Pablo Iáñez estudió bioquímica pero las prácticas de ‘wet lab’ no acabaron de convencerle y aunque no sabía programar, se lanzó a la piscina y acabó el grado con un trabajo final de tipo computacional. Fue entonces cuando la curiosidad le hizo estudiar un máster de bioinformática, lo que le abrió puertas a que hoy esté realizando su doctorado en el Instituto de la Salud Global de Barcelona (ISGlobal).
Así se adentró en el mundo del deep learning, el uso de modelos que, por cuenta propia pueden aprender una tarea muy específica que un humano ha prediseñado. Pero Pablo nos explica que “en realidad la inteligencia artificial no es muy inteligente, no tiene la capacidad de saber qué problema se tiene que resolver en ese momento”. Y es por eso por lo que necesita de un ‘entrenador de IA’, como él, para entender qué es lo que debe buscar.
Por ejemplo, si queremos que la IA distinga entre imágenes de perros y gatos, al principio la IA decidirá, aleatoriamente, en qué imágenes hay perros y en cuáles hay gatos. Es entonces cuando entra en juego la figura del ‘entrenador de IA’, que se encarga, en este ejemplo, de decirle a la IA si se está equivocando o no. Lo que hace que ésta empiece a buscar patrones que caracterizan a los perros y a los gatos desde las imágenes que nosotros le hemos dado.
Al igual que con gatos y perros, uno de los proyectos en los que trabaja actualmente Pablo se centra en trabajar con IAs que detecten, mediante imágenes de microscopía, si las células hematopoyéticas de una muestra son jóvenes o viejas. Una vez hayan conseguido enseñar a la IA clasificadora, podrán probar a usar fármacos rejuvenecedores e intentar visualizar si éstos funcionan.
Descubre cómo están avanzando en este proyecto escuchando este episodio de ‘Absolutos y Relativos’.
