Page 13

BOLETIN OBSERVACION TECNOLOGICA DEFENSA 39

tecnologías emergentes recurrir a diferentes familias de mode-los y algoritmos. Así por ejemplo, no sólo resulta de gran utilidad el uso de modelos ocultos de Markov (HMM) en tareas de reconocimiento del ha-bla o de Conditional Random Fields (CRM) en el caso de procesamiento de imágenes (particularmente en el reconocimiento de formas y objetos). La regularidad y flexibilidad de estos modelos hace que éstos resulten muy adecuados a la hora de modelar pro-cesos y secuencias temporales, ele-mentos básicos para realizar predic-ciones. Este tipo de modelos pueden emplearse, por ejemplo en la predic-ción de trayectorias o movimientos de personas o grupos en función de características presentes y pasadas de su entorno. Igualmente interesantes son los re-sultados obtenidos mediante redes bayesianas y especialmente, dada su flexibilidad y generalidad, redes de Markov. Éstas permiten modelar rela-ciones más complejas, incluyendo re-laciones bidireccionales no meramen-te causales como las modeladas por las redes bayesianas, como son las presentes en el tipo de información del que aquí se trata. En la figura 1 se muestra, a modo de ejemplo, un mo-delo simplificado de red de Markov para la predicción del nivel de riesgo de un escenario, a partir de datos de su entorno, tales como las personas presentes identificadas, la hora y lo-calización, los objetos identificados, el tipo de situación o el contenido emocional de la misma (debe tenerse en cuenta que buena parte de estos datos proceden a su vez de etapas previas de procesamiento). También resulta especialmente intere-sante la aplicación de técnicas basa-das en lógica borrosa, especialmente en aquellos casos que involucran in-formación difícilmente cuantificable, como puede ser aquella relacionada con analisis emocional. La utilización de reglas borrosas también supone un modo muy potente de incorporar conocimiento de alto nivel a sistemas de razonamiento experto. Este tipo de modelado es además adaptativo, Fig. 2. Modelo simplificado de nivel de riesgo, en forma de red de Markov, utilizando algunos de los tipos de información mencionados. (Fuente: HI Iberia). permitiendo la modificación (apren-dizaje) de parte de sus parámetros, tales como las funciones de perte-nencia borrosa correspondientes a los conceptos involucrados en las re-glas o incluso los pesos relativos de las mismas, en función de los datos pasados. En ocasiones puede resultar también beneficioso el uso de modelos híbri-dos, con el fin de mejorar los resulta-dos procedentes de distintas técnicas. De este modo, es posible utilizar téc-nicas de refuerzo para obtener resul-tados de mejor calidad a partir de pre-dicciones procedentes paralelamente, por ejemplo, de redes bayesianas y sistemas borrosos, logrando de este modo un sistema más robusto frente a posibles problemas de sobreajuste durante las fases de aprendizaje. El coste computacional de todo esto es elevado, tanto desde el punto de vista de potencia de cálculo como desde el del tamaño de almacena-miento necesario para los datos in-volucrados. Sin embargo este tipo de procesamiento es viable tanto técni-ca como económicamente gracias al conjunto de tecnologías conocidas como Big Data, que basadas en ba-ses de datos como NoSQL – Hadoop/ MapReduce, permiten el procesa-miento de enormes cantidades de da-tos, almacenados en grandes reposi-torios distribuidos de bajo coste, con requisitos próximos al tiempo real. Por supuesto, existen problemas que deben superarse y tenerse presen-tes en este enfoque: las tecnologías involucradas son enormemente pro-metedoras y han demostrado resul-tados en múltiples ámbitos, pero aún no están del todo maduras, lo que las hace complejas y costosas en cuanto a la necesidad de personal cualifica-do. Por otra parte, deben tratarse con especial cuidado los aspectos referi-dos a la privacidad de los datos. En cualquier caso, creemos que las po-sibilidades que abren las tecnologías perfiladas en este artículo son senci-llamente apasionantes. Boletín de Observación Tecnológica en Defensa n.º 39. Segundo trimestre 2013 13


BOLETIN OBSERVACION TECNOLOGICA DEFENSA 39
To see the actual publication please follow the link above