Empiezan los miedos e incertidumbres en la NASA

Poco van a durar las celebraciones en la NASA. Me refiero a las celebraciones tras el último vuelo del Atlantis que pone fin a la era de los trasbordadores espaciales.

Voces reputadas empiezan a hacer balance y reconocen que los trasbordadores espaciales han dado menos frutos de los esperados; y que los miles y miles de millones de dinero público invertido han servido para muchísimo menos de lo que la NASA prometió.

Y lo mismo ocurre con la Estación Espacial Internacional de los 100 mil millones de dólares, que todavía tiene que empezar a ofrecer alguno de los importantes resultados científicos que anticipó. Todo lo contrario que telescopios como el Hubble, que nos han aportado infinitamente más conocimiento científico sobre el Universo a un coste mucho menor.

Pero lo que más empieza a preocupar en el interior de la NASA es la falta de rumbo de la propia agencia, que no cuenta con un plan claro ni recursos para continuar con la exploración espacial. Tener que alquilar la Soyuz a los rusos les duele, y que China les pueda arrebatar el liderazgo espacial es una verdadera amenaza al principal pilar por el que se fundó la NASA: que EEUU fuera el líder en la exploración humana espacial. Esto está en peligro. Pero atención; también su proyecto científico estrella.

Constellation y James Webb Space Telescope: El riesgo de prometer más de lo que debes

En febrero de 2010 Obama canceló el programa Constellation que desde 2004 estaba trabajando con el Objetivo de enviar humanos a la Luna en y luego a Marte en 2030. El coste iba a ser mucho mayor del inicialmente presupuestado por la NASA, y los plazos no se iban a cumplir ni de cerca. A pesar de haberse invertido ya varios miles de millones de dólares, el proyecto se paró dejando a la deriva el destino de los viajes tripulados al espacio.

No fue una sorpresa. Y la crisis económica más una excusa que una realidad. Aquí en verano de 2008 ya anticipamos en un post titulado “Cotilleos científicos desde la NASA” que había muchas críticas internas al programa Constellation, y apostábamos a que fuera quien fuera el próximo presidente de EEUU lo iba a cancelar. Un año y medio más tarde Obama lo hizo. ¿Motivos? Quien inicialmente hubiera diseñado el plan se quedó corto en los presupuestos y largo en las promesas. Posiblemente con el objetivo de que fuera aprobado y luego ya se verá.

Algo parecido está ocurriendo con el proyecto en marcha más emblemático de la división científica de la NASA; el Telescopio Espacial James Webb llamado a ser el sustituto mejorado del Hubble. Contará con un inmenso espejo primario de 6.5 metros que podrá alcanzar las lejanísimas etapas cuando el Universo se empezó a enfriar y compactar las primeras galaxias. A diferencia del Hubble podrá medir infrarrojos, y estará criogenizado a 50 grados Kelvin para que ni el propio calor del telescopio interfiera en los débiles fotones que le lleguen. Además, operará a un millón y medio de kilómetros de la Tierra haciendo imposible cualquier reparación, pero evitando la contaminación óptica de nuestro planeta. Será la mayor ventana al Universo que nunca hayamos tenido, y nos permitiría investigar el nacimiento de estrellas, detectar planetas con agua líquida, ver etapas primigenias del Universo… y realizar un sinfín de medidas astronómicas sin las cuales las teorías cosmológícas no pueden ser verificadas. Para los que amamos la ciencia es un proyecto apasionante, pero para los políticos que la gestionan existe un problema: de nuevo, será más caro y lento de lo que la NASA anunció. Costará 2 mil millones de dólares más de lo previsto, y no se lanzará en 2014 sino en 2018 como muy pronto. Y esto está fastidiando a muchos miembros del congreso de EEUU, que proponen cancelarlo como castigo a la NASA.

Cotilleos científicos desde la NASA (II)

Esta de la derecha es la sala del edifico 29 del Goddard Space Flight Center a unos 40 minutos de Washington DC, donde se están preparando muchos de los componentes que constituirán el James Webb Space Telescope (JWST). Tomé esta fotografía en octubre del año pasado cuando tras entrevistar a una astrofísica el director de comunicación me acompañó a visitar las instalaciones. En el póster de la entrada a la sala decía que el JWST se lanzaría en 2014. Era lo previsto inicialmente. Cuando pregunté si estaría listo, el director de comunicación hizo un gesto que claramente indicaba “no te puedo responder que ni en sueños”.

Sólo un mes más tarde salía a la luz un informe independiente elaborado por John Casani explicando que el proyecto costaría 6.5 mil millones de dólares en lugar de los 5 mil que estaban previstos, y que el telescopio no estaría listo hasta finales de 2015.

