Un programa de inteligencia artificial diseñado para predecir el consumo de electricidad y aumentar la eficiencia energética, nuevos métodos para analizar las causas de supervivencia frente al cáncer, técnicas innovadoras para investigar el incremento de temperaturas anuales debido al cambio climático o algoritmos para optimizar el diseño de rutas o para planificar de la manera más eficaz posible la gestión de recursos ante una catástrofe humanitaria. Estos son algunos de los avances logrados por los científicos galardonados este año con los Premios Sociedad de Estadística e Investigación Operativa (SEIO)-Fundación BBVA.
Se trata de la tercera edición de unos galardones que reconocen aportaciones significativas en dos disciplinas que tienen un papel cada vez más importante en la generación de conocimiento y en tecnologías –como la inteligencia artificial y el Big Data– indispensables para hacer frente a los grandes desafíos del mundo actual.
El objetivo de los premios, como se afirma en sus bases, es "incentivar a los investigadores españoles en Estadística e Investigación Operativa", así como, a través del reconocimiento a la excelencia en estas dos disciplinas, "impulsar su proyección al conjunto de la sociedad".
En esta edición se han premiado cinco trabajos, cuyos autores son investigadores en universidades y centros de investigación de Madrid, Cataluña, País Vasco, Andalucía y Castilla La-Mancha. Las contribuciones galardonadas se han publicado en revistas internacionales de referencia, impulsando avances teóricos y metodológicos muy significativos, con aplicaciones en múltiples campos.
Los premios, dotados con 6.000 euros en cada una de sus cinco categorías, se conceden por la excelencia de contribuciones científicas publicadas en el último quinquenio. Sus autores deben ser investigadores de nacionalidad española, o de otra nacionalidad, pero que hayan realizado su trabajo de investigación en una universidad o centro científico de nuestro país. Pueden ser concedidos también a investigadores de cualquier nacionalidad por contribuciones desarrolladas en colaboración con uno o más investigadores españoles.
Metodología en estadística
Los profesores José R. Barrendero, Antonio Cuevas, y José L. Torrecilla, de la Universidad Autónoma de Madrid, han sido galardonados en la categoría de Mejor contribución metodológica en Estadística por su artículo On the use of reproducing kernel hilbert spaces in functional classification (Sobre la utilidad de reproducir espacios de kernel hilbert en clasificación funcional) publicado en Journal of the American Statistical Association. El jurado destaca que "se trata de una contribución innovadora a la teoría y los métodos de la estadística".
Una de las mayores dificultades de la estadística actual es la necesidad de gestionar grandes masas de datos con estructuras complejas. "Este trabajo", explica Antonio Cuevas, "aborda la situación en que cada dato es una curva o función (por ejemplo, temperaturas, espectros de resonancia magnética, electrocardiogramas, cotizaciones bursátiles en tiempo continuo, señales sonoras, etc.”). Estos datos funcionales se usan para diferentes propósitos, en particular para clasificación automática: por ejemplo, identificar fonemas a partir de la señal sonora del emisor o establecer métodos de diagnóstico preliminar a partir de un electrocardiograma.
El trabajo galardonado aborda los llamados problemas de clasificación funcional en dos vertientes: en un aspecto más teórico, se proporciona una explicación completa del fenómeno. Además, desde un punto de vista más práctico, se propone un método para extraer (con la menor pérdida de información posible) la información de cada dato funcional, resumiendo cada curva en unos pocos valores especialmente informativos. "El método", explica el profesor Cuevas, "resulta especialmente útil, por ejemplo, para el análisis de datos médicos y climáticos".
Investigación Operativa
Los premiados en la categoría de Mejor contribución metodológica en Investigación Operativa son Justo Puerto, catedrático de Estadística e Investigación Operativa en la Universidad de Sevilla; Antonio M. Rodríguez-Chía, catedrático de Estadística e Investigación Operativa en la Universidad de Cádiz; y Arie Tamir, catedrático emérito de Estadística en la Universidad de Tel Aviv, por su artículo Revisiting k-sum optimization (Revisitando la optimización de k-sumas), publicado en la revista Mathematical Programming. El enfoque de esta investigación "permite a los investigadores obtener nuevos algoritmos y resultados sobre complejidad para múltiples problemas", en palabras del jurado.
"La idea de optimizar k-sumas", explica el profesor Puerto, "se refiere a tratar de optimizar, en un universo de posibles entidades sobre la que quieres actuar, un número concreto de los peores o los mejores. Eliges el ranking de k elementos del total y optimizas solo sobre esos k resultados. Por ejemplo, en el ámbito económico, si estoy invirtiendo en una cartera de valores, quiero minimizar el riesgo de mis 10 peores inversiones, o, en positivo, maximizar la rentabilidad de mis 10 mejores inversiones".
