La “Lista AI 2000” es generada automáticamente por algoritmos informáticos del sistema Tsinghua AMiner Academic Data que rastrea y clasifica la relevancia de investigadores de todo el mundo, de acuerdo a la cantidad de citas logradas en las principales publicaciones en Inteligencia Artificial. Esta plataforma indexa más de 133 millones de perfiles y 270 millones de publicaciones.
El profesor del Departamento de Ingeniería Biomédica de la Universidad de los Andes, Pablo Arbeláez, fue reconocido con el premio AI 2000 Most Influential Scholar Award Honorable Mention por sus destacadas contribuciones e impacto duradero en el área de la Visión por Computador, según informó el departamento de Ingeniería de la Universidad de los Andes. Este reconocimiento clasifica al profesor Arbeláez como parte de los 100 investigadores más influyentes en su disciplina en la última década, el único de una universidad latinoamericana.
¿Cómo comenzó su carrera científica?
Soy de Bogotá. Estudié matemáticas en la Universidad de los Andes y luego me fui a Francia a hacer un doctorado en matemáticas aplicadas, una maestría y un doctorado, y comencé a trabajar en Inteligencia Artificial (AI). En 2007 fui contratado como investigador del grupo de IA de la Universidad de Berkley (California) hasta que regresé a Colombia, en 2014, a trabajar en el grupo de Ingeniería Biomédica en la Universidad de Los Andes.
¿Qué ha cambiado en la investigación sobre Inteligencia Artificial en el mundo?
Hasta hace poco esta área era bastante académica, un poco alejada del mundo real. Sin embargo a mí me han interesado mucho las matemáticas y el aspecto un poco más formal de la ciencia, por eso me pareció apasionante el problema de modelar la inteligencia humana. Y desde que tuve los primeros cursos de maestría en París me llamó la atención el modelamiento de la percepción visual, básicamente cómo interactuamos con el mundo y con los ojos.
¿De eso se trata la “visión por computador”, que es lo que usted investiga?
Es un sub-área dentro de la IA y busca desarrollar computadores que puedan entender el mundo como lo hacemos con los ojos. Ver una imagen e interpretarla, poder saber qué hay en la imagen. Es un área que ha tenido grandes desarrollos, con métodos de reconocimiento automático. Una de sus aplicaciones es el reconocimiento facial, por ejemplo. Pero no solo eso. Sirve para el reconocimiento de los objetos, construir un espacio en tres dimensiones, poder separar objetos del fondo. Esto tiene muchas aplicaciones. Pero el reconocimiento de una imagen es una de las tareas centrales de la visión por computador y en general de nuestra vida en el mudo natural.
Usted investiga su aplicación en la ingeniería biomédica…
Exacto. Hace unos años hicimos una investigación para automatizar el diagnóstico de cáncer de pulmón. Lo que hace un radiólogo es que toma un TAC, lo corta y analiza cada corte en búsqueda de “nódulos pulmonares”. Mejor dicho, tumores. O que hicimos es desarrollar un método automático que analizan las imágenes simultáneamente y comparar esa información con una gran base de datos con o sin cáncer de pulmón. Así podemos desarrollar un método en asistir a los radiólogo en la detección temprana de cáncer de pulmón, que es el que mata más gente en el mundo al año justo porque los diagnóstico suelen llegar demasiado tarde como para una terapia efectiva.
¿Otras aplicaciones, tal vez más cotidianas?
Una de las inmensas ventajas de la Inteligencia Artificial y es que las técnicas son muy generales y básicamente se pueden aplicar a cualquier dominio de conocimiento y me permite trabajar con colegas de todas las disciplinas, tengo proyecto con astrofísica, en biología molecular, proyectos en geociencias, y proyectos en estimación de obesidad de y malnutrición.
¿Cómo era la investigación en IA cuando usted empezó, en Francia?
Era muy especializada y en Colombia no había muchas oportunidades para aprender. En ese momento no pude encontrar las guías adecuadas para trabajar en esta área, solo en Francia que la descubrí y era de grandes universidades y que eran aquellas con los recursos y con el nivel suficiente. Pero siento que la cosa cambió en 2012. Lo importante en ese año es que empezaron a haber grandes desarrollos para tener técnicas en la práctica, que se han ido adaptando a la industria del software. Eso fue el comienzo de lo que se llama el deep learning.
¿Qué es “deep learning”?
Son las técnicas que permitieron estas maravillas. Estas técnicas tienen varias características: requieren gran poder de cálculo, antes no había computador lo suficientemente poderosos, y gracias a un hardware que se llama GPUS (Graphical Proccesing Units) se tiene un poder computacional mayor, y se pueden hacer cosas impensables. Deep Learning son las técnicas que utilizan aprendizaje profundo, mucho mejor que las técnicas de hace diez años. Básicamente aquí se trabaja a gran escala y con un gran volumen de datos
¿Y cuál fue el cambio radical? ¿Por qué el IA se vuelve cada vez más cotidiano?
El cambio radical de la investigación en IA es el avance de los computadores. El segundo es la disponibilidad de grandes volúmenes de datos. El que tuviera una imagen digital era por varios millones de dólares, hoy en día a Youtube o a Facebook se suben Gigas y Gigas de videos e imágenes cada segundo, entonces hay gran cantidad de datos públicos, con información adicional; y el tercer factor es que cada vez a la gente le interesa más entonces hay más discusión académica. Yo tuve la suerte de quedar entre los 100 más citados del mundo en este tema.