El doctor Manuel Pulido profesor de la FaCENA de la UNNE y referente en la Argentina en el estudio del cambio climático, fue uno de los disertantes principales (keynote speaker) en el International Symposium on Data Assimilation (ISDA2018) que se llevó a cabo en Munich, Alemania.
En la oportunidad, Pulido disertó ante la comunidad científica sobre las técnicas actuales basadas en el aprendizaje automatizado “para inferir el error de modelo, en modelos de pronósticos meteorológicos”.
En los últimos años hubo un fuerte crecimiento en la cantidad de información que se posee de la atmósfera a través de múltiples instrumentos de medición. Actualmente se obtienen en una hora cientos de terabytes de datos provenientes de satélites remotos, radares meteorológicos, y otros numerosos instrumentos que miden el estado de la atmósfera.
Con este caudal de información, los científicos se enfrentan al desafío de desarrollar técnicas para el análisis de “big data” destinadas, en este caso, a mejorar los pronósticos meteorológicos, pero fundamentalmente enfocados en la prevención de desastres naturales. La utilización de toda esta información observacional en los pronósticos meteorológicos es lo que se denomina asimilación de datos y fue el tema del simposio.
Uno de los desafíos que presenta en la actualidad la asimilación de datos, explica Pulido, es la “estimación de la incerteza de modelos”. “En el grupo hemos estado trabajando hace ya cinco años en el desarrollo de una técnica que permita determinar la incerteza o error de un modelo matemático de pronósticos utilizando un conjunto de observaciones en un marco estadístico. El desarrollo está basado en lo que se denomina el algoritmo de Expectation-Maximization”.
Los resultados expuestos en la conferencia son el fruto de una intensa colaboración internacional, que incluyo una primera publicación en colaboración con investigadores del KAUST (Arabia Saudita) y del instituto IMT (Francia). Más recientemente se han realizado una generalización del modelo en colaboración con investigadores de la Ecole de Pontes, France, el instituto NILU de Noruega y el IMT (Francia).
Aprendizaje automatizado. Las técnicas sobre las que se enfocó la conferencia brindada por el Dr. Pulido están basadas en el “aprendizaje automatizado”, en ¿qué consiste?.
El aprendizaje automatizado (machine learning) tuvo un fuerte desarrollo en las ciencias de la computación en los últimos años en los que generó una gran revolución tecnológica. En esencia son técnicas del aprendizaje automatizado aquellas que se utilizan para reconocimiento facial, interpretación de texto para los traductores, digitalización de textos, hasta incluso las que se utilizan para los autos que se manejan sin conductores.
“Son técnicas que en general trabajan mediante el aprendizaje asistido, es decir, utilizan una gran cantidad de datos para clasificar situaciones y luego una vez que han aprendido se pueden utilizar en nuevas circunstancias de la vida cotidiana”, explicó Pulido. En este sentido son como la mente del ser humano, a través de múltiples observaciones son capaces de aprender situaciones, por mecanismos de prueba y error, las cuales luego son aplicadas con diversos fines.
El doctor Manuel Pulido se desempeña como profesor titular del Departamento de Física de la FaCENA y su actividad científica la lleva adelante en el Instituto de Modelado en Innovación Tecnológica del Conicet.
