0
iMMAP Colombia realizo el tercer evento virtual de innovación para promover el uso de tecnologías para la toma de decisiones en contextos humanitarios los días 22, 23 y 24 de marzo.
El tercer evento de innovación contó con la participación de 17 panelistas internacionales, quienes hacen parte de organizaciones internacionales, corporaciones privadas y academia. Los invitados cuentan con una amplia experiencia en innovación y nuevas tecnologías, y presentaron nuevos desarrollos y sus aplicaciones más recientes.
Los temas y conocimientos se presentaron durante tres días divididos en:
Día 1 | 22 de marzo de 2022:
Inteligencia artificial aplicada a contextos humanitarios y de desarrollo
356 Asistentes
Día 2 | 23 de marzo de 2022:
Usos potenciales de técnicas y herramientas para la gestión de información en crisis humanitarias
383 Asistentes
Día 3 | 24 de marzo de 2022:
Aprovechamiento de nuevas tecnologías y algoritmos al servicio de la comunidad humanitaria
365 Asistentes
El evento contó con la participación de 431 registrados para un promedio de 100 asistentes por día.
En el Día 01, la conferencia de apertura estuvo a cargo de Ricardo Baeza Yates, quien habló sobre los desafíos éticos de la inteligencia artificial, los cuales se relacionan con los sesgos tanto negativos como positivos que tienen los algoritmos y la información; estos sesgos se encuentran codificados en nuestro entorno. No obstante, para que los algoritmos sean éticos deben cumplir con las siguientes propiedades: a) conocimiento, b) acceso y reparación, c) rendición de cuentas, d) explicación, e) procedencia de los datos, f) auditabilidad y g) validación y prueba.
Posteriormente, Cristina Pombo, Emmanuel Letouzé y Richard Benjamins discutieron sobre el siguiente interrogante ¿es la inteligencia artificial una tecnología para reducir las crisis humanitarias o para generarlas?.De modo general, concluyeron que la inteligencia artificial es de gran ayuda para los gobiernos en diferentes contextos de desastres naturales y de Covid- 19 por cuanto contribuye a reducir las crisis humanitarias. Sin embargo, el uso de la inteligencia artificial plantea diversos problemas éticos que para contrarrestarlos, se sugiere crear principios y regulaciones sobre su diseño, uso e implementación según las particularidades de cada país, así mismo, crear un comité ético mixto que evalué la ética y los riesgos del uso de la IA además de capacitar en la temática a todos los que manejan datos .
Por último, Tom Smallwood y Ferda Ofli debatieron sobre el uso de datos móviles para responder a crisis humanitarias. Los argumentos presentados giraron en torno a que, los datos móviles arrojan información relevante sobre el comportamiento de las personas, lo que permite monitorearlas ante eventos de emergencia y brindar una respuesta entre las primeras 48 a 72 horas.
En el Día 02, la conferencia de apertura estuvo a cargo de Pia Faustino, quien habló sobre técnicas y herramientas para la gestión de información. Su línea de argumentación se centró en las tres lecciones aprendidas durante la Covid -19, primero se encuentra la transformación de la información en tiempo real, lo que implicó la construcción de un “warehouse”, la automatización de procesos que antes eran manuales, capacitaciones sobre las herramientas como las bases de datos SQL, en sí, se potenció los procesos digitales. Segundo, las personas que manejan la información deben utilizar herramientas diferentes al Excel y Stata que permitan manejar un gran volumen de datos, y este periodo de transición requiere de 1 o 2 meses y de la participación de quienes recolectan información, la codifican, analizan y toman decisiones. La última lección, se refiere a la importancia de construir confianza para la toma de decisiones, para ello, se deben enviar a las personas al terreno con el fin de validar la información.
La segunda parte del día fue un panel sobre ¿cómo gestionar información en crisis humanitarias? Y contó con la participación de diferentes organizaciones como Dymaxion Labs, la cual utiliza imágenes satelitales, datos geoespaciales y técnicas de machine learning y computer vision para extraer conocimientos que ayuden a las organizaciones a tomar decisiones, optimizando tiempos y costos. Una de sus intervenciones fue el Proyecto AP – LATAM, donde se realizó un mapeo de asentamientos informales en América Latina y generó un catastro actualizado de asentamientos, el cual fue el primer censo de asentamientos informales en Tegucigalpa- Honduras. Otro ejemplo socializado por Dymaxion Labs, fue la sequía 2017 – 2018 en Argentina, donde se pudo constatar, gracias a la comparación de imágenes satelitales y de los códigos abiertos, que la sequía ocasionó una menor producción de los pequeños productores, lo cual tuvo un impacto en el PIB y por ende, menores recursos para los barrios populares.
