Un equipo de expertos, incluido el profesor Mark Kelson de la Universidad de Exeter, ha llevado a cabo un estudio para determinar si los programas de salud digital son igualmente beneficiosos para los usuarios de todos los orígenes socioeconómicos, descubriendo que no es así.

Concretamente, pues estos programas son significativamente menos beneficiosos para los usuarios con un nivel socioeconómico bajo.

Aumenta la brecha

Para el estudio, los investigadores examinaron más de 14.000 estudios, publicados durante un período de 30 años, seleccionando 19 ensayos controlados aleatorios que evaluaron la efectividad de la tecnología digital, como aplicaciones móviles, sitios web y tecnología de salud portátil como relojes inteligentes, etc.

En Xataka Ciencia

Incluso en áreas contaminadas, hacer ejercicio puede reducir el riesgo de muerte

Descubrieron que, si bien las personas con un nivel socioeconómico más alto mostraban beneficios significativos y a largo plazo del uso de dicha tecnología, las de un nivel socioeconómico más bajo no mostraban ningún beneficio discernible en absoluto.

Además, el equipo sugiere que, en lugar de proporcionar un estilo de vida saludable fácil y disponible para todos, las aplicaciones podrían de hecho estar exacerbando las desigualdades en salud.

En Xataka Ciencia

Hacer mucho ejercicio no mejora (ni empeora) los efectos de hacer ejercicio moderado

El equipo sugiere que los futuros proveedores de intervenciones de salud digital dirigidas a la actividad física y otros comportamientos deben tener en cuenta las necesidades de los usuarios con un estatus socioeconómico más bajo para asegurarse de que, inadvertidamente, no amplíen las desigualdades socioeconómicas.

Tomar una foto de la comida que estamos a punto de ingerir en un restaurante es ya tan habitual que la práctica y la contemplación de dichas fotografías por parte de nuestra comunidad de seguidores ha venido a llamarse gastroporno o foodporn, una tendencia que incluso los restaurantes están promoviendo.

El efecto secundario de toda esta avalancah de apetitosa fotografías de comida, sin embargo, empieza a ser notable en la gente que se delecta con ellas. De hecho, ya se contabilizan cuatro efectos adversos directamente vinculados a la contemplación de imágenes gastronómicas.

1. Aumenta el hambre

Parece obvio que mirar comida nos puede inducir a la gula. Sin embargo, el efecto de mirar comida es mucho más intenso de lo que podamos llegarnos a imaginar, como revela un estudio italiano en el que se exhibió un reportaje de siete minutos de duración en el que aparecían creps, gofres, hamburguesas, huevos, etc.

El efecto de incrementar el hambre en los participantes fue patente no solo en quienes no habían comido, sino incluso en los que acababa de comer.

2. Fomenta la alimentación poco sana

Las recetas de chefs que aparecen por televisión acostumbran a tener, de media, más grasas (sobre todo saturadas) y sodio de lo que recomienda la Organización Mundial de la Salud (OMS). Como abunda en en ello Charles Spence en su libro Gastrofísica:

Y esto no solo supone un problema para quienes se ponen a cocinar las recetas que ven hacer a sus ídolos (aunque, sorprendentemente, pocas personas lo hacen; quizá no sea un problema después de todo (...) El problema es más bien que los platos que vemos cocinar y las raciones que vemos servir en estos programas pueden crear implícitamente unas normas sobre lo que se considera adecuado comer en casa o en un restaurante.

3. Aumenta el IMC

Aunque solo sea una correlación, las personas que ven más programas de televisión sobre cocina tienen un índime de masa corporal (IMC) más elevado. Ver demasiada televisión, de hecho, ya es un factor para padecer obesidad. Ver imágenes increíbles de determinados restaurantes a través de Instagram también nos impulsará más fácilmente a acudir a dichos restaurantes para probarlos.

4. Agota los recursos mentales

Tantas tentaciones en forma de imágenes, recetas, programas de televisión y demás nos obliga a dedicar recursos mentales a resistir estas tentaciones virtuales. No dejamos de imaginar cómo será comer esos alimentos, dando lugar a simulaciones mentales involuntarias, como señala Spence:

En un estudio de laboratorio, los sujetos a los que mostraron imágenes de alimentos muy tentadores tendieron a hacer después peores elecciones de comida (es decir, más impulsivas) que quienes habían sido expuestos antes a una cantidad de imágenes más pequeña.

Pensar tanto en comida, finalmente, nos quitará tiempo para pensar en otras cosas, quizá mucho más importantes para nosotros. Sobre todo en un contexto en el que cada vez que nos subimos a la báscula ésta tiene la tentación de salir corriendo.