En estos momentos ya se habla de 7 u 8 mil millones de dólares, y la NASA ha anunciado que como muy pronto podría lanzarlo en 2018. Y eso si le dan recursos extra.

No es un despiste. Es mucho dinero público, y se sospecha que la NASA sabía desde el principio que iba a ser más caro y largo de lo que anunciaba. Pero que lo pintó bonito para que lo aprobaran, como parece que hicieron con el programa Constellation.

“Accountability” es una palabra que tiene mala traducción al español. Pero es lo que se le exige a la NASA. Y por eso un comité del congreso de EEUU quiere recortar la financiación y cancelar el JWSP. La NASA agita los brazos gritando que ya se han invertido 4.000 millones de dólares en el proyecto, y parar ahora el JWSP significaría perderlos. Pero ya lo hicieron con el Constellation, y el congreso está dispuesto a repetirlo. El senado tendrá la última palabra.

De hecho, la propuesta de presupuesto para la NASA en 2012 que el congreso ha preparado para el senado es 16.800 millones de dólares. Un recorte de 1.600 millones respecto el de 2011. Si se confirma, adiós al James Space Webb Telescope. Primero se desquebrajó la exploración espacial, y ahora se debilitaría la ciencia. Miedo e incertidumbre en la NASA.

Detractores internos del JWST

No para todos. El Telescopio Espacial James Webb consume el 40% del presupuesto en investigación astrofísica de la NASA. Y esto hay científicos que no lo ven claro.

Si bien parece que el JWST cuenta con más apoyos que detractores, un astrofísico de la NASA en EEUU al que por descontado prometí anonimato me cuenta de manera extraoficial, anónima y no necesariamente representativa: “Personalmente odio el Telescopio Espacial James Webb. Está chupando todo el dinero y matando otros proyectos interesantes como la misión WFIRST destinada a entender el misterio de la energía oscura (algo mucho más cool que las galaxias cutres del JWST). El proyecto JWST es carísimo, irrealizable tal y como está planteado, y los resultados científicos no lo justifican. Además, creo que es muy arriesgado poner todos los esfuerzos y fondos en un único proyecto. NASA necesita replanteárselo, quizás encontrar un socio, o hacer una versión menos ambiciosa”

El autor de este blog ya ha expresado abiertamente que enviar humanos a pasear por el espacio le deja bastante frío. Y todavía mucho más la carrera por ver de qué nacionalidad es el primero en plantar una banderita en Marte. La ciencia para descubrir y comprender el Universo es otra cosa. Es mucho más fascinante. Por eso también le preocupa denotar la indiferencia que parecen mostrar los dirigentes estadounidenses.

Al fin al cabo, nosotros no sabemos muy bien si 17 mil millones de presupuesto anual para la NASA es mucho o poco. Pero al contrastarlo con los 700 mil millones del presupuesto de defensa parece irrisorio. Comparado con los 31 mil millones que los Institutos Nacionales de la Salud dedican a toda la investigación biomédica en cáncer, sida, diabetes, genética humana, enfermedades mentales, neurodegenerativas, alergias, infecciosas, digestivas, enfermedades extrañas, infantiles, del ojo, de los huesos, dentales… Pues qué decir…

El tema es que si después de quedarse sin rumbo en la exploración espacial, la NASA se queda también sin el sustituto del Hubble, la agencia podría entrar en una crisis de identidad importante. Los presupuestos de 2012 tendrán la última palabra.

********

Contacto: [email protected] / Twitter: @Perestupinya

Facebook group: Apuntes Científicos desde el MIT Web: www.elladrondecerebros.com

Inteligencia Artificial

Dentro de un tiempo, cuando estés de vacaciones en la selva y fotografíes un pájaro escondido entre los árboles, los programas de visión artificial y reconocimiento de imágenes que está desarrollando Antonio Torralba en el prestigioso Laboratorio de Inteligencia Artificial y Ciencia Computacional (CSAIL) del MIT, te dirán inmediatamente de qué especie se trata.

Conocí a Antonio hace 3 años en Boston tras descubrir una obra suya expuesta en el Museo del MIT. Ya entonces me dijo: “pronto cuando pongas ‘gato’ en google images no buscará fotografías por tags sino por identificación de figuras de gatos en la imagen”. Desde entonces me ha ido ilustrando e insistiendo en que no tenemos que tener el cerebro como referencia, sino buscar maneras mejores de crear inteligencias diferentes.

