Pablo Iáñez va estudiar bioquímica però les pràctiques de ‘wet lab’ no van acabar de convèncer-lo i encara que no sabia programar, es va llançar a la piscina i va acabar el grau amb un treball final de tipus computacional. Va ser llavors quan la curiositat el va fer estudiar un màster de bioinformàtica, cosa que li va obrir portes a que avui estigui fent el doctorat a l‘Institut de Salut Global de Barcelona (ISGlobal).
Així es va endinsar al món del deep learning, l’ús de models que, per compte propi, poden aprendre una tasca molt específica que un humà ha predissenyat. Però Pablo ens explica que “en realitat, la intel·ligència artificial (IA) no és gaire intel·ligent, no té la capacitat de saber quin problema s’ha de resoldre en aquell moment”. I és per això que necessita un entrenador d’IA, com ell, per entendre què és el que ha de buscar.
Per exemple, si volem que la IA distingeixi entre imatges de gossos i gats, al principi la IA decidirà, aleatòriament, en quines imatges hi ha gossos i en quines hi ha gats. És llavors quan entra en joc la figura de l’entrenador o entrenadora d’IA, que s’encarrega, en aquest exemple, de dir-li a la IA si s’està equivocant o no. Això fa que aquesta comenci a buscar patrons que caracteritzen els gossos i els gats des de les imatges que nosaltres li hem donat.
Igual que amb gats i gossos, un dels projectes en què actualment treballa en Pablo se centra a treballar amb IAs que detectin, mitjançant imatges de microscòpia, si les cèl·lules hematopoètiques d’una mostra són joves o velles. Un cop hagin aconseguit ensenyar a la IA classificadora, podran provar de fer servir fàrmacs rejovenidors i intentar visualitzar si aquests funcionen.
Descobreix com estan avançant en aquest projecte escoltant aquest episodi de ‘Absolutos y Relativos’ (en castellà).
