Roser Reyner
Alumni
Màster universitari Ciència de Dades
«L’avantatge de començar d’hora en la ciència de dades és que ho pots fer tot de nou»
El teu perfil de LinkedIn revela que la informàtica ha estat sempre el teu focus d’atenció. Què t’hi va portar?
A primària, quan professionals d’aquest tema van venir a classe, em va començar a agradar. Vaig acabar fent un grau mitjà, un grau superior i després la carrera d’Enginyeria Informàtica a la Universitat de Barcelona. Un dia, el professor amb qui vaig fer el treball final de grau, en Jordi Vitrià, ens va comentar una notícia que deia que ser científic de dades era la professió més seductora del segle XXI. I ho corroboro [riu]. Les assignatures relacionades amb aquest tema m’encantaven: predir, treure conclusions, mostrar, veure. O sigui que vaig decidir que volia ser data scientist, científic de dades.
Sembla, efectivament, una professió amb força futur, i per a aconseguir-ho vas fer el màster de la UOC.
Sí. Però quan cercava feina em vaig adonar que a l’Estat espanyol encara es demanen pocs científics de dades. En canvi, fora de l’Estat hi ha un munt d’ofertes. Als Estats Units, la majoria de grans empreses ja cerca aquest perfil, i a Europa, més de la meitat. A l’Estat espanyol, les poques que demanaven un científic de dades en realitat cercaven un expert en intel·ligència de negoci (business intelligence).
I quina diferència hi ha?
Un expert en intel·ligència de negoci intenta mostrar les dades del passat d’una empresa per a obtenir una decisió. En canvi, un científic de dades també pot fer això, però té l’objectiu d’arribar un pas més enllà. A partir de dades poc relacionades les unes amb les altres, troba noves solucions, objectius o tècniques. És mirar cap al futur.
Hem de tenir paciència...
De fet, a l’empresa on soc, faig meitat i meitat. En entrar, vaig proposar dedicar la meitat del temps a programació i l’altra meitat a ciència de dades (donar valor a les dades que tenen, analitzar el passat i mirar cap al futur: quines coses pot millorar l’empresa, com pot tenir més satisfetes les persones…).
Té repercussió en el tema dels recursos humans i tot, per tant.
Sí, sobre qualsevol tema.
Ets pioner a l’empresa. Això està bé, oi?
L’avantatge de començar d’hora és que ho pots fer tot de nou, perquè no hi ha res. M’agrada construir-ho.
El treball de màster que vas fer toca un tema molt d’actualitat: com es poden afrontar els missatges tòxics per mitjà de la intel·ligència artificial.
El que vam analitzar és el llenguatge natural de les persones. Va ser en el context d’una competició de Google. A partir d’unes dades o patrons podies arribar a saber quin tipus de persona podia tendir a expressar missatges tòxics. La idea era com es podia evitar l’error en aquestes prediccions.
A quina conclusió vas arribar?
La conclusió final és que hi ha moltíssims algoritmes que tracten del llenguatge natural, però penso que la solució més bona és barrejar algoritmes per a aconseguir comprovar que ho fas bé.
Intel·ligència artificial col·lectiva…
Sí. Al capdavall, la intel·ligència artificial aprèn del no-res a partir de les dades que tens. I, entre tots, fan la millor predicció.
Tot això, per a lluitar contra les males conseqüències de les noves tecnologies?
Més que parlar de bo o dolent, el debat rau a decidir fins a quin punt ha d’arribar la llibertat d’expressió. Avui, Facebook o Twitter poden suprimir un missatge en el moment que algú indica que és tòxic. Normalment no hi ha cap persona darrere, sinó que ja ho sol fer una màquina d’intel·ligència artificial.
En el treball de màster recordes que l’odi és una bomba fàcil d’activar i difícil de controlar. En tens cap exemple?
Imagina, a Twitter, que una persona important publica un comentari en què potencialment no critica ningú, però un sector de persones se sent ofès pel missatge. I es genera odi en aquesta xarxa, i com més va més.
Com ho arreglem?
Si una intel·ligència artificial és capaç de detectar que un missatge és potencialment tòxic, podria ser adequat que t’avisi abans de prémer el botó per a publicar-lo, i així s’aconsegueix que et preguntis si estàs segur de fer-ho. Aquest pas intermedi podria ser una manera d’aconseguir que algú s’ho pensi dues vegades, una manera de prevenir.
Com pot evolucionar la ciència de dades si pensem en d’aquí a deu anys?
Actualment, podríem dir que la intel·ligència artificial és un nen. D’aquí a deu anys, les xarxes neuronals, un tipus d’intel·ligència artificial, poden arribar a aprendre moltes coses més. I penso que es notarà molt en l’àmbit sanitari. Per exemple, aquesta tecnologia pot parar atenció en dades de totes les persones que tenen una malaltia i en pot aprendre. Sabem que hi ha un medicament que cura només una part de les persones, però no sabem per què, i hi ha una dada a què els professionals no han donat importància, posem el grup sanguini. Analitzant dades, la intel·ligència artificial pot trobar que el motiu és el grup sanguini.
I en l’àmbit més domèstic?
Potser ens pot ajudar en temes de reconeixement de veu; per exemple poder donar instruccions als electrodomèstics a mesura que escolten i aprenen de la nostra manera de parlar. Tot és llenguatge natural, tant l’escrit com el parlat. I tot és qüestió de temps i ganes.
I tu, cap a on vas?
M’encanta treballar amb volums grans de dades i treure’n valor. Qui diu dades diu imatges, textos, xifres. Tant m’és. M’agrada agafar les dades que no es fan servir i donar-los un valor de veritat. Penso que això és una professió de futur i que a l’Estat espanyol molta gent treballarà en aquest tema. I recordem que la ciència de dades toca la intel·ligència artificial, però també les matemàtiques, la ciència computacional i ser expert en el sector en què treballis. I també ens hem de plantejar si la intel·ligència de les màquines és realment intel·ligència.
Està condemnada a anar al costat de les persones i no sola, com en les pel·lícules?
És ciència-ficció. Arribarem molt lluny, però amb el que tenim ara, el que surt a les pel·lícules és ciència-ficció