Computación cuántica, inteligencia artificial, nanotecnología, son términos que no paramos
de escuchar siempre en los medios, los avances científicos, los divulgadores no paramos
de divulgar sobre ellos, pero siempre he querido saber cómo funciona un laboratorio donde
se investiguen sobre estos temas.
Por suerte IBM me ha invitado a participar en unas jornadas en sus laboratorios principales
de investigación en Zurich, en Suiza, donde podría conocer a diferentes gente, visitar
sus laboratorios y bueno, más cosas ¿vale?
Así que mira, sin matilación nos vamos a IBM Zurich y bueno, mira, me ha pillado día
de lluvia, pero no pasa nada.
No tengo ni idea de lo que esperar de todo este evento.
Puede ser que sea una visita normal a una universidad o puede que sea ir a la fábrica
tecnológica de Willy Wonka, no sé, vamos a ver que no te para el destino.
Aprovechemos.
¡Uff!
¡Corre!
Creo que si corro me mojo más.
Vale, voy a dejar el abrigo.
De momento por la mañana lo que hemos hecho ha sido ver una serie de charlas de diferentes
personas que trabajan aquí en el laboratorio, contándonos un poco pues lo que trabajan
aquí ¿no?
Lo que está relacionado con Machine Learning, lo que está relacionado con cuántica, lo
que está relacionado con ciberseguridad, blockchain y básicamente son también los
temas que tienen un poco aquí expuestos en la entrada de este client center y bueno,
pues tienen cosas chulas como tenemos otras cosas de medicina, aquí tenemos robotitos,
tenemos diferentes cosas, tenemos realidad virtual también porque tienen gamificación
de los diferentes experimentos que hacen en IBM, pero quizás lo más interesante que
tenemos aquí es esto de aquí atrás, que es una réplica del ordenador cuántico que
luego nos van a enseñar que es este de aquí, a ver si con suerte lo puedo grabar, pero
esto sería básicamente lo que tenemos en el interior de un ordenador cuántico.
Este es un model, un modelo muy simplificado de cómo se ve el criostato de la computadora
cuántica y la idea es que para enfriar el procesador de la computadora cuántica que
tiene que estar operando a una temperatura de unos 15 milikelvin, tienes que ir enfriándolo
en fases, no puedes enfriarlo todo de una vez y entonces tiene como diferentes niveles
por los que se va reduciendo la temperatura de los 300 kelvin que tienes de temperatura
ambiente, bajas a 4 kelvin, luego a una escala de 1 kelvin y luego a la escala de milikelvin
y bueno el procesador como tal está solo aquí abajo y es solo unos centímetros cuadrados
de tamaño.
Aquí nosotros tenemos un procesador que creo que tiene 4 o 5 qubits solamente porque lo
que hacemos aquí en nuestro laboratorio es mejorar los qubits, el hardware como tal relaciona
parámetros como por ejemplo el tiempo de coherencia de los qubits que es uno de los
parámetros más importantes porque el tiempo de coherencia te da el tiempo en el cual el
estado cuántico del qubit se mantiene estable y eso te permite hacer más operaciones en
un circuito o en un algoritmo, de hecho el tiempo de coherencia limita la longitud de
los algoritmos que se pueden hacer dentro de la computadora.
Vale, por si acaso voy a parar un momentito aquí por si hay alguien despistado que no
sepa lo que es un ordenador cuántico, un ordenador cuántico no es más que un tipo de computador
que se aprovecha de las propiedades naturales de la física cuántica, pues por ejemplo propiedades
como el entrelazamiento cuántico, como la superposición, como el paralelismo cuántico
que todo esto genera para poder desarrollar una serie de algoritmos que son exponencialmente
más rápidos para determinados tipos de problemas que lo que sería un ordenador tradicional
como el que estás utilizando ahora mismo en casa, es decir, al final estamos hablando
de desarrollar una tecnología donde nos estamos aprovechando de todas estas propiedades cuánticas
que son muy contraintuitivas y lo intentamos poner dentro de nuestro paradigma clásico
para aprovecharlas en nuestro propio beneficio y desarrollar unas herramientas que podrían
suponer una revolución dentro de la computación moderna.
