Juan José Garau Luis: “Des de la meva perspectiva crec que encara som lluny de que les màquines igualin la capacitat humana”

 

Altres entrevistats
01/04/2021
Jaume Puig: “Quan s’aixequin les restriccions de la covid-19, el consum repuntarà amb força, especialment en els viatges”
 
24/03/2021
Lluís Danés: " “De l’Estat espanyol no hem rebut cap ajut. Ni de la Televisió Pública espanyola, ni del Govern espanyol. Ningú.”
 
04/03/2021
Fèlix Colomer: “’Vitals’ demostra que un documental social i en català pot arribar a centenars de milers de persones de tota Europa”
 
22/02/2021
Juliana Canet "“No hem de donar valor a les coses només perquè siguin en català o les faci una dona”
 
05/02/2021
Àngels Ponsa i Roca: «Volem situar al voltant de Sant Jordi el tret de sortida de la represa cultural»
 
01/02/2021
Eduard Martín: «Per als operadors de telefonia 5G el negoci són els continguts»
 
Text: Text: Pol Audivet / AMIC Vídeo: Pol Audivert /Clarck/ AMIC
29/03/2021

 

Nascut a Palma l’any 1994. El 2017 rep un doble grau en Enginyeria Industrial i Enginyeria de Telecomunicacions per la Universitat Politècnica de Catalunya (UPC), a través del Centre de Formació Interdisciplinària Superior (CFIS). Realitza el seu treball de fi de grau al Massachusetts Institute of Technology (MIT), després de participar en diversos projectes d’investigació al Barcelona Supercomputing Center i a la UPC. Un cop graduat, va treballar com a científic de dades i consultor a l'empresa espanyola Arcvi. El 2020 rep un màster en Enginyeria Aeroespacial a MIT i comença els seus estudis de doctorat en el mateix centre. La seva investigació es centra en la millora de l’aplicabilitat de Reinforcement Learning en el món real, utilitzant problemes de comunicacions satèl·lits i l’optimització molecular com a foc d’origen. El 2020 també realitza una pràctica a l'empresa farmacèutica Novartis, en el departament d'Intel·ligència Artificial. Ha participat i ha guanyat nombrosos cursos de programació i anàlisi de dades al llarg de la seva trajectòria acadèmica i és autor de diverses publicacions.

La Fundació “la Caixa” li va concedir una prestigiosa beca. Com va rebre la notícia?
Vaig posar-me molt content. Després d'un procés llarg i competitiu, la beca m’ha permès portar a terme la meva investigació i començar els meus estudis de doctorat amb més flexibilitat. També m’ha permès escollir les direccions que volia prendre en relació amb el doctorat. Ha estat tot un honor formar part d'aquesta xarxa de becaris.
 
En què va consistir el seu treball de final de grau, i com l’ha ajudat a complementar els seus estudis?
A través de la Universitat Politècnica de Catalunya, vaig cursar un doble grau en enginyeria industrial i enginyeria de telecomunicacions. El centre va donar-me l’oportunitat de realitzar el treball de fi de grau a Massachusetts Institute of Technology (MIT), concretament a System Architecture Group, on actualment estic realitzant-hi el meu doctorat. La meva tesi consisteix a dissenyar una xarxa internet of things per millorar la seguretat i la mobilitat dins un aeroport. L’estada em va permetre realitzar i experimentar recerca de primer nivell. A més, se’m va proporcionar la connectivitat necessària per relacionar el que havia fet durant el grau a la UPC amb el projecte de recerca. En definitiva, fou un complement simbiòtic a tota l'educació rebuda a la universitat catalana.
 
Quines diferències educatives i tecnològiques ha notat entre l’estada a Massachusetts Institute of Technology (MIT) i la Universitat Politècnica de Catalunya (UPC)?  
Tot i que el grau d’exigència és similar, el pla educatiu és completament diferent. Els estudiants matriculats a MIT, no accedeixen de forma directa a fer un grau en concret. Durant el primer curs el pla docent és el mateix per tothom, any rere any, els alumnes es van especialitzant, i poden optar a un programa compost per assignatures optatives. A la UPC ens trobem amb un pla docent molt encaminat des del primer curs. Fins a tercer i quart no disposes de l’opció optativa. A més, aquestes assignatures de caràcter opcional, representen un percentatge baix respecte el total del bloc obligatori.