También participó RIWI, una organización que proporciona seguimiento de tendencias globales, tecnología de predicción y acceso a la opinión de las personas mediante tecnología de intercepción de dominio aleatorio que se obtiene a partir de las encuestas que los usuarios responden en la web de manera anónima. En efecto, los datos obtenidos son más precisos, seguros, confiables en contextos sensibles y, además, son recolectados en todas las regiones del mundo, incluso en ambientes cerrados y restringidos. Sin embargo, la manera en cómo se recolectan los datos tiene ciertas limitaciones, por ejemplo, no se puede hacer un seguimiento dado que, la información es anónima y las preguntas deben ser limitadas y concretas para que las personas respondan. Este tipo de tecnología ha sido de gran ayuda en el contexto de la Guerra entre Ucrania y Rusia ya que, la población ucraniana informó sobre su intención de migrar, lo que permitió evaluar el impacto y tomar decisiones para las intervenciones.
De modo similar, PREMISE es una plataforma que obtiene información sobre contextos humanitarios mediante encuestas y permite el mapeo o validación de infraestructuras, monitoreo de evaluaciones de necesidades y recolectar la rendición de cuentas de las poblaciones afectadas. Ellos manejan 4 categoría de recolección de datos de acuerdo con el tipo de tarea y su nivel: a) encuestas que se pueden responder desde la casa; b) observación directa propia mediante fotos, ubicaciones y encuestas; c) observación directa en puntos específicos mediante fotos, ubicaciones y encuestas; y d) entrevistas directas con las personas, incluyendo fotos y ubicaciones. Gracias a esta plataforma, se han validado las ubicaciones de los asentamientos ubicados con imágenes satelitales en Nigeria y Colombia; además, en el marco de la la Guerra entre Ucrania y Rusia, ha monitoreado y comparado los precios de los alimentos e insumos médicos y la disponibilidad de los alimentos en los mercados respecto al año anterior, 2021.
Otra de las organizaciones participantes fue BALCONY, una plataforma diseñada para apoyar el ciclo de vida de un evento en tiempo real dado que, cuando ocurre un evento, filtra toda la información, lo verifica, crea una alerta, actúa y confirma resultados. Para ello, combina mensajería con ubicaciones, lo que permite empoderar el flujo de información crítica, la cual es muy útil para los tomadores de decisiones porque pueden entender las situaciones, encontrar datos y desplegar una respuesta oportuna. Una de las ventajas de esta plataforma es que la información se puede recolectar de manera offline y es guardada hasta que haya conexión a internet para subirla.
Adicionalmente participó DignifAI, una empresa que ofrece servicios de modelos de Machine Learning (ML) y lenguaje natural a través de la generación de oportunidades ingresos a migrantes con impacto social; expuso los 4 pasos a seguir para definir el modelo los cuales son: 1) identificar metas; 2) identificar los datos que se quiere hallar; 3) desarrollar el modelo o código; y 4) entrenamiento del modelo supervisado y no supervisado. La operación de está empresa consiste en recibir los datos crudos, limpiarlos, aplicarles herramientas de control de calidad y regresarle la información al cliente.
En la misma línea, PRIMER es una compañía de procesamiento de lenguaje natural cuya misión es poder cerrar las brechas de lenguaje. Dentro de esta, se encuentra Primer Command, una aplicación que procesa la información obtenida de diferentes fuentes como redes sociales y noticias con el objetivo de identificar y clasificar personas, organizaciones y ubicaciones de las que se esté hablando a causa de una emergencia o situación específica. Para ello, se utilizan diferentes modelos, algunos entienden conceptos humanos como corrupción, diplomacia; y otros manejan categorías humanitarias, por ejemplo, cuántos voluntarios y cuantas donaciones se han realizado para una emergencia específica. Es importante destacar que se recopila información en 100 idiomas, pero un modelo la traduce a inglés y se espera, que, en futuro, el modelo tenga la capacidad de traducir en otros idiomas.