Yo partía del planteamiento básico que motivó a los primeros impulsores de la inteligencia artificial en los años 60: Si nuestro cerebro funciona como una máquina; si se trata “sólo” de un conjunto de piezas comunicándose entre sí pudiendo interpretar lo que perciben nuestros sentidos, recordando o generando inteligencia… no parece imposible construir una máquina que también piense de manera inteligente. Sí se convirtió en una tarea difícil y llena de fracasos. Pero Antonio defiende que “el optimismo ha regresado al campo de la inteligencia artificial”. Hoy por fin Antonio Torralba traslada sus ideas en este blog, e incluso nos propone participar en su proyecto Labelme. Gracias Antonio

VISIÓN ARTIFICIAL, por Antonio Torralba

Usar la visión para percibir el mundo que nos rodea es algo que hacemos desde que nos despertamos y sin ningún esfuerzo aparente. Por eso, uno podría pensar que construir un sistema de visión artificial debería ser una tarea relativamente sencilla. Esa impresión la tuvieron también los primeros investigadores que trabajaron en este área de la Inteligencia Artificial. Un ejemplo del optimismo inicial fue protagonizado en 1966 por Symour Papert, profesor del MIT Media Lab, que encargó a varios de sus estudiantes el implementar un sistema visual como proyecto de verano. No tardaron mucho en darse cuenta de que no iba a resultar tan sencillo resolver muchos de los problemas que plantea el mundo visual.

Pero, ¿por qué resulta tan difícil construir un sistema de visión artificial? Uno de los problemas que existen es que nuestra intuición sobre lo fácil que es “ver” es incorrecta. Nuestro sistema visual nos esconde los detalles de las operaciones que tiene que realizar para analizar el mundo visual. Pero podemos desenmascarar parte del proceso estudiando ilusiones visuales. Veamos un ejemplo.

Interpretar la escena o capturar imágenes

El sistema visual humano es mucho más que una cámara fotográfica. Para que quede realmente clara la diferencia entre los dos, podemos estudiar esta figura creada por el profesor del MIT Edward Adelson.

Si medimos con un fotómetro la cantidad de luz que sale de los cuadrados marcados con las letras A, B, C y D nos dirá que los niveles de gris de los 4 cuadrados son idénticos. ¡Pero, un momento! ¡Si A y B parecen muy distintos¡ Si no te crees que son iguales imprime el artículo y recorta los 4 cuadrados. Verás que al aislarlos, los cuadrados A y B se transforman y aparecen idénticos. De hecho, el cuadrado C lo he generado usando la herramienta de copiar y pegar para duplicar el cuadrado A y el cuadrado D lo he generado duplicando el B. ¿Qué ha pasado? El sistema visual está “interpretando” la iluminación de la escena mientras que el fotómetro sólo mide intensidad luminosa, sin interpretar. Nuestro sistema visual se da cuenta de que la razón por la que B aparece más oscuro en la imagen es debido a la sombra, y no al verdadero tono del cuadrado en el tablero. El sistema visual elimina el efecto de la sombra y percibimos el cuadrado B como más claro que el cuadrado A aunque realmente en la imagen sean idénticos. Como vemos en este ejemplo, el sistema visual “ve” esta imagen de forma muy distinta a como lo hace un fotómetro. Y lo que también resulta interesante es que no podemos inhibir los mecanismos que usa el cerebro para interpretar la información visual, por mucho que nos empeñemos, ni aún sabiendo que los cuadrados A y B son idénticos podemos verlos como tales. Esto resulta en medidas subjetivas que contradicen lo que ve un fotómetro incluso cuando se le pide a un observador que intente actuar como tal. Simplemente, no podemos ser fotómetros ni aunque lo intentemos. La interpretación automática de imágenes como la anterior suponen un gran desafío para la visión artificial y para la visión humana y no siempre la interpretación es correcta. Como resultado, algunas veces nos inventamos lo que vemos. Y más a menudo de lo que pensamos, fallamos. Fijémonos en el siguiente video:

Como el video tiene muy baja resolución, nuestro sistema visual se inventa parte de lo que vemos de forma automática haciéndonos creer que reconocemos todos los objetos que vemos. Al mirar el video en la resolución original podemos comprobar que muchos de los objetos que veíamos no eran lo que pensábamos.

El reconocimiento de objetos

Entre los diferentes aspectos que tiene que resolver la visión, el reconocimiento de objetos es unos de los temas centrales de investigación actual. Uno de los ejemplos más populares es la detección de caras que podemos encontrar como opción en muchas cámaras digitales. La aparente simplicidad de la detección de caras esconde la complejidad de la investigación que fue necesaria para conseguir una aplicación fiable y rápida. De hecho, el reconocimiento de objetos más generales como mesas, sillas, vasos, etc., aun está por resolver.