El contingut d’estudi a MIT és més transversal, engloba diversos camps humanistes (política, sociologia...) poc corrents en una carrera d’enginyeria a Catalunya. A nivell tecnològic, MIT és una universitat privada i per tant gaudeix d'una situació econòmica favorable. Ara bé, la matrícula d’accés és bastant més costosa. Per últim, m’agradaria destacar un aspecte negatiu de MIT. La cultura universitària és molt absorbent, finalitzes la setmana i te n’adones que el temps de lleure ha sigut efímer. Aquesta situació provoca una falta de desconnexió necessària.


 
En el TFG ens parla sobre portar a terme un control generalitzat del moviment de la població en les grans infraestructures, com per exemple; aeroports. Està clar que el Govern, a mesura que la tecnologia ocupi més espais de la nostra vida quotidiana, disposarà de més poder sobre nosaltres. Com es garantirà la privacitat de les persones, davant l’augment de les tecnologies de la informació per part de les autoritats? Quins problemes ètics generen un control tan exhaustiu del moviment i vida personal?

El meu tema de treball relaciona la tecnologia i el control generalitzat del moviment de les poblacions en grans infraestructures, com aeroports. Cada vegada existeixen més notícies que relacionen la tecnologia amb la denúncia per la falta de privacitat i ètica als controls de seguretat. Les aplicacions intel·ligents funcionen de diverses formes i la seva principal funció és encarregar-se d’identificar persones. A més, aquestes màquines disposen d’accés a dades personals. Aquesta ocurrència pot comportar una doble conjectura en termes de seguretat. Per un costat, una major seguretat, imaginem que la persona identificada ha tingut problemes legals o antecedents, permet la ràpida detecció. D’altra banda, problemes de privacitat. Aquests sorgeixen quan la persona que controla la màquina vol usar aquestes dades amb finalitats poc ètiques. L’ètica disposa de molts dominis d’estudi per analitzar aquest fenomen.

Personalment, considero la no generalització de situacions un primer pas. En segon lloc, aposto per l’avaluació cas per cas i darrerament l’aplicació de transparència al procés de funcionament de la maquinària. Com a ciutadà tens el dret de conèixer la informació personal compartida i especialment qui hi té accés.
 
Quina tecnologia veurem en els pròxims anys que farà evolucionar la mobilitat en les grans infraestructures?
Internet of things jugarà un paper molt important en un futur pròxim. És una tecnologia que ajuda a crear un clon virtual d'un espai, aquest podria ser un aeroport o un magatzem. Aquest clon et permet conèixer en temps real l’estat d’allò que estàs monitoritzant. Posem un exemple, en un aeroport gràcies a un clon podem saber en temps real quina densitat de persones per metre quadrat trobem en diferents espais i de forma simultània. Gràcies a la monitorització podràs saber on has de col·locar més personal, predir si en deu minuts hi haurà  un problema de seguretat, obrir dues línies de seguretat per poder agilitzar el pas dels viatgers, etc.

Els magatzems són espais on cada vegada estan més incorporant aquest tipus de tecnologia, on es disposa d’un control en tot moment de l’estoc, s’automatitza el procés de compra d’articles a una zona i s’envia un agent a recollir-ho. Tot està coordinat i automatitzat, Internet of things facilita aquests moviments.
 

 Actualment el Big Data es troba present en les nostres vides d’una forma sense precedents. Tots els sectors de la nostra societat s’ajuden de la informació que proporciona aquesta innovadora intel·ligència artificial per treballar d’una manera més eficient i productiva. Un dels sectors que s’està ajudant més en aquest aspecte és el món empresarial. Vostè ha treballat com a consultor de dades a l’empresa Espanyola ARCVI. De quina forma ajuda una empresa com ARCVI als seus clients i quina crítica hi faria?

ARCVI mostra què s’amaga darrere d’una presa de decisions i fonamenta els resultats en base unes dades. Quan treballava a ARCVI, ens aferràvem a bases de dades d'empreses de diversos sectors i exploràvem allò que podíem millorar dels diversos processos. La investigació es porta terme a partir d’una base de dades. Mitjançant tècniques d’estadística i matemàtiques, arribem a conclusions que no acostumem a observar a simple vista.

Com a crítica, l’aposta de les empreses per consultores de dates sciences com ARCVI, no garanteix totalment la resolució de falta d’informació fins que no es finalitza el procés d’anàlisi. Una vegada nosaltres concloem la feina/projecte, ha d’haver-hi un esforç per part de l'empresa que contracta per adoptar la cultura de presa de decisions a partir de les dades. L’anàlisi final si no es porta a terme, el procés de la consultora queda com un projecte puntual sense una continuïtat. Tots els esforços per tractar de transmetre una metodologia específica, queden en un no res.