Por otro lado, la Plataforma de Exploración y Entrada de Datos (DEEP) ofrece un conjunto de herramientas y flujos de trabajo colaborativos que satisfacen las necesidades de recopilación, almacenamiento y estructuración de datos e información cualitativa. Se construyó con inteligencia artificial y es útil para ayudar a monitorear, analizar y apoyar la tomar decisiones en el campo humanitario dado que, es el repositorio más grande de información humanitaria gracias a que maneja etiquetas que clasifican rápidamente los textos. Por ejemplo, recientemente analizó 10.000 documentos de 22 países de Latinoamérica y al Caribe, de los cuales se etiquetaron 3.100 documentos sobre la situación humanitaria.
Por último, durante el día, por parte del público, surgieron diferentes preguntas que se destacan a continuación:
Mediante la creación de alianzas con organizaciones expertas en Machine Learning. También, pueden contactar a los voluntarios de ciencia de datos, quienes pueden apoyar la construcción de algoritmos que sirvan para apoyar una necesidad específica.
RIWI. Crea representación de la población, tratan de lograr una muestra de todos los países y la representatividad es muy buena. No tienen información personal ni identificación de usuario. Son voluntarios, no manejan incentivos.
Balcony. Donde funciona WhatsApp funciona Balcony, se necesita teléfono inteligente que permita enviar la ubicación, tienen una opción offline para la recolección de información que luego se puede reportar cuando haya conexión a internet.
PREMISE. Hay un equipo que está encargado de buscar representación de los diferentes grupos poblacionales. Se necesita un smartphone, hay formas de llegar a poblaciones rurales, como pidiéndole a los contribuidores que apoyen esta labor.
RIWI. Inteligencia artificial para identificar resultados, además se comparan datos con los disponibles para validarlos.
PREMISE. Filtros de revisión, velocidad de respuesta, detección de GPS, si es la misma persona, también cuentan con línea base y grupos de usuarios para ver si han sido restringidos y debe descartarse la información.
BALCONY.Tiene herramientas técnicas para identificar fuentes de información y compararlos; además cuando se identifican datos que no tienen algún respaldo, se puede enviar un mensaje para verificarlo con otros usuarios.
Se analizan las imágenes satelitales de tiempos del pasado para identificar nuevos asentamientos y su crecimiento. Igualmente, se analizan las imágenes satelitales hacía adelante para ver hacía donde se están extendiendo los asentamientos. En cuanto al monitoreo del clima, se utilizan para analizar si el asentamiento se está formando en lugares de alto riesgo de inundaciones o cercanos a ríos.
Dymaxion Labs. Hay 3 tipos de sensores: públicos, comerciales y militares, estos últimos no accesibles al público, la organización utiliza imágenes comerciales que, aunque tienen limitaciones de resolución se protegen las imágenes, no se ven las caras de las personas ni objetos específicos por privacidad. Es importante trabajar con datos anonimizados, no se requieren datos personales, sólo el polígono que engloba la totalidad del asentamiento.
Es posible estimarlo, para ello se realizan comparativos con años anteriores, en donde se analizan indicadores como los cambios climáticos y el rendimiento de cultivos año por año para comparar los resultados, de esta forma se pueden realizar estimaciones teniendo en cuenta la tendencia del rendimiento de los cultivos versus otros años, con esta información se podría diferir de manera directa los precios de los alimentos.
DignifAI. Entrenar a los equipos en temas relacionados con cómo hacer el tagging y buscar especialistas para que lo interpreten y seleccionen la información.
PRIMER. Entrenar modelos para que funcionen como se espera y evaluar la información. Lo anterior, está relacionado con la existencia de un modelo que identifique la información sospechosa o falsa y otro modelo que identifique las cuentas de Twitter que son robots.
DEEP: La calidad de los datos es buena, el grupo de taggers han trabajado en estas áreas y están entrenados. Además, se generan modelos que después puedan ser entrenados por el sector humanitario.
DEEP. Sólo se han probado en inglés, español y francés. Hay problemas con el ruso, pero se está trabajando para los cambios de idiomas.
PRIMER.Tiene modelos de más de 100 lenguajes, por ejemplo, árabe, chino y ruso.
DignifAI. Hay equipos de traductores y clientes para hacer traducciones de inglés a español o portugués.
