de corrientes oceánicas desde satélites’. Esto implicará aplicar la asimilación de datos para asimilar las velocidades de las corrientes oceánicas en preparación para los datos de futuros satélites. Mi supervisor también es líder de capacitación y codirector de Asimilación de datos en NCEO. Me emocionó poder asistir a este foro para aprender nuevas técnicas que se pueden utilizar en la observación de la tierra.

leuán – Soy un Asociado de Escenarios basado en el departamento de Meteorología. Mi proyecto se titula ‘Enfoque de red complejo para mejorar el modelado de ecosistemas marinos y la asimilación de datos’. En mi trabajo, espero aplicar algunas técnicas de aprendizaje automático informadas por redes complejas para predecir las concentraciones de los nutrientes menos observables en el océano, a partir de cantidades bien observables, ¡como el fitoplancton! Como miembro y financiador de NCEO, me entusiasmó ver que se ofreciera un evento de capacitación que fuera muy relevante para mi proyecto.

Aprendizaje automatico e inteligencia artificial la red social

El aprendizaje automático (ML) y la inteligencia artificial (IA) a menudo se consideran temas intimidantes y amorfos. Sin embargo, esta niebla de conceptos erróneos se aclaró rápidamente, ya que el taller brindó una introducción brillante, fascinante y bien estructurada sobre cómo se pueden aprovechar estos campos en el contexto de la observación de la Tierra.

1666611793 29 Aprendizaje automatico e inteligencia artificial la red social

Introducción a la OCNE

El foro comenzó brillante y (muy) temprano el miércoles por la mañana en el Parque Espacial de Leicester. Nuestro primer día de capacitación de ML comenzó con una introducción a NCEO por parte del director, John Remedios, y el líder de capacitación, Amos Lawless. Cada uno de nosotros tuvo la oportunidad de presentarnos a nosotros mismos y nuestra investigación en una presentación rápida de dos minutos. ¡Esto resaltó la variedad tanto en antecedentes como en experiencia de una manera totalmente positiva! Además de beneficiarnos directamente de la capacitación en sí, disfrutamos estar en una sala llena de personas entusiastas con conocimientos y nichos en abundancia.

Presentarnos a nosotros mismos y a nuestra investigación

A continuación, tuvimos una charla de Sebastian Hickman, estudiante de doctorado de la Universidad de Cambridge, quien presentó su trabajo sobre el uso de ML con imágenes satelitales para detectar la mortalidad de árboles altos en la selva amazónica. Duncan Watson-Parris de la Universidad de Oxford dio una segunda charla sobre el uso de ML para identificar las huellas de barcos a partir de imágenes de satélite. Estas charlas iniciales nos hicieron pensar de inmediato en las diferentes formas en que ML podría usarse dentro del ámbito de las ciencias de la tierra. El segundo día también tuvimos charlas del laboratorio Φ de la ESA, sobre una gran cantidad de usos diferentes para la IA en la observación de la Tierra.

Para comenzar nuestra capacitación en ML, los miembros de NEODAAS (Servicio de Adquisición y Análisis de Datos de Observación de la Tierra de NERC), David Moffat y Katie Awty-Carroll, nos guiaron a través de una introducción a ML e IA, sus usos e importancia en el contexto científico moderno. El gráfico a continuación, presentado por David y Katie, hace una distinción digerible entre algunos términos comúnmente combinados en el área temática:

Aprendizaje automatico e inteligencia artificial la red social

IA frente a ML frente a DL*

La discusión sobre las limitaciones y los «cuellos de botella» de ML fue de particular interés, destacó las numerosas consideraciones que se deben hacer al desarrollar una solución de ML. Por ejemplo, el subconjunto de datos utilizado para entrenar un modelo idealmente debería ser representativo de todo el sistema, evitando o al menos reconociendo los posibles sesgos introducidos por: las preferencias humanas al seleccionar y filtrar los datos de entrenamiento; el método de recopilación de datos; el diseño de las técnicas de ML utilizadas; y cómo interpretamos los resultados. Si bien esto puede parecer obvio al principio, sin duda es no trivial. Hay ejemplos de alto perfil y muy debatidos del uso de la IA en el mundo real donde los sesgos han llevado a consecuencias significativas que afectan a los humanos. (https://sitn.hms.harvard.edu/flash/2020/racial-discrimination-in-face-recognition-technology) (https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6875681)

Nos incitaron a considerar estas preguntas éticas y la eficacia de ML en el contexto de las ciencias de la tierra: ¿Qué problemas nos ayuda a resolver ML y, quizás más importante, qué problemas estamos dispuestos a confiarle?