En resumidas cuentas, viva en foodporn, como viva en porn en general, pero controlemos y gestionemos la ingesta visual en aras de controlar también la ingesta real de calorías.

La red neuronal más famosa de Google es Google DeepMind, que ya es tan versátil que es capaz de dominar al campeón mundial de Go, manipular objetos físicos, y hasta jugar StarCraft II.

Lo siguiente que quiere hacer esta asombrosa Inteligencia Artificial es crear su propia Inteligencia Artificial.

IA para IA

En la conferencia de Google I / O 2017, su CEO Sundar Pichai hizo algunos comentarios sorprendentes sobre AutoML, otro proceso de red neural que genera capas y capas de códigos complejos y algoritmos para "aprender" sobre su entorno.

Normalmente, cada una de estas capas tienen que ser elaboradas por personas, y llevan mucho tiempo. Google tuvo la brillante idea de conseguir que la IA preexistente creara sus propias capas de código y, finalmente, lo está haciendo mucho más rápido y con más eficacia de lo que sus técnicos humanos podrían haberlo hecho.

Hasta ahora, el procedimiento AutoML se ha aplicado al reconocimiento de imágenes y al modelado de lenguaje. Utilizando solo la IA, el equipo ha observado la creación de programas que están a la par con el estado de la técnica de los modelos diseñados por los expertos más importantes del mundo en machine learning.

Tal y como suena, la IA de Google se ha convertido en su propio creador.

Curiosamente, aunque las IA´s diseñadas por los seres humanos y los programas fabricados por la IA muestran un montón de similitudes de codificación, hay algunas diferencias clave. Pequeñas subrutinas han aparecido en las creaciones de esta última, y que parecen no tener un uso aparente para codificadores humanos.

En lo que a trampas se refiere, el ajedrez puede parecer prácticamente invulnerable. Al fin y al cabo, el tablero y sus piezas están a la vista de todos. Pero los últimos escándalos han dejado claro que las trampas (fomentadas por potentes programas informáticos que juegan mejor que los humanos, así como por tecnologías de comunicación complejas) empiezan a ser un problema en los campeonatos mundiales.

El año pasado, la Federación de Ajedrez francesa acusó a tres jugadores de confabularse entre ellos durante la Olimpiada de Ajedrez celebrada en Rusia en 2010 utilizando mensajes de texto codificados y un sistema de señales. La Federación les ha prohibido jugar durante cinco años, aunque ellos han apelado la decisión.

Kenneth W. Regan, profesor adjunto de Ciencias Informáticas en la Universidad estatal de Nueva York en Buffalo, que también es un maestro internacional del ajedrez, ha investigado estas trampas durante cinco años.

Regan, de 52 años, se interesó por el problema a raíz del campeonato mundial de 2006 entre Vladimir Kramnik, de Rusia, y Veselin Topalov, de Bulgaria. La partida se interrumpió cuando el entrenador de Topalov acusó a Kramnik de haber consultado un ordenador en el baño. Los organizadores cerraron con llave los aseos, a raíz de lo cual Kramnik abandonó la partida y se negó a continuar a menos que lo abrieran. Acabaron haciéndolo y al final ganó la partida.

El problema a la hora de construir una prueba matemática para descubrir a alguien haciendo trampas es que hay que tener en cuenta muchas variables y valores extremos.

Parte de la dificultad reside en que el tamaño de las muestras tiende a ser pequeño, tal vez 150 o 200 jugadas por participante para todo un torneo. Otra pega es la forma en que los programas informáticos de ajedrez evalúan las posiciones, se dan incrementos de una centésima del valor de un peón, la pieza menos valiosa.

La posible compensación de descubrir una trampa va más allá del ajedrez. Jonathan Schaeffer, catedrático de Ciencias Informáticas en la Universidad de Alberta y el inventor de Chinook, el ordenador que resolvía juegos de damas, señala que la investigación de Regan y la de otros que también estudian este campo, tiene un enorme valor en potencia.

Lo que están haciendo es intentar establecer un modelo de cómo toma la gente las decisiones

Regan estaba bastante seguro de que cualquiera que utilice un programa para hacer trampas en el ajedrez lo programaría en modo línea simple, en el que el programa selecciona rápidamente una posible jugada, y luego examina una secuencia de jugadas para evaluar si es acertada. Es eficaz, pero no riguroso, por lo que también necesitaba que sus programas funcionaran en modo multilínea, de modo que pudiera ver dónde y por qué los programas cambiaban sus evaluaciones, eso lleva mucho más tiempo.

Quería crear un modelo de la frecuencia con que las jugadas de jugadores de diferentes niveles coinciden con las de los programas de ajedrez, y por eso empezó a crear una base de datos analizando partidas que se montaban a principios del siglo XIX. En cada partida hacía que el ordenador evaluara cada posición en modo de línea sencilla hasta una profundidad de 13 capas (seis o siete movimientos por cada jugador).