En el Día 03, la sesión empezó con una conferencia sobre las lecciones aprendidas en el aprovechamiento de nuevas tecnologías que estuvo a cargo de Patrick Vince y Phuong Pham, quienes hablaron de las oportunidades que la tecnología brinda para actores humanitarios en la medida que ahorra tiempo y dinero, y, asimismo, hablaron sobre los desafíos o retos que esta representa. En primer lugar, muchas herramientas tecnológicas no se pueden aplicar en ambientes difíciles por razones de electricidad y conectividad; en segundo lugar, es necesario un marco regulatorio y ético del uso de la tecnología. Otros de los retos a superar son, la alfabetización digital y la necesidad de fortalecer el análisis sobre el uso de la tecnología más allá de tener una fe ciega en dicho uso y fortalecer la interacción con las comunidades para tratar las necesidades de una mejor manera. A lo anterior se suma la necesidad de generar una descentralización de la tecnología donde se conozca el circulo de uso y asegurar el uso de herramientas validadas.
La segunda conferencia fue dictada por Esteban Moro, quien habló sobre la segregación, desigualdad y uso de datos de teléfonos móviles aplicados al sector humanitario. Allí se hizo hincapié en la importancia del Smartphone como una fuente de datos para los científicos, por cuanto tienen GPS y Bluetooth que proporcionan información sobre la ubicación de la población, lo que permite conocer el lugar de las migraciones y situaciones humanitarias. Para ilustrar, cada vez que una persona hace una llamada, el celular se conecta a una antena que arroja una georreferenciación con precisión de 100 km en áreas muy rurales. Esta tecnología se ha aplicado en diferentes contextos; por ejemplo, el MIT Media Lab monitorea personas en diferentes lugares en España usando redes sociales y a partir de esto se elaboró un modelo que pudo predecir diferentes empleos y que arroja información sobre economía informal.
De modo similar, en el marco de la pandemia, se utilizó la ubicación de las personas y su comportamiento para realizar mapeo de contacto y redes de contacto con el fin de determinar las posibilidades de contagio y así, poder movilizar estrategias anti-pandemia; además, se identificaron cuales eran los lugares con mayor riesgo de infección. Por último, Moro recalcó la necesidad de manejar los datos con ética y de garantizar la privacidad para ser más sostenibles.
Aunado a ello, mencionó que, las TICS tienen sesgos que en su mayoría son de demografía, edad, ingresos y raza. Precisamente, la segregación permite hacer distinciones y estudios; por ejemplo, los diferentes grupos demográficos tienen diferentes niveles de penetración de las TICS y diferente nivel de uso. Simultáneamente, en relación con la pobreza, se está trabajando en un proyecto sobre la segregación en países en vía de desarrollo y sus implicaciones. Para ello, se creó el “atlas de la desigualdad” que permite mapear estos sitios e identificar qué tan diversos y/o desiguales son.
La conferencia de cierre sobre el “Manejo responsable de uso de datos y tecnologías para la toma de decisiones en el contexto humanitario” estuvo a cargo de Javier Theran, quien hace parte del Centro de Datos Humanitarios. El centro maneja cuatro flujos de trabajo: a) HDX que es una plataforma abierta donde se encuentra información clave para dar respuesta, teniendo en cuenta que usa más de 50 tipos de información y datos. En esta misma línea, se creó una plataforma que contiene diversa información sobre la COVID -19, como la distribución de género de afectación y el número de vacunas, entre otros; b) manejo responsable de uso de datos pues, es importante ser éticos a la hora de recolectar y guardar los datos; c) alfabetización; y c) análisis anticipatorio.
Por último, durante el día, surgieron diferentes preguntas por parte del público y que se destacan a continuación:
Se debe capacitar a los encuestadores para que registre la información de manera literal dado que, ellos son nuestros ojos y oídos en el campo. También, se puede hacer un registro de voz de la entrevista mientras se realiza el Kobo, así se garantiza que se transcriba correctamente la información.
Es un desafío porque KOBO es una fuente abierta y la idea es mejorar la calidad de los datos que sirven para tomar decisiones. Lo que sigue es poder garantizar que podamos capturar un método heterogéneo cuantitativo fortaleciendo su profundidad y el procesamiento. Que se pueda interactuar con comunidades en nivel conversacional y natural, no tan externo como se hace actualmente. Que se un diálogo que pueda fortalecer la relación entre los humanitarios y las comunidades. Estamos trabajando en mejorar la herramienta, la estamos traduciendo para que sea útil en Ucrania para implementar características de ciberseguridad.
