Un total de 25 investigaciones académicas en diferentes áreas, pero todas con un modelo de base tecnológica, fueron respaldadas por Google a través de la séptima edición de los Premios de Investigación de América Latina (LARA - Latin America Research Awards).

Este año, se recibió un récord de 670 postulaciones, de las cuales se seleccionaron 25 que serán financiados con una beca por un año. En total, Google destinó para esta edición US$500.000.

La premiación, que tuvo lugar en el Centro de Ingeniería para Latinoamérica de Google, ubicado en Belo Horizonte, Brasil; fue presidido por Berthier Ribeiro-Neto, director del centro, quien destacó el interés de Google de entender y respaldar el origen de las investigaciones.

"Por eso en Google ya llevamos siete años apoyando los proyectos destinados a encontrar y analizar las mejores formas de resolver problemas cotidianos de las personas", destacó Ribeiro-Neto.

Entre las propuestas ganadoras se encuentran 2 de Argentina, 15 de Brasil, 5 de Colombia, 2 de Chile y 1 de Perú. Los proyectos fueron seleccionados por un comité formado por los ingenieros de la compañía para la región. 

Los proyectos galardonados por Google se encuentran destinados a resolver diversos problemas que afectan a las personas, como la clasificación del cáncer de piel, la detección automática de áreas de reproducción de ​Aedes aegypti, detección de plagas, detección de nódulos pulmonares y más. 

"Cada uno de los estudiantes de maestría y doctorado seleccionados, así como sus asesores, contribuyen a enriquecer e impulsar la investigación en América Latina", destacó el ejecutivo, quien valoró que este año poco más de la mitad de los proyectos están enfocados en el área de la salud.

"Todos estos proyectos reafirman nuestro compromiso con la región y con impulsar investigaciones académicas dirigidas a encontrar soluciones a problemas sociales comunes", añadió.

Desde su lanzamiento en 2013, los Premios de Investigación para América Latina, han beneficiado a más de 70 proyectos en toda América Latina. A continuación, las investigaciones galardonadas por países:

Argentina

- Problemas de enrutamiento bajo congestión: algoritmos, implementaciones eficientes y datos reales: Este proyecto aborda el estudio de un grupo de problemas de enrutamiento con limitaciones de tiempo y restricciones operacionales adicionales, incluyendo explícitamente el efecto de la congestión. El objetivo es mejorar los más modernos algoritmos no solamente con nuevos diseños, sino también mejorando las implementaciones usando estructuras de datos avanzadas y a la medida para acelerar las computaciones. La investigación se centrará alrededor de diferentes variantes del problema de enrutamiento y resultados prácticos, al igual que explorar su integración con datos del mundo real. Además, se evaluará la integración del desarrollo con herramientas de código abierto.

- Aprendiendo modelos causales de los medios digitales: Este proyecto busca extraer eventos del mundo real y otras variables relevantes de las noticias y de las redes sociales con el objetivo de aprender modelos causales. El objetivo general y final del proyecto es desarrollar métodos y herramientas para apoyar a expertos en dominios para predecir y explicar eventos en escenarios complejos.

Brasil

- Detección de eventos adversos en Registros Electrónicos de Salud: Este proyecto busca desarrollar tecnología basada en inteligencia artificial para apoyar a profesionales en la salud a identificar eventos adversos (EA) en los registros electrónicos de salud de los hospitales, en particular para los casos de caídas y errores de medicación.

- Clasificación automática e interpretable de electrocardiogramas de 12 derivaciones: En este proyecto se propone investigar, diseñar, implementar y validar un método de clasificación para todas las 74 clases de diagnóstico electrocardiográfico de los electrocardiogramas de 12 derivaciones (ECG). El enfoque es descubrir nuevas características (incluyendo algunas latentes), construir una clasificación basada en ellas y proveer una interpretación que pueda ayudar al cardiólogo a alcanzar un diagnóstico clínico, lo que llevaría a un mayor avance en como los ECG son analizados y tienen una aplicación directa para mejorar la práctica clínica.

- Mejorando la clasificación del Cáncer de Piel con una extensión a la Red Generativa Antagónica (GAN): Con el apoyo de Google, se introdujo un método basado en GAN para generar datos sintéticos realistas con el propósito de mejorar los modelos de clasificación de lesiones. Ahora, los investigadores proponen incluir una red de segmentación semántica a la red GAN, eliminando las anteriores limitaciones y abordar unas fallas recientemente descubiertas en los modelos de clasificación.