 
El reinformance learning ha demostrat ser una revolució científica i tecnològica sense precedents. Tant és així, que un algoritme pot guanyar al millor jugador d’escacs del món. Em sabria dir en què es diferència i s’assembla l’aprenentatge humà i el reinforcement learning. Creu que en un futur no gaire llunyà podria arribar a igualar la capacitat humana?

Reinformance learning o aprenentatge per reforç en català, pretén imitar la forma que tenen els humans i els animals d’aprendre. Com a éssers intel·ligents aprenem mitjançant reforços positius o negatius. Aquests indiquen si quelcom que hem realitzat ha estat correcte. Si és així, rebem un reforç positiu, si pel contrari ha estat una decisió negativa, rebem un càstig.

Reinformance learning és un procés semblant. Trobem unes persones que avaluen i escullen el que és correcte i el que està mal fet. Imaginem un environment (context en català). La missió del robot és recollir un got que ha caigut i s'ha trencat. Aquesta capacitat d'observar el que envolta i dur a terme certes accions que portin a modificar aquest environment de tal manera que s'arribi a una solució del problema, s’anomena reinformance learning. El robot rebrà senyals positives, negatives o neutres. Al final del procés si aconsegueix complir l'objectiu, significa que les decisions han estat positives i per tant han derivat a la solució de la problemàtica. En aquest cas: got recollit.
Des de la meva perspectiva crec que encara som lluny del moment en què les màquines igualin la capacitat humana. Actualment nosaltres anem molt més enllà que els límits establerts en aquestes. Els humans som molt bons aprenent coneixements nous, diversos i provinents de camps diferents de forma ràpida, associem amb molta facilitat. Actualment un robot que pugui adquirir tots aquests camps resulta complicat. Les línies d'investigació van cap aquesta direcció, però encara queden anys.
 
Em podria destacar algun projecte portat a terme a La Supercomputadora de Barcelona, al qual ha tingut la sort de participar, que ajudi eficaçment a fer avançar la ciència?
Al Barcelona Supercomputing Center (BSC) vaig treballar al Workflow and Distributed Computing Group, amb la Dra. Rosa Badia, mentre era estudiant de quart. Allà la meva tasca principal era investigar com alguns dels algorismes de Machine Learning, que en aquell moment començaven a agafar popularitat, es podien paral·lelitzar, és a dir distribuir la tasca computacional entre més d'un únic processador. Aquesta línia de recerca és important dins el món de la Intel·ligència Artificial per a poder reduir el temps d'entrenament de les xarxes neuronals, i per exemple aconseguir en hores el que s'aconseguiria en qüestió de dies.
 
Quins són els seus objectius de recerca a curt termini? Quins mitjans necessitaria per desenvolupar amb plenitud les seves línies d’investigació?
Durant el màster a MIT, he aprofundit en l’estudi d’un camp concret de machine learning. Aquest s’anomena reinformance learning i ajuda a resoldre diversos obstacles en el món de les comunicacions per satèl·lit. M’he adonat que existeixen obstacles que dificulten l’adopció de forma fiable d’aquests tipus de tecnologia en les ciències matemàtiques i físiques. Com a repte personal, em proposo entendre millor de quina forma podem millorar aquests models actuals perquè puguin incorporar-se en el món real més fàcilment.
A curt termini, m'agradaria identificar un subtema el qual pogués aprofundir-hi i sobretot dedicar-hi part del meu doctorat. Considero necessari tenir contacte amb empreses que puguin proporcionar casos d’ús amb dades reals, d’aquesta manera, em relaciono amb el món autèntic i puc entregar els models de forma més robusta.
 
Em pot explicar el dilema exploració i explotació en el món del reinformance learning?
Les persones que es troben dins un environment realitzen accions. El dilema d’explotació consisteix en el coneixement que certes accions deriven a una determinada recompensa, i la decisió de seguir portant a terme aquestes fases. D’altra banda, podem explorar camins alternatius i provar la sort a partir d’un altre procés. Aquest cas és exploració.
El dilema és present en situacions socials que involucren éssers humans. En un restaurant podem demanar el que demanem sempre, aquesta seria una acció d’explotació, mentre que decantar-nos per l’opció de demanar plats alternatius, que ens poden agradar encara més  s’emmarca dins el que coneixem com exploració.
 