Esto es incipiente, no necesariamente nos da los resultados deseados, pero si te puedo decir que recibir retroalimentación de la comunidad en como por ejemplo la respuesta del ébola, esto es difícil hacerlo de manera cuantitativa. He visto con mucha frecuencia el análisis de sentimientos y emociones. Algunos expresan satisfacción u otra preocupación y dan la sensación de lo que está pasando. Procesamiento de lenguaje natural te ayuda a procesar esa información más rápidamente que otro medio y es lo que estamos tratando de lograr y que pueda aplicarse a cualquier entorno.
La principal es revisar la información que se tiene y de verdad mirar si se necesita más información. Existen esfuerzos valiosos en el intercambio de información humanitaria donde necesitamos mejor emplear lo que ya existe y verificar que necesitamos recolectar. Y antes de recolectar datos, pregúntese cómo vamos a emplear los datos que tengan procesos para que la recolección de datos realmente sea útil para su uso. Muchos datos se recolectan y no se usan o solo se emplean a manera de diagnóstico, pero no mejoran los trabajos en campo.
Los donantes están trabajando para fortalecer las destrezas y conocimientos de los socios, esto con el fin de reducir esa brecha. Igualmente, las Naciones Unidas deben hacer sus esfuerzos.
Debemos tener altos estándares éticos de cómo manejamos la información, el manejo de las TIC se debe hacer con respeto y ética. Hay claros principios humanitarios éticos establecidos por ejemplo sobre la bioética, pero se trasladan al campo humanitario. ¿Cómo podemos trabajarlo? Hay actores humanitarios que no tienen experiencia ética. Entonces, un llamado es que debemos ser éticos con la tecnología en ambientes humanitarios y sobre todo, en la implementación.
Tenemos colaboraciones con empresas que tienen conexiones y acceso a datos. Tenemos opciones de contactar con empresas que tienen estos datos de manera sostenida. Queremos hacer modelos que permitan hacer estudios continuados por tanto necesitamos trabajar con empresas que permitan hacer uso de estos tipos de datos.
En el grupo se ha trabajado en dos problemas de migrantes, con ayuda de datos de telefonía móvil, uno contexto: migración siria a Turquía y migración venezolana en Colombia. Un aspecto que señala la pregunta es que no tenemos datos de la telefonía antes (ni siria ni Turquía) no tenemos el contexto, pero sí existen métodos cuando una persona tiene un móvil podemos detectar si es migrante porque los migrantes tienen diferentes patrones de movilidad y diferentes interrelaciones con las personas del país receptor y relaciones entre ellos. En el caso de los migrantes en Colombia es fácil detectar ese contexto, ver también intervenciones alrededor de la frontera, que zonas tienen más recepción de migrantes.
La grilla de datos se actualiza dependiendo de la situación. COVID se actualiza todos los días, lo mismo ahora para la crisis en Ucrania, refugiados o migrantes. Los daños a civiles todos los días. Depende del indicador del tipo de datos.
Colombia tiene retos para encontrar datos actualizados sobre líneas de transporte, accesos para ayuda humanitaria, no tenemos información sobre seguridad alimentaria, tampoco información sobre dónde están las redes de transporte, que tan práctico es, si puede ingresar con qué tipo de vehículo para repartir ayuda alimentaria. Tampoco información sobre lugares densos de población, no hay ubicación de aeropuertos en Colombia.
Muchas veces la información es sensible, y no se permite ser compartida. Hay otros factores como, el último censo de población realizado hace más de 10 años, situaciones de conflicto que no dejan hacer encuestas para contactar a las personas, eso bloquea netamente la disponibilidad de los datos. Las TICS ayudarían con imágenes satelitales, registro de telefonía podrían ayudar.
A veces es difícil encontrar la información por lo densa. Se han creado grilles de datos en los cuales se trata de ayudar a los usuarios para que miren los datos básicos, pero se va a revisar las 27 categorías tal vez cambiarlas a nivel país, agregar para cada país indicadores propios de país.
Hay datos históricos sobre clima, las condiciones de lluvia, archivos sobre elevación, movilidad de poblaciones, esta información se junta bajo un algoritmo probabilístico que permite determinar a partir de estas condiciones genera una inundación, por ejemplo, bajo cierta probabilidad y genere una notificación. Se trabaja con los socios bajo esta información la probabilidad que una región se inunde. Si se tiene cierta probabilidad se genera una alerta por parte de la agencia de naciones unidas de OCHA se destinan recursos para mitigar los efectos en esta región. Todo está basado en datos y probabilidades hechos que permitan mitigar el impacto.