- MedSimples: La intención de MedSimples es que la información relacionada a la salud sea más accesible y fácil de entender para los brasileños al automáticamente simplificar los textos de salud que se encuentran en la web mientras se preserva la precisión y fiabilidad de la información. Los objetivos principales son promover la alfabetización en salud y mejorar la comunicación entre los cuidadores y sus pacientes.

- Reducción de la latencia del servicio al emplear vehículos aéreos no tripulados como un nodo "Fog": Este proyecto propone el uso de vehículos aéreos no tripulados (UAVs) como nodos "fog" además de los nodos "fog" fijados en un intento para reducir la latencia del servicio y el tráfico a los centros de datos de la nube. De esta manera, los nodos aéreos "fog" pueden servir a usuarios ocasionales cuyos pedidos no podrían ser procesados por una infraestructura fija. El problema para ser explorado es una decisión conjunta en la ubicación de los nodos fijos y el plan de nodos aéreos. Los resultados obtenidos por esta investigación pueden arrojar una luz a la planeación de la infraestructura futura de la nube y "fog" con el uso de los vehículos aéreos no tripulados.

- Explicaciones visuales para los datos de Neuroimagen de imágenes de Resonancia Magnética Funcional (fMRI):  Este proyecto busca enfrentar la falta de información a los investigadores médicos sobre las condiciones existentes de la Dislexia, al avanzar el estado del arte en técnicas de visualización de redes para redes neuronales convencionales y proporcionar un análisis significativo y apoyado por expertos en la condición que sea clasificado.

- Detección automática de áreas de reproducción de los Aedes aegypti usando visión artificial y aprendizaje automático: Monitorear y controlar los mosquitos y la ausencia de apoyo técnico, es cada vez más costoso, consume tiempo y es ineficiente. El objetivo principal de este proyecto es reconocer automáticamente, con alta precisión, los objetos que tienen potencial de convertirse en sitios de reproducción en videos o imágenes adquiridas por Vehículos Aéreos no Tripulados, aplicando visión artificial y técnicas de aprendizaje automático.

- Distribución automática y auto ajustada de redes de árbol: Los investigadores proponen una nueva red comunicación distribuida autoajustable basada en conteo que, como una estructura de datos dinámica, se mueva más frecuentemente comunicando parejas de nodos destinatario-destino más cercanas entre sí a través de una secuencia de rotación de árboles. Los ajustes de la topología se realizan con poca frecuencia mediante rotaciones de compensación para mantener un historial del número de solicitudes a cada nodo. El análisis preliminar indica que dichas redes de comunicación escalan significativamente mejor con el nivel de concurrencia, en comparación con las alternativas más avanzadas.

- Diseñando transformaciones del espacio Kernel desde datos supervisados: Esta tesis propone desarrollar un marco de referencia capaz de inducir un espacio Kernel para los datos. Las líneas de investigación usaron el concepto de la función Green y aproximación lineal para los límites de decisión para proteger los datos. Teniendo en cuenta que el espacio Kernel será introducido directamente de los datos, se asume que los parámetros Kernel serán hechos a la medida para los datos que proporcionan el mayor rendimiento que ese espacio Kernel particular puede entregar.

- Combatiendo las Noticias Falsas a través de atribución de autoría y análisis de  de filogenia: Este proyecto de investigación tiene como objetivo solucionar dos problemas difíciles y cruciales: distribución de autoría y análisis de filogenia de los pequeños mensajes publicados en las plataformas de redes sociales, mostrando cómo estas soluciones pueden ayudar en la identificación de la propagación de información falsa en redes sociales. Diferente a lo que se ha venido realizando con mensajes largos, los investigadores se apoyarán con este proyecto en los enfoques basados en datos sobre las características estilísticas, explotando los avances de vanguardia de las redes neuronales profundas en el campo del reconocimiento de patrones.

- Algoritmos heurísticos para la distribución equitativa de la tierra y problemas distritales: Los investigadores buscan desarrollar métodos automáticos para la redistribución de tierra desde grandes latifundios a lotes más pequeños. Estos lotes luego serán asignados a familias de granjeros como parte de iniciativas de reformas agrarias en Brasil. Cada familia debería recibir un monto igualitario de recursos, lo que significa que los lotes deben estar balanceados con respecto a los atributos geográficos del área, acceso a carreteras y agua, calidad del suelo y capacidad de uso.