La dificultad reside en que objetos como sillas tienen una gran variabilidad en su apariencia, forma, color, y es difícil construir sistemas capaces de tener en cuenta todas esas variaciones. Parte de la investigación que llevamos a cabo en mi grupo en el MIT consiste en construir sistemas de visión capaces de reconocer muchos tipos de objetos.

Una de las dificultades en este tipo de investigación, y con la que podéis ayudarnos, es el conseguir suficientes datos para entrenar los sistemas de reconocimiento. Os explicaré a continuación cómo intentamos resolver este problema y cómo podéis ayudarnos.

Aprendiendo a ver: de los robots a Internet

Aunque es probable que ciertos aspectos de la visión humana sean innatos, la mayor parte de nuestras habilidades visuales las adquirimos durante la infancia mientras interaccionamos con el mundo. Un niño puede aprender la relación entre lo que ve y la forma de los objetos tocándolos, manipulándolos, golpeándolos, dejándolos caer y viendo lo que pasa, etc. También la presencia de un maestro es importante para asociar conceptos con información visual (no todos los objetos del mundo se dejan manipular como lo hace un jarrón… por ejemplo, un elefante).

Tradicionalmente se pensó que la forma de entrenar un sistema de visión artificial sería integrándolo con un robot. Sin embargo, construir un robot que se desplace y manipule objetos con la versatilidad y fiabilidad con la que lo hace una persona resultó ser mucho más complejo de lo que parecía inicialmente. Por esa razón la investigación en visión buscó formas alternativas para obtener datos de aprendizaje. El auge de Internet proporcionó una nueva plataforma de trabajo. Un ejemplo de utilización de Internet para entrenar sistemas de visión es LabelMe desarrollado en nuestro equipo del MIT. Si visitáis la página Web del proyecto podréis ver cómo funciona y ayudar a anotar más imágenes. Las anotaciones introducidas en LabelMe se usan hoy en día por multitud de investigadores en todo el mundo.

Otro proyecto que ilustra el poder de Internet para recoger grandes cantidades de datos es nuestro Diccionario Visual.

Esta aplicación es un mapa del lenguaje inglés ilustrándolo con imágenes. El Diccionario Visual muestra, en una sola página, más de 50.000 conceptos y ha sido creado usando Google y millones de imágenes disponibles en Internet. Como las búsquedas en Google no siempre proporcionan las imágenes apropiadas, el usuario tiene la posibilidad de indicar que imágenes ilustran correcta o incorrectamente cada término. Esta información la utilizamos para entrenar un sistema de reconocimiento que aprenderá a diferenciar automáticamente que imágenes corresponden a cada concepto y mejorar así las imágenes presentadas al siguiente usuario. Es sencillo, cuanto más se use, mejor será la calidad de los resultados presentados.

Del optimismo inocente de los 60, al optimismo realista actual.

Al optimismo inocente de los 60 le siguió un periodo de pesimismo en los años 90, cuando nada funcionaba. Desde el año 2000 hemos entrado en un nuevo periodo de renovado optimismo ya que se han encontrado soluciones eficaces para problemas complejos, y ahora el campo de la visión artificial vive un periodo excitante. La visión artificial ha estado presente en ciertos ámbitos como el médico, el militar o el entorno industrial durante mucho tiempo. Pero ahora se abre camino para llegar al usuario típico como tú o yo. Algunos ejemplos actuales son aplicaciones relativamente sencillas como la creación automática de imágenes panorámicas a partir de varias fotos, hasta sistemas más complejos como la detección y reconocimiento de caras, sistemas de visión para videojuegos como el Kinect de Microsoft, sistemas de detección de peatones y vehículos para la conducción asistida, o para búsqueda de información a partir de fotos como Google Goggles, que permite reconocer monumentos, o encontrar información sobre libros simplemente haciendo una foto de la portada con la cámara de un teléfono. En los próximos años veremos como cada vez más y más sistemas de visión artificial se incorporarán a productos de consumo, desde nuestras aspiradoras hasta nuestros coches. Surgirán cámaras capaces de resolver tareas complejas como decirnos la especie exacta del pájaro que estamos fotografiando o si una seta es comestible o no, existirán gafas que podrían ayudar a gente con problemas de visión a leer cualquier texto y signos o indicando si se puede cruzar la calle, hasta lavavajillas capaces de ordenar por si solos la vajilla en los armarios rompiendo muy pocas cosas...

- Antonio Torralba

********

Contacto: [email protected] / Twitter: @Perestupinya

Facebook group: Apuntes Científicos desde el MIT Web: www.elladrondecerebros.com