Inteligencia artificial y big data

Explicá con tus palabras la diferencia entre programación tradicional (reglas escritas por una persona) y aprendizaje automático (reglas aprendidas a partir de ejemplos), y poné una aplicación donde cada enfoque sea más adecuado.

Explicá qué es un «modelo» en aprendizaje automático (los patrones y parámetros aprendidos de los datos) y qué diferencia hay entre entrenarlo y usarlo (inferencia). ¿Por qué entrenar cuesta mucho más computación que usarlo?

Explicá con una analogía sencilla qué es una red neuronal artificial: capas de «neuronas» que combinan entradas con pesos ajustables. ¿Qué se ajusta durante el entrenamiento y qué significa que la red «aprende»?

Ordená de más general a más específico estos tres términos: aprendizaje profundo (deep learning), inteligencia artificial, aprendizaje automático. Explicá la relación de inclusión entre ellos con un ejemplo de cada nivel.

La figura muestra la cadena de un sistema de aprendizaje automático que recomienda rutas de bus, pero uno de sus bloques está tapado. Indicá qué bloque falta, qué ocurre dentro de él y qué datos necesita recibir del bloque anterior.

Citá cinco servicios cotidianos que usan aprendizaje automático hoy (mapas y tráfico, traductores, recomendadores de video, asistentes de voz, filtros de spam) e indicá en cada uno qué datos de entrada usa el modelo.

Para predecir el consumo eléctrico de un edificio, proponé al menos seis variables de entrada (temperatura exterior, hora del día, día laborable o feriado, ocupación, histórico del día anterior, radiación solar) y justificá cada una. Explicá qué es la ingeniería de variables y por qué suele decidir más que el algoritmo elegido.

En aprendizaje supervisado, ¿qué es la etiqueta de un dato? Poné tres ejemplos de conjuntos de datos etiquetados (foto → gato/perro, correo → spam/no spam, sensor → sano/avería) y explicá quién suele producir las etiquetas y qué costo tiene.

Explicá la diferencia entre aprendizaje supervisado, no supervisado y por refuerzo, y clasificá estas aplicaciones: filtro de spam entrenado con correos etiquetados, agrupación de clientes por hábitos de compra sin etiquetas, y un robot que aprende a caminar por ensayo y error.

Distinguí entre un problema de clasificación (predecir una categoría) y uno de regresión (predecir un número). Clasificá estas tareas: estimar el precio de una vivienda, decidir si una radiografía muestra una fractura, predecir la temperatura de mañana y agrupar noticias por tema.

Un sistema aprende con el $80\,\%$ de los datos y se evalúa con el $20\,\%$ restante. Explicá qué son el conjunto de entrenamiento y el de prueba, qué es el sobreajuste y cómo se detecta comparando los errores en ambos conjuntos.

Un clasificador de averías evaluado sobre $200$ máquinas da la matriz de confusión de la figura. a) Calculá la precisión ($\frac{VP}{VP + FP}$) y la exhaustividad o sensibilidad ($\frac{VP}{VP + FN}$). b) Explicá qué error es más grave en mantenimiento (el falso negativo: avería no detectada) y cómo cambiarías el umbral del modelo para reducirlo a costa de más falsas alarmas.

Explicá qué es la validación cruzada (dividir los datos en varias partes y rotar cuál se usa para probar) y qué problema resuelve cuando hay pocos datos: ¿por qué una única división entrenamiento/prueba puede dar una estimación «con suerte» o «con mala suerte» del error real?

En la detección de fraude bancario solo una transacción de cada mil es fraudulenta. Explicá qué es un conjunto desbalanceado, por qué un modelo que clasifica todo como «legítimo» acierta el $99.9\,\%$ y no sirve para nada, y qué métricas y técnicas se usan en su lugar (exhaustividad, sobremuestreo de la clase minoritaria, pesos).

Definí «big data» y explicá las tres «V» clásicas (volumen, velocidad y variedad) con un ejemplo de cada una en el contexto de una aplicación de transporte urbano.

Una alcaldía instala sensores de tráfico en $200$ cruces que envían una lectura cada $5$ segundos. a) Estimá el número de lecturas generadas al día y al año. b) Razoná qué problemas de almacenamiento y procesamiento plantean y por qué las bases de datos convencionales de un solo servidor pueden quedarse cortas.

La concejalía de seguridad de una alcaldía encarga a un equipo técnico un sistema de aprendizaje automático para «predecir qué colonias sufrirán más incidentes delictivos el próximo año» y distribuir así las patrullas. El modelo se entrenará utilizando el registro geolocalizado de actas policiales y detenciones de los últimos cuatro años.

1. a) Argumenta críticamente por qué utilizar los registros de denuncias e intervenciones policiales como variable objetivo (target) introduce un sesgo de medición sistemático respecto a la conflictividad real del municipio.
2. b) Modela la dinámica de bucle cerrado (profecía autocumplida) que provocará el despliegue de este algoritmo: predice cómo evolucionarán los datos recopilados tras enviar más patrullas a las colonias señaladas en la primera iteración y qué efecto tendrá en el reentrenamiento del modelo.
3. c) Diseña una propuesta alternativa para la alcaldía que aproveche la ciencia de datos no para el patrullaje punitivo anticipado, sino para identificar necesidades de intervención social preventiva, inversión en alumbrado o refuerzo de servicios públicos en zonas vulnerables.

Diseñá a nivel conceptual un sistema de mantenimiento predictivo para el parque de calderas de una ciudad: qué sensores y datos recogerías, qué etiquetas necesitaría el aprendizaje supervisado, cómo validarías el modelo y qué decisión tomaría el sistema ante una predicción de avería inminente.

En un hospital se evalúan dos sistemas de inteligencia artificial para apoyar el triaje de urgencias y la detección de ictus a partir de neuroimágenes:

• Sistema Alfa: Red neuronal profunda con una tasa de acierto global del 97.4 %, pero cuyo proceso interno de decisión es una caja negra matemática ininterpretable.

• Sistema Beta: Árbol de decisión basado en reglas clínicas estructuradas con una tasa de acierto del 89.6 %, totalmente transparente y auditable paso a paso por los especialistas.

1. a) Justifica el dilema ético y deontológico al que se enfrenta el personal médico al elegir uno de los sistemas: ¿es admisible utilizar un modelo con menor tasa de acierto si permite conocer las causas clínicas de cada diagnóstico?
2. b) Analiza las exigencias que plantean el paciente y la legislación sanitaria sobre el derecho a una explicación comprensible y a la asignación de responsabilidades ante un diagnóstico erróneo.
3. c) Diseña una propuesta de compromiso tecnológico que combine el alto rendimiento del Sistema Alfa con las garantías de interpretabilidad del Sistema Beta, justificando la inclusión de métodos de explicabilidad post hoc (como mapas de calor de atribución) y un protocolo de supervisión humana obligatoria (human-in-the-loop).