Quines polítiques hauria de portar a terme un Estat com Espanya, per posar-se a nivells de països amb un índex de desenvolupament tecnològic molt avançat?
No sóc expert en aquest tema, però des del meu punt de vista, un estat com Espanya no pot competir en economia digital del segle XXI contra països com els EUA, Rússia o la Xina. La indústria digital Espanyola és reduïda, cal una clara incentivació en aquest aspecte.
El Taló d’Aquil·les de tot aquest biaix és el sistema educatiu i representa la primera passa a solucionar. Ara mateix tenim una educació que no facilita l'aprenentatge en competències digitals i per tant la connexió a la realitat laboral és minsa, provocant una falta de preparació per les feines immediates i greus problemes estructurals. És indispensable la creació de mòduls de formació professional orientats a cobrir les necessitats dels futurs sectors productius.
 
L'Enginyeria Aeroespacial de la mà d'emprenedors com Elon Musk està experimentant un creixement econòmic exponencial. Quins són els principals reptes a curt termini que planteja la indústria aeroespacial i com el reinformance learning pot ajudar a solucionar-los?
La indústria aeroespacial planteja molts reptes al davant. A llarg termini per exemple, tenim les fites per arribar al planeta Mart. A curt termini, observem projectes per millorar la connectivitat global mitjançant comunicacions satèl·lit. Gràcies a un seguit de fotografies satel·litzades podrem combatre millor i amb major efectivitat el canvi climàtic.
Tant la tecnologia aeroespacial com la majoria de sistemes satèl·lits o naus espacials, es troben fora del control humà en temps real. És a dir, nosaltres som a la Terra i els satèl·lits a l'espai, controlar les diferències temporals en temps real és molt complicat, una possible solució seria dotar de funcionament autònom aquests sistemes i que tinguessin la capacitat de saber com s'han d’autocontrolar en cada moment. Reinformence learning és una manera de poder dotar aquestes capacitats. Tot i ser una línia d'investigació bastant nova de moment està donant resultats força prometedors.
 
Com creu que podem ajudar-nos de la intel·ligència artificial en la lluita eficaç contra futures pandèmies?
La intel·ligència artificial pot ser de gran utilitat per ajudar-nos a predir l'evolució i la capacitat de transmissió dels virus. Observant dades de la pandèmia de la Covid-19, s'han fet estudis de xarxes neuronals basats en grafts. La indagació està mostrant bons resultats i preveu l’evolució dels virus a diferents llocs del món. També existeix tot una línia de recerca que gira al voltant de la forma en què intel·ligència artificial pot accelerar els dissenys de nous fàrmacs necessaris als hospitals. En plena pandèmia, cada vegada més podem ajudar-nos de models d'intel·ligència artificial per facilitar la detecció de diagnòstics i portar a terme selecció de teràpies amb precisió. Evitar l’augment de contagis és una prioritat. La AI aplicada en el món de la salut és un camp força consolidat i amb un potencial que hem de considerar.
 
Què és el que destacaria de la seva trajectòria, que personalment l’ha fet créixer més? Quines expectatives de futur té?

La meva trajectòria ha estat fruit d’un conjunt de factors, treballs, decisions. Sincerament no hi ha quelcom en concret que hagi significat un impàs enorme. Hi ha una situació que sí que m’ha servit més del que pensava. L’educació a MIT és transversal, aquest model d’ensenyament m’ha permès començar a interessar-me per camps com la sociologia o l’economia... Aquestes esferes m’han permès escapar de la monotonia de la carrera, laboratori, equacions, intel·ligència artificial... Ha significat adquirir una nova perspectiva humanista i observar el que m’envolta d'una altra manera.
Parlant d’expectatives, m’agradaria conèixer de primera mà la forma de treballar en camps de la intel·ligència artificial a partir d’una mirada més realista. A MIT adquirim els coneixements amb una perspectiva de recerca, però no ens faciliten la connexió amb el que succeeix a peu de carrer i en els sectors industrials. Crec que seria molt interessant dirigir-me cap aquesta direcció.

 

 

 

AMIC - Qui som? - Avís legal
Gran Via de les Corts Catalanes, 610 1r 2a - 08007 Barcelona
Tel. 93.452.73.71 - Fax 93.452.73.72 - info@amic.media