La contribución premiada "presenta un procedimiento general aplicable para la optimización de k-sumas en múltiples ámbitos", señala Puerto, "como por ejemplo el diseño de redes, rutas, problemas de localización, segmentación de imágenes en microscopía electrónica o procesos de votación".
Estadística aplicada
Verónica Álvarez, investigadora doctoral en Basque Center for Applied Mathematics-BCAM, Santiago Mazuelas, investigador Ramón y Cajal e Ikerbasque Research Fellow en BCAM, y José Antonio Lozano, catedrático de Ciencias de la Computación e inteligencia artificial de la Universidad del País Vasco y director científico del BCAM, son los galardonados en la categoría de Mejor contribución aplicada en Estadística por su artículo Probabilistic Load Forecasting Based on Adaptative Online Learning (Pronóstico probabilístico de carga basado en el aprendizaje adaptativo online) publicado en IEEE-Transactions on Power Systems. "El trabajo representa una mejora significativa en la precisión y fiabilidad de las predicciones de demanda de electricidad", una cuestión que "es cada vez más importante a causa del cambio climático", destaca el jurado.
En el artículo los galardonados presentan técnicas de inteligencia artificial que aprenden a predecir la energía consumida, adaptándose a cambios en los patrones de consumo. En concreto, proponen métodos que obtienen predicciones precisas y evalúan de forma fiable la incertidumbre de las previsiones. Dichas predicciones son fundamentales para planificar y ajustar la generación de energía, ya que las continuas variaciones de la demanda tienen que ser satisfechas por la energía suministrada en el sistema y, en sentido contrario, producir más energía de la que se consumirá provoca una utilización ineficiente de los recursos.
Investigación Operativa
El premio a la Mejor contribución aplicada en Investigación Operativa se ha concedido a un equipo internacional formado por Gilbert Laporte (HEC Montréal), Marie-Ève Rancourt (HEC Montréal), Jessica Rodríguez-Pereira (Universitat Pompeu Fabra) y Selene Silvestri (FICO), por su artículo Optimizing access to drinking water in remote areas. Application to Nepal (Optimización del acceso al agua potable en zonas remotas. Aplicación en Nepal) publicado en Computers & Operations Research. El jurado destaca su aplicación "a un problema real: el diseño de una red compleja de distribución de agua potable en zonas montañosas".
En efecto, este trabajo surgió por la necesidad de resolver un problema logístico humanitario crucial: restaurar la red comunitaria de distribución de agua de Nepal, que fue destruida por los terremotos de Gorkha y Dolakha en 2015. El algoritmo logró, por un lado, fijar –atendiendo la distribución y necesidades de la población– los lugares óptimos para situar fuentes de agua y diseñó la red que une los manantiales con las fuentes teniendo en cuenta que ésta ha de ser gravitatoria.
Ciencia de Datos y Big Data
Virgilio Gómez Rubio, profesor titular en el Departamento de Matemáticas de la Universidad de Castilla-La Mancha, ha sido premiado en la categoría de Mejor contribución en Estadística e Investigación Operativa aplicada a la Ciencia de Datos y el Big Data por su publicación Bayesian inference with INLA (Inferencia bayesiana con INLA). Se trata de un libro que "presenta una introducción completa, tanto teórica como práctica, a este método", según señala el jurado, destacando que además la obra "incluye aplicaciones a una amplia variedad de modelos estadísticos".
La metodología INLA (siglas en inglés de integrated nested Laplace approximation) permite estimar modelos en unos pocos segundos (cuando otros métodos pueden tardar minutos o incluso horas), de manera que se pueden estudiar datos con estructura compleja o grandes cantidades de datos.
La portada del libro muestra un mapa de Castilla-La Mancha con la ubicación de incendios forestales, cuya distribución geográfica y su relación con factores ambientales se analiza en el libro. Otras aplicaciones que se describen en la obra incluyen el estudio del incremento de las temperaturas anuales debido al cambio climático, el análisis de factores de supervivencia al cáncer o los factores que influyen en el crecimiento de cultivos.
Jurado internacional
El jurado, internacional en su composición, ha sido propuesto por la SEIO y la Fundación BBVA. En esta edición ha estado presidido por Patrick Groenen, catedrático de Estadística y decano de la Erasmus School of Economics, Erasmus University Rotterdam (Países Bajos), y ha contado como vocales con Michael Greenacre, catedrático de Estadística en Universitat Pompeu Fabra y Barcelona School of Economics (España); Jiming Jiang, catedrático de Estadística en el Departamento de Estadística, University of California, Davis (Estados Unidos); John Stufken, catedrático en el Departamento de Matemáticas y Estadística, UNC Greensboro (Estados Unidos); Andrés Weintraub, catedrático del departamento de Ingeniería Industrial, Universidad de Chile (Chile); y Joe Zhu, catedrático de Análisis de Operaciones en Worcester Polytechnic Institute (Estados Unidos).