De todo esto no quiero decir mucho más porque próximamente en el canal vamos a hablar de
computación cuántica, le voy a intentar explicar lo que es un algoritmo de computación cuántica,
pero de momento con esto ya me vale, continuamos con el vídeo.
Otra de las cosas que hay que asegurar aquí dentro del criostato es que tengas este tipo
de barras que lo que hacen es compensar los cambios geométricos por el tema de dilatación
y contracción por cambios de temperatura, a la vez que estás enviando señales de microondas
aquí para cambiar el estado de los cubits, pues estás introduciendo calor y esto provoca
dilatación o contracción y estos cambios de temperatura, por ser, tú quieres mantener
siempre la distancia entre todas estas partes constantes.
Y otra de las cosas que se hace como te decía ahorita es lo de atenuar la señal de microondas
que también es importante porque la potencia con la que la señal entra es demasiado alta
y te produce un calentamiento del procesador que no quieres tener.
Al final mi sensación al estar delante de esta maqueta que no deja de ser eso, una maqueta
era de estar ante un artilugio de diseño muy complejo a nivel de hardware, cosas que yo
no entiendo, pero también cuyo funcionamiento, la algoritmia que desarrolla estas máquinas
también se me escapa bastante de la intuición, ¿vale?
Un algoritmo de computación cuántica bastante complejo, bastante diferente al paradigma
tradicional al que estamos acostumbrados y por algún momento tuve esta sensación de
estar ante una máquina primitiva como si estuviera frente a un ordenador del siglo XX, estos
ordenadores antiguos que ocupaban una sala entera donde a lo mejor un perceptron venía
implementado en hardware como una estantería gigantesca llena de cables por todos lados.
Y claro, no podía evitar fantasear un poco con cómo va a evolucionar el diseño de estos
ordenadores en el futuro y si conseguiremos dominarlos y miniaturizarlos y convertirlos
en una herramienta tan ubicua como es el ordenador que ahora empezamos a llamar ordenador clásico.
Pero bueno, para poder hablar del futuro antes tenemos que conocer cuál es el trabajo que
están haciendo los científicos ahora en el presente.
Es hora de bajar al sótano y conocer los laboratorios de IBM.
Vale, déjame que te de un poco de contexto.
Esto que estás viendo aquí es un microscopio atómico de fuerza, un tipo de microscopio
que se desarrolló en estos mismos laboratorios de IBM gracias a los avances realizados por
Vinnig y Rohrer en 1981, motivo por el cual fueron premiados con el Nobel de física en
1986.
Y te preguntarás ¿por qué es tan interesante este tipo de microscopio?
Pues porque con él podemos obtener imágenes con una resolución por debajo del nanómetro,
es decir a escala atómica.
Estamos hablando de ser capaces de visualizar moléculas y la posición de los átomos que
lo conforman.
Esta imagen que estás viendo fue presentada en 2009 por IBM y fue la primera a mostrar
con este nivel de resolución la estructura atómica de una molécula.
Actualmente el equipo no solo ha conseguido visualizar estas estructuras, sino que también
han logrado crear nuevas moléculas a partir de su manipulación a nivel de átomo.
¿Recuerdas eso de que el carbono según cómo se estructure molecularmente nos puede dar
sustancias tan diferentes como el grafito, el diamante o el grafeno?
Pues en ese sentido durante la presentación se nos explicó que su último proyecto en
el que están trabajando ha consistido en aislar una molécula de carbono cuya estructura
tiene forma de anillo de 18 átomos, el ciclo carbón 18.
Todo esto con el fin de poder estudiar sus propiedades.
Para lograr esto lo que han hecho ha sido traer por correo desde la Universidad de Oxford
con quien colaboran este tipo de moléculas triangulares de aquí para así luego proceder
a recortarla eliminando aquellos átomos que no nos interesan y así obtener finalmente
el anillo de carbono buscado.
Y en serio, párate a pensar en lo que están haciendo, para mí esto es ciencia ficción.
Pero bueno, de momento ya se está haciendo tarde y toca abandonar este laboratorio y
seguir con la visita.
Carlos del pasado, ¿cómo vas?
Creo que me he perdido, voy solo por los laboratorios.