Un ejercicio divertido que puede probar usted mismo: busque imágenes de una profesión determinada en el motor de búsqueda de su elección. ¡Vea si puede identificar patrones o sesgos en lo que puede haber sido incluido o incluso excluido de los resultados seleccionados!

Luego comenzamos las sesiones prácticas que caían todas dentro del amplio paraguas de ML. Esto requirió un ligero cambio de mentalidad de la programación tradicional ya que, incluso desde una perspectiva de arriba hacia abajo, la forma en que abordamos los problemas era completamente diferente:

1666611795 853 Aprendizaje automatico e inteligencia artificial la red social
Figura: Programación tradicional vs Aprendizaje automático*

Nos dieron cuadernos jupyter para trabajar en tres prácticas separadas; clasificación de bosques aleatorios, red neuronal para regresión y redes neuronales convolucionales. Cada uno mostró una aplicación y un caso de uso diferentes de ML, lo que nos dio más ideas sobre cómo podría implementarse potencialmente en nuestra propia investigación. Junto a esto, se nos dio una tarea de flujo de trabajo para pensar durante los dos días: ¿cómo podríamos usar ML en nuestros propios proyectos? Al final del segundo día, cada uno de nosotros presentó sus ideas y recibimos comentarios. Esto ayudó a fundamentar las conversaciones con un enfoque continuo para relacionar los nuevos conocimientos con nuestros variados campos; permitiendo que el taller maneje con elegancia la variedad y promueva el uso real de las habilidades en nuestro propio trabajo.

¡El foro fue académicamente desafiante pero también muy divertido! En torno a los días concentrados de aprendizaje, el foro nos ofreció muchas oportunidades para conectarnos con otros. Nos dieron un recorrido por el Space Park, un espacio impresionante que se podría decir que estaba fuera de este mundo. ¡Las actividades nocturnas, bolos y tejo, también tuvieron un gran ambiente!

Al final del evento, el interés y el entusiasmo de los asistentes se habían transformado efectivamente en una nueva comprensión y conversación, lo que no sorprende considerando la creciente relevancia que ML está ganando en el campo de las ciencias de la tierra. Además de esto, hacer conexiones durante la pandemia ha sido difícil, por lo que nos sentimos extremadamente afortunados de poder conocernos en persona.

laura – El foro fue una visión emocionante de un campo en el que no tenía experiencia. Aunque mi trabajo inmediato se centra en la aplicación de la asimilación de datos a las mediciones oceánicas, que no se relaciona directamente con ML en este momento, la asimilación de datos tiene un alto potencial de superposición con ML. El foro ha mejorado mi comprensión de los campos que rodean el punto focal de mi investigación. A su vez, esto me ha ayudado a obtener una base de conocimientos más completa, abriendo las puertas a nuevas direcciones que podría tomar mi investigación.

leuán – El foro ciertamente me ha brindado muchas vías nuevas para explorar cuando me acerco a la aplicación prevista de ML en mi trabajo, tal vez comenzando de manera simple con una red neuronal para regresión multivariante y expandiéndome desde allí. Las prácticas fueron una valiosa oportunidad para practicar y una gran oportunidad para una discusión informal sobre los detalles de la implementación de ML con mis compañeros. Además, el evento nos ha equipado con las habilidades para interactuar de manera efectiva con otros académicos cuando presentan trabajos basados ​​en ML, ¡algo que me encantaría hacer en eventos futuros!

Ambos esperamos que haya más talleres de NCEO como este en el futuro, tal vez un evento o reunión que se centre en la intersección de ML y la asimilación de datos, ya que estos temas resuenan con ambos. Nos gustaría agradecer al personal de NEODAAS de PML por dirigir la capacitación ya Uzma Saeed por organizar el foro. ¡Fue una experiencia divertida y atractiva en la que estamos agradecidos de haber participado y animamos a cualquiera que tenga la oportunidad de aprender sobre ML a que lo haga!

* Los gráficos fueron proporcionados por las diapositivas NEODAAS utilizadas en el foro NCEO

Deja un comentario