Felipe Lara Leyva recibió el «Innovators Under 35 LATAM 2022», otorgado por la MIT Technology Review. “Ojalá que la gente siga el proyecto, nos busquen y que este tipo de proyectos logren vivir a través de la participación ciudadana y la necesidad de generar datos y usarlos, que la gente imagine que hacer con esto”

Felipe Lara Leyva recibió por su proyecto «Percepthor» el premio «Innovators Under 35 LATAM 2022», otorgado por la MIT Technology Review (revista de tecnología del Instituto Tecnológico de Massachusetts), un reconocimiento a la participación destacada de jóvenes menores de 35 años que trabajan en el desarrollo de ciencia y tecnología de alto impacto en la sociedad.

El propósito del premio es buscar proyectos con la capacidad de transformar el mundo desde el punto de vista tecnológico; se trata también de tener una idea de las tecnologías del futuro y su impacto en distintas áreas; detrás de ello hay otra serie de indicadores en función del impacto social, del número de personas que pueda alcanzar o beneficiar, de la problemática que resuelve y la innovación tecnológica que hay detrás. Aunque son varios los puntos que se califican, lo más importante en realidad es el innovador, así este premio lo han recibido personajes como Marck Zuckerberg, o los fundadores de Google o Tesla.

En entrevista para El Economista, Felipe Lara Leyva platica sobre la distinción y los alcances de su proyecto. Este consiste en realizar una auditoría de la infraestructura de una ciudad a través de tecnología de inteligencia artificial de reconocimiento de imágenes.

“A través de varias iteraciones tecnológicas, desarrollamos un sistema de inteligencia artificial que tiene la capacidad de describir todo lo que observa, aunque no lo conozca. Lo que hacemos es que ponemos a una persona en una moto con una cámara 360° y esta observa todo lo que hay en una ciudad y al mismo tiempo va creando una base de datos descriptiva de lo que va encontrando”.

Lara Leyva, egresado de la Universidad Lasalle, de 34 años, explica que mediante ‘Perceptor’ se pueden reconocer baches, luminarias, construcciones en mal estado o tener un inventario de cuántos semáforos están descompuestos o funcionando. «Todos estos datos no tienen un valor comercial, pero sí social. Consideramos importante que la ciudadanía tenga acceso a este tipo de información y así es como decidimos dar toda esa información gratis”.

¿Cómo surge el proyecto?

Felipe Lara, ingeniero en mecatrónica, asegura que la idea es crear herramientas con un enfoque para eliminar la desinformación y dar herramientas a la sociedad y políticos que quieran lograr la capacidad de saber dónde están parados en cuanto a los problemas de su comunidad.

En este tenor, «Percepthor» nació con la idea de crear sistemas con inteligencia artificial, reconocimiento de imágenes, procesamiento de señales, entre otras funciones, que permitían responder a una serie de necesidades tecnológicas en clientes pequeños y medianos, por ejemplo, reconocer productos en las tiendas, entender la publicidad o cómo se está desempeñando su operación.

“Para ello se necesitaba enseñarle a una máquina a reconocer lo que buscamos y eso implicaba un proceso en el que recolectamos miles de imágenes de un producto y la máquina las va asimilando”.

Asegura que esto conlleva una labor de entrenamiento muy grande y un gran reto por la gran rotación de imágenes y conceptos. Entonces fue ahí donde empezaron a buscar desarrollar un tipo de sistema que fuera bueno en entrenarse a sí misma, esta área se llama “aprendizaje no supervisado”, pues no requiere un etiquetado manual.

Por otro lado, uno de los socios de esta empresa había estado cercano a las organizaciones de la sociedad civil, como Mexicanos Primero, Mexicanos Contra la Corrupción y más de cien organizaciones diferentes. “Con el contacto de las tareas que desempeñan, sobre todo en fiscalización de las actividades públicas y desarrollo de la infraestructura urbana, nos dimos cuenta de que había falta de información y que podíamos apoyar de ese lado”. Al mismo tiempo se realizó un proyecto en España, donde la idea era hacer una auditoría que contara luminarias y farolas.

Estas tres vertientes fueron las piezas para armar un proyecto que juntara la tecnología para resolver problemas y una mejor herramienta para fiscalizar al gobierno y entender la necesidad social.

Por ahora, ‘Percepthor’s cities digitalization’ está en fase piloto en la Ciudad de México, pero los desarrolladores pretenden llevarlo a todas las ciudades a donde la legislación lo permita, además, se encuentra trabajando en la construcción de una supercomputadora que permita procesar toda la información de la Ciudad de México. “Sería una de las tres computadoras más poderosas de México y seríamos la institución privada con la computadora más poderosa del país”. «Percepthor» también buscará recopilar datos de manera periódica, cada dos a tres meses, y distribuirla con organizaciones de la sociedad civil, donde una de las aplicaciones de esta información será evaluar, con datos duros, el desempeño de un gobierno.

“Queremos dar visibilidad al proyecto, que la gente se entere de él, que clientes con necesidades lo conozcan y tener el respaldo del MIT Technology Review será muy importante”, dijo Lara Leyva. “Espero que este proyecto pueda tener mayor visibilidad en potenciales usuarios y organizaciones que puedan aterrizar ideas a través de la información que esta tecnología genera, ya sea proyectos de interés social y productos comerciales, el potencial es amplio”.

Concluye que esta herramienta también podría incidir en política pública pero dependerá de con qué ojos se mire. “Es un arma de doble filo, porque al poder ser medidos, implica que se sepa información, el ideal es que quieran promoverla y apoyarla, que no nos vean como el enemigo sino como el aliado, pero es pronto para saber qué sucederá, primero habrá que liberar información y ver la reacción”.

¿Qué es el Machine learning?

Se desarrolló en los años 60 cuando se buscó hacer una tecnología que permitiera a las máquinas programarse a sí mismas y crear funciones en un inicio, “el problema durante todo ese tiempo fue que la capacidad de cómputo necesaria no existía para demostrar que se podía hacer algo relevante con esas tecnologías”, explica Lara Leyva.

Pasaron muchos años donde no hubo algo impresionante que permitiera dar el salto, no fue hasta 2012 cuando esa transformación se empieza a dar con los procesadores de videojuegos, ya que empiezan a permitir multiplicar cantidades inmensas de matrices de forma muy económica, así supercomputadoras llegan accesibles al público en general, además de científicos o académicos.

En paralelo comenzó a crecer el big data. Con datos y capacidad de cómputo se pudieron crear sistemas de machine learning o redes neuronales más grandes y profundas (deep learning). “En este momento los resultados de esta tecnología ya son mejores de lo que podría hacer una persona, pues antes todos los algoritmos se tenían que procesar a mano, es decir, antes la inteligencia estaba en el programador y ahora está en el algoritmo”.

Así llegaron las primeras aplicaciones comerciales reales en 2014 y 2015, en los siguientes años hubo una explosión de startups e inversión en inteligencia artificial. Hoy ya hay muchos proyectos alrededor del mundo con una base de inteligencia artificial muy fuerte, para el joven empresario y divulgador de la ciencia, “estamos viviendo las primeras etapas de lo que será capaz de lograr esta tecnología”.

Fuente: eleconomista.com.mx