Secretos de estado, secretos de estado.
¡Ay Dios!
La siguiente visita era la joya de la corona.
Por fin, las instalaciones de lotos ordenadores cuánticos.
Y bueno, pues aquí están.
En realidad esto quizás no es tan espectacular de ver como era el diseño de la maqueta que
hemos visto antes y por eso te dejo ver estas imágenes de archivo de aquí de lo que hay
en el interior del termo.
En cualquier caso es impresionante estar ante un logro tecnológico de tal calibre, más
aún sabiendo que la temperatura interior de estos termos está muy próxima al cero
absoluto de temperatura a 15 milikelpins, dejando en comparación al espacio exterior
como un lugar caliente.
Quizás para mí lo más reseñable que les puedo compartir de esta sala es su sonido.
Una auténtica pasada.
Y bueno, hablando de tecnologías revolucionarias y siendo este el canal que es, todavía nos
faltaría hablar un poco de inteligencia artificial y deep learning.
Para ello durante la comida tuve la oportunidad de entrevistar a dos científicos españoles
que se están dedicando a combinar técnicas de inteligencia artificial con la medicina.
Como es el caso de Antonio Foncubierta, quien aplica técnicas de inteligencia artificial
con...
Análisis de imagen, imagen médica en la teología digital, las imágenes patológicas
es algo que se hace en hospitales generalmente y el caso más típico es eso.
Son análisis de imágenes para biopsias.
La situación actual es que todo esto hasta ahora se venía haciendo de forma manual con
microscopio y demás.
Y ahora se están empezando a digitalizar estas imágenes con escáneres que se pueden
hacer de producir imágenes de 100 mil por 100 mil píxeles, son súper grandes.
Todo esto trae complejidades con lo cual existe el beneficio de poder usar machine or deep
learning para poder analizarlas más rápidos, también reducir la variabilidad entre distintos
patólogos y demás y un poco mejorar o disminuir la carga de trabajo que tiene y que se pueda
centrar los patólogos realmente en lo que es información relevante.
Se está empezando ahora a hacer patología digital, no es como radiología, como análisis
de imagen médica de otro tipo que si lleva a lo mejor 20 o 30 años de historia en digital.
Esto es algo que está empezando ahora, entonces hasta ahora básicamente se explora con un
microscopio y se toman notas.
Este tejido tiene tal característica tal otra, se comprueba que cumple una serie de casos
definidos en las días clínicas y entonces se establece el grado, se establece la clasificación
o lo que sea.
Pero hasta ahora es principalmente análisis visual por parte del patólogo con su experiencia
y uniforme.
Claro, el problema entre comillas que tiene el deep learning es que siempre necesitas
algo, algunos datos con los que entrenar, con lo cual puedes lograr ser tan bueno como
un patólogo con el que es el que te ha proporcionado los datos, entonces eso sí es algo a lo que
ya se ha llegado, que existen modelos que tienen una tasa de acierto similar a la de
un patólogo, lo único es que se consigue más rápido y descarga mucho el trabajo de
mirar lo que no es relevante y además las ventajas que tiene es que puedes con técnicas
digitales, puedes usar información de dos fuentes a la vez, entonces puedes ver dos
tipos distintos de tintura a la vez y sacar información a partir de eso.
De nada.
Es interesante porque se ha hablado cómo la propia naturaleza de estos datos médicos
puede acabar limitando el propio rendimiento de estos algoritmos y claro con esto siempre
se me viene la típica pregunta de si este tipo de herramientas en el futuro acabará
sustituyendo a los doctores.
De esto he podido hablar también con la investigadora María Rodríguez.