Hasta la fecha, ha analizado cerca de 200 mil partidas, incluidas todas las de los 50 torneos más importantes de la historia. También ha analizado entre 6.000 y 7.000 en modo multilínea para crear modelos de jugadores de diferentes niveles.

Ha descubierto que la forma de jugar ha evolucionado. Según sus análisis, el 40º ajedrecista del mundo juega igual de bien que jugaba Anatoly Karpov en los 70, cuando era campeón mundial.

Para comprobar si alguien hace trampas, coteja el nivel relativo del jugador con el modelo de comparación. Regan señala que sus modelos están en una fase en la que solo se pueden usar como apoyo en casos en los que se alega que se han hecho trampas.

En el caso francés, llegó a la conclusión de que dos partidas de uno de los acusados, Sébastien Feller, eran valores extremos, lo cual quiere decir que tenían una correlación inusualmente elevada con un programa de ajedrez.

Vía | The New York Times

Pocas páginas web me han sorprendido tanto últimamente como Wolfram|Alpha. Mientras la gente sigue embelesada con productos tan simples como twitter, el lanzamiento de Wolfram|Alpha el pasado mayo pasó casi inadvertido.

¿Por qué es tan especial? Se trata de lo que ellos denominan como ‘buscador de conocimiento’. Wolfram|Alpha puede recibir como búsqueda una frase literal (en inglés, eso sí) e interpretar los cálculos necesarios. Por ejemplo, “weather in Barcelona on the 25th of July of 1992” (“tiempo en Barcelona el 25 de julio de 1992”) da como resultado que la temperatura promedio fue 25 ºC, la mínima 20, la máxima 29, el viento era de 3 m/s y hubo nubosidad intermitente. Nos mostrará además un cronograma con la evolución de la temperatura y la humedad durante las 24 horas.

Podemos realizar cientos de consultas como “life expectancy in Mexico” para conocer la esperanza de vida en México o “GDP per capita Spain, France, Portugal” para comparar la renta per cápita entre España, Francia y Portugal. Pero sin duda, lo mejor llega cuando entramos en las Matemáticas.

Y es que aquí, Wolfram|Alpha (basado en el conocido programa Mathematica) es sencillamente espectacular. Se pueden calcular integrales como “integral(cos x / (1 + (sen x)^2))” y la web no sólo nos devolverá la fórmula de la integral indefinida, sino el desarrollo de los pasos que debemos seguir para calcularla. Si quisiésemos calcular la integral definida entre 0 y π bastaría probar “integral(cos x / (1 + (sen x)^2)) from 0 to pi”.

También podemos realizar cálculos mucho más complejos, como ecuaciones diferenciales. Por ejemplo, “(t2 + 2*t*y)*y’ – y2 = 0” (importante no olvidar los ‘*’ de las multiplicaciones, el algoritmo se suele hacer un lío cuando faltan). Nos puede servir para sumar series infinitas, como “1/2 + 1/4 + 1/8 + 1/16 + ...”, o un sistema de ecuaciones, por poner un ejemplo “3x + y = 2, y^2 – x = 3”.

También valen las preguntas de carácter teórico. Probad por ejemplo con “Prime Number Theorem”, “repunit prime” o “Goldbach conjecture”, tres temas de los que hemos hablado en la serie sobre números primos.

Podemos realizar prácticamente cualquier tipo de consulta relacionada con las matemáticas aplicadas, desde estadística (“normal distribution, mean=40, sd=10, probability x < 20") hasta astrofísica (“Gravitational force Sun Saturn”). Algunas aplicaciones son hasta divertidas, como por ejemplo convertir cualquier texto a código de barras (probad “barcode Genciencia” ;)).

En definitiva, aunque aún está por pulir (aparentemente se pueden hacer ‘búsquedas intuitivas’ pero hay gran cantidad de errores de interpretación con la sintaxis), el potencial de Wolfram|Alpha es enorme. Es como el famoso programa Mathematica pero gratuito, disponible para todo el mundo en Internet, y además añadiendo búsquedas semánticas e impresionantes bases de datos sobre climatología, indicadores socioeconómicos, historia, geografía, etc.

Para mí, lo mejorcito de 2009 en el mundillo de la ‘web 2.0’ sin ningún genero de dudas. Aunque a los ‘mass-media’ sólo llegan noticias sobre la última actualización estúpida del tuenti o el twitter, esta herramienta tiene unas posibilidades infinitas para la enseñanza científica o incluso para el disfrute personal de amantes de la Ciencia como nosotros.

Sitio oficial | Wolfram|Alpha