Debemos considerar cuidadosamente las formas en que los datos pueden personalizar las experiencias de las ciudades inteligentes, y los prejuicios y las preocupaciones de privacidad de aprovechar AI y ML en un contexto de ciudad inteligente, debemos verlos como son y es que la inteligencia artificial y el aprendizaje automatico son o seran en el corto plazo el cerebro de una ciudad inteligente.

Los datos recopilados por sensores y dispositivos IoT en la ciudad inteligente deben, de alguna manera, ser utilizados orientandolos a obtener información que permita detectar patrones y tendencias. Por ejemplo, las redes inteligentes, con suficiente información a la mano, pueden usar la informacion para determinar picos y valles en la necesidad de electricidad y luego ajustar la producción. Esto optimiza el uso de energía, ayudando en el impulso hacia la sostenibilidad.

Tomando decisiones con AI y ML

Las decisiones de optimización se pueden mejorar utilizando tecnología como Machine Learning (ML) o aprendizaje automatico, que es un subconjunto de Inteligencia Artificial (AI). El ML toma los datos generados por aplicaciones de salud, medidores inteligentes o automóviles con acceso a Internet, etc., y utiliza estos datos para detectar patrones y aprender a optimizar el servicio prestado. Por ejemplo, NVIDIA ha desarrollado un sistema de video inteligente que realiza análisis de big data y aplica el aprendizaje automático a las transmisiones de video. Se han asociado con 50 socios de AI para utilizar la tecnología para mejorar áreas como el transporte inteligente. Se espera que haya mil millones de estas cámaras inteligentes para 2025. Esa es una gran cantidad de datos generados, analizados y aplicados. El sistema reemplazará la interpretación humana, reemplazándola con algoritmos de aprendizaje automático, con una mejora esperada en precisión y velocidad. Este cerebro de la ciudad procesará muchos de nuestros datos personales, incluidos los datos visuales sobre nuestros movimientos.

Como se mencionó anteriormente, el Machine Learning requiere datos para detectar patrones y tendencias. El análisis a traves de la big data brinda a los servicios de la ciudad la información necesaria para responder de manera eficaz a las necesidades de sus ciudadanos. También utiliza estos datos en los servicios para generar respuestas más optimizadas al uso del servicio, lo que ayuda a mejorar la experiencia y mejorar la sostenibilidad. Un área que se está explorando como adecuada para la inteligencia artificial y el aprendizaje automatico es la personalización de los servicios. Esto requiere que los datos personales se recopilen y agreguen antes de ser utilizados como una herramienta de creación de perfiles.

Cómo se pueden personalizar los servicios de una Smart City

Las herramientas de ML que personalizan experiencias ya están en uso en marketing, por ejemplo. Aquí se usan para personalizar sitios en línea (Amazon fue pionero en esto), mostrando productos que se espera que les gusten a los usuarios de acuerdo a su perfil. En una ciudad inteligente, se puede usar el mismo tipo de algoritmo para otros fines. Por ejemplo, un estudio realizado por tres universidades del Reino Unido examinó la aplicación de varios algoritmos de ML y la relacion entre ciclismo y el clima (vea otro ejemplos aqui ) como un medio para crear servicios personalizados dentro de una ciudad inteligente. Esto se basó en la recopilación, agregación y análisis de big data. El estudio concluyó:

“La combinación de aprendizaje automatico, inteligencia artificial e Internet de las Cosas, ofrece un gran potencial para los desarrolladores de tecnologías y servicios de ciudades inteligentes”.

Es importante destacar que este estudio se realizó sin la necesidad de datos que pudieran identificar directamente a un individuo. Eso no quiere decir que con esfuerzo, los datos correlacionados, tal vez utilizando GPS de dispositivos móviles, puedan usarse para volver a identificar a las personas. Además, no es un gran reto imaginar que se pueda obtener una personalización aún más personalizada o resultados más precisos utilizando información directamente identificable.

Una de las otras preocupaciones sobre el aprendizaje automático y la IA es la posibilidad de sesgo predeterminado integrado en los algoritmos que se supone que mejoran la precisión. Si el conjunto de entrenamiento en sí está sesgado hacia un resultado esperado específico, entonces el resultado en sí mismo estará sesgado; de hecho, el sesgo resultante bien puede amplificarse. Se han realizado varios estudios en esta área, entre ellos, “A los hombres también les gusta ir de compras: reducir la amplificación de sesgos de género utilizando restricciones a nivel de corpus”. Este estudio observó cómo los conjuntos de entrenamiento contienen sesgos de género; Este sesgo se amplifica cuando se usa en una situación de IA.

Sesgos y preocupaciones de privacidad 

El uso del sesgo en la IA también podría amplificar las preocupaciones de privacidad. Un ejemplo de dónde se ha infiltrado este tipo de sesgo y control fue el uso del chatbot ‘Tay’ de Microsoft, que fue entrenado usando tweets del mundo real. El problema surgió cuando la gente comenzó a tuitear comentarios racistas y misóginos a Tay, quien luego reprodujo esos sentimientos. Del mismo modo, los problemas de privacidad podrían surgir de conjuntos de capacitación sesgados. La privacidad es más que la exposición de datos personales; la privacidad se trata de la exposición de nuestro propio ser: nuestras creencias, nuestros puntos de vista, nuestras inclinaciones políticas, etc.

La privacidad en la ciudad inteligente es mucho más que revelar tu nombre …