Bueno, pues yo soy física por deformación, yo hacía astrofísica y hace como unos 10
o 12 años me cambié a la biología de sistemas, que es un campo que bueno, hoy día ya estaba
sentado pero en aquellos momentos estaba empezando a nacer y la idea es utilizar datos seman
tecnologías de alto rendimiento para producir datos experimentales en gran volumen con los
que puedas construir modelos para predecir algo para el paciente, entonces trabajamos
mucho en cáncer, por ejemplo específicamente en cáncer, trabajamos con datos genómicos,
por ejemplo secuencias de DNA, trabajamos con datos de transcriptómica que son secuencias
de mRNA, RNA messenger y trabajamos con datos de proteómica y la idea es utilizar inteligencia
artificial ya sea machine learning o deep learning o a veces incluso modelos más matemáticos
en función del tipo de datos que tengamos para predecir diferentes cosas, podemos predecir
clasificar un paciente, si un paciente tiene un cáncer, este cáncer es agresivo o es
benigno, por ejemplo el cáncer de próstata en 90% de los casos son benignos, solamente
hay que seguir al paciente pero no hay que hacer nada, es un problema de clasificarnos
de manera correcta, últimamente también trabajamos mucho con lo de medicina personalizada,
no solamente clasificar al paciente de manera precisa pero decir cuál es la mejor terapia
para este paciente y ahí tenemos diferentes proyectos, en ciertos proyectos intentamos
simplemente decir de las fármacos que están aprobados, es decir este es el mejor fármaco
para este paciente en función de las mutaciones que este paciente tiene, lo que estamos haciendo
ahora también que sería esa investigación que realmente se está desarrollando ahora
mismo o sea que no es un proyecto que tengamos ahora mismo que ya se pueda poner a llevar
a la clínica sino que realmente estamos trabajando en ello, es también diseñar nuevos
fármacos y ahí la idea es que la industria farmacéutica supone que las entidades que
tenían que desarrollar nuevos fármacos tienen muchísimos problemas para producir nuevos
fármacos, el problema es que para empezar es muy caro porque la mayoría de los intentos
que se hacen nuevos fármacos fallan, ya sea porque el fármaco tiene efectos tóxicos
ya sea porque no funciona como se esperaba, utilizar inteligencia artificial para tener
mejores candidatos para empezar el proceso de drug discovery, empezar de manera un poco
aleatoria que es lo que se diría, pues intentar con muchos composos a ver cuál funciona,
pues utilizar deep learning para tener mejor esos candidatos creemos que no van a funcionar
y estos son mejores candidatos y una vez que tienes dos candidatos pues tienes que hacer
todo el proceso de ensayos clínicos, ensayos en animales muchas veces, ensayos en humanos
pero bueno al menos ya empiezas con un conjunto de candidatos que creemos que son mejores
y estamos trabajando mucho utilizando el deep learning, yo una cosa que quiero dejar claro
es que la idea de la inteligencia artificial en la medicina no es sustituir a los doctores
eso jamás se va a hacer, yo creo que la inteligencia humana y la inteligencia artificial no están
competiendo sino que se ayudan a los unos a los otros, a ver esa es la comparación
entre inteligencia artificial e inteligencia humana, la inteligencia artificial es muy buena
cuando tienes una única tarea, cuando dices séparame la clasificación A y la clasificación
B y tienes un montón de datos para entrenarlos, ahí sí que nos ganan, pero la inteligencia
humana es mucho más, eso es mucho más potente a la hora de mirar, de encontrar patrones
en conjuntos diferentes, cuando las tareas que tienes que hacer computacionalmente están
mucho más difusas y menos bien definidas, por eso creo que un ordenador no va a sustituir
nunca a un doctor, pues encantada.
En este punto del día yo ya estaba más que satisfecho, había visto todo lo que quería
que era computación cuántica, inteligencia artificial, nanotecnología, había visitado
los laboratorios, había tenido conversaciones con científicos, yo ya estaba más que satisfecho,
pero claro, es que yo no podía sospechar que lo mejor estaba por venir.
Pero claro, si esto es la parte número uno, pues significa que en algún momento tiene
que venir una parte número dos, y que todo esto lo veremos en un próximo vídeo.
Crespo Style.
Si te ha gustado este vídeo más que nunca voy a pedir que le des a like aquí abajo
para saber verdaderamente si este tipo de contenido tiene un hueco dentro del canal,
este tipo de blog científicos, y bueno, que si te gusta el tipo de contenido que desarrollo
pues te puedes suscribir si todavía no lo has hecho, y si valoras este tipo de contenido
dentro de YouTube lo puedes apoyar a través de Patreon.
Nada más, nos vemos con más ciencia en el próximo vídeo.