- Mejorando la localización de las patologías en radiografías de pecho con supervisión limitada a través del aprendizaje semi-supervisado de instancias múltiples: El  objetivo en este proyecto es usar los datos limitados que ya fueron etiquetados con una amplia cantidad de datos sin clasificar para mejorar la localización de las patologías en las radiografías de pecho al adaptar métodos de aprendizaje de última generación, semi-supervisados para realizar el aprendizaje en varias instancias utilizando conjuntos de datos de radiografías con presencia de patología conocida, pero ubicación desconocida.

- Enfoques de aprendizaje automático para la identificación de virus en mosquitos Aedes usando pequeños RNA: La investigación  propone usar el aprendizaje automático para identificar patrones únicos en pequeñas bases de datos de RNA que pueden usarse para caracterizar la circulación de los virus en la población salvaje de mosquitos. 

- Detección de plagas a través de una red de Trampas Inteligentes: Este proyecto tiene como objetivo encontrar una manera de reducir el uso de pesticidas en los cultivos. Propone un sistema que pueda predecir posibles infestaciones de pestes antes de que causen un daño real.

- Hacia la interpretación e interacción de sistemas predictivos policiales basados en aprendizaje profundo: Este proyecto busca implementar un software policial predictivo de fuente abierta con artefactos visuales de explicaciones efectivas que pueden apoyar la toma de decisiones en el planeamiento de patrullas. 

Chile

- Aprovechar los datos textuales espacio-temporales con modelos de redes neuronales: La propuesta está enfocada en el uso de redes neuronales para mejorar y diseñar modelos para la representación conjunta y eficiente de los datos textuales espacio-temporales.

- Índices prácticos y flexibles en colecciones de cadenas repetitivas: El objetivo principal es desarrollar índices comprimidos que sean prácticos y flexibles para apoyar las operaciones de recuperación de documentos en colecciones de cuerda repetitivas.

Colombia

- Modelo de Aprendizaje computacional para el análisis del fondo del ojo para el apoyo del diagnóstico médico: Este proyecto aborda el diseño y la implementación de un sistema de adquisición y procesamiento de imágenes del fondo del ojo y la detección de patologías relacionadas con la diabetes. El sistema de adquisición podrá implementarse en hardware de bajo costo que interactúa con sistemas más poderosos basados en la nube para un análisis más avanzado. Este sistema facilitará el acceso a diagnósticos especializados apoyados por sistemas semi automáticos en áreas de difícil acceso y bajos recursos.

- Modelos computacionales de Cooperación en comunidades desamparadas - Parte 2:  La investigación plantea que existe una necesidad de proponer un proceso automático para la exploración y evaluación de las diferentes estrategias que pueden beneficiar potencialmente a la comunidad. La hipótesis es que el enfoque de aprendizaje de refuerzo profundo de múltiples agentes, que se ha utilizado con éxito para entrenar a los agentes ganadores del juego, es clave para alcanzar este objetivo.

- Detección de nodos en el pulmón y predicción de malignidad usando Redes Neuronales Multimodales:  El objetivo de esta propuesta es crear una herramienta capaz de usar información tridimensional de escáneres CT al igual que la historia médica para localizar nodos pulmonares y predecir su malignidad con una alta exactitud en las primeras etapas del desarrollo.

- Habilitando tareas automatizadas de ingeniería de software para aplicaciones móviles de código cerrado: El principal objetivo de investigación de este proyecto es proporcionar a los desarrolladores de aplicaciones de Android con enfoques y herramientas para apoyar las diferentes ingenierías automáticas de software a un nivel APK, por ejemplo, los enfoques y herramientas deberían trabajar sin tener acceso a los códigos base de las apps.

- Hacia una auscultación inteligente a gran escala, asistida por computadora, para entornos remotos de atención primario: El objetivo principal de esta propuesta es desarrollar un sistema automático basado en la nube de diagnóstico de auscultación cardiaca.  Dicho sistema tiene el potencial de impactar significativamente el tratamiento primario de enfermedades cardiacas para personas en zonas rurales o, en general, cualquier lugar con una conectividad de red pero con acceso limitado a especialistas del corazón y equipos costosos.

Perú

- Diagnóstico de autismo en niños mediante la combinación de preferencia de la mirada, pupilometría y reconocimiento de gestos emocionales, realizado en un dispositivo de computación que usa aprendizaje automático/visión profunda.

Te puede interesar