“Mi programa puede saber qué hace una persona usando los sensores de su móvil”

Daniel García cursó el grado y máster de Informática en la Universidade da Coruña (UDC), y, tras trabajar en una consultora, volvió a la universidad para investigar en inteligencia artificial. Acaba de presentar una tesis sobre cómo un programa informático se puede determinar qué está haciendo una persona a partir de la posición y sensores de su móvil.

¿Cómo sabe el smartphone lo que el usuario está haciendo cuando este no lo está usando?

Los smartphones tiene un montonazo de sensores. Nosotros usamos cuatro. Empleamos sobre todo el acelerómetro y el giroscopio: así podemos medir movimientos y oscilaciones. Añadimos el GPS y el magnetómetro, que mide la fuerza de la gravedad en el dispositivo. Recogimos datos de 19 personas durante mes y medio, más o menos.

El programa informático pudo averiguar qué actividad estaba realizando el dueño del móvil con una precisión de más del 90%. Pero ¿cuáles eran estas actividades?

Establecimos cuatro, bastante genéricas, porque queríamos ver si estudios que se habían hecho antes en un laboratorio se podían extrapolar a un caso muy flexible y muy realista, con personas que usaban el smartphone como lo usan en su vida diaria. Diferenciamos entre periodos de inactividad; de actividad, que va desde hablar por teléfono a bailar en un concierto o limpiar la casa; desplazarse andando, corriendo o haciendo footing; e ir en un vehículo, conduciéndolo o como pasajero.

¿A qué se puede aplicar esto?

Nuestro proyecto surgió de una serie de empresas que querían ver qué estaban haciendo sus trabajadores en un momento determinado: si estaban con un cliente, en ruta hacia una empresa, comiendo... No sé si llegaron a utilizar el algoritmo en las compañías, aunque entiendo que sí. Y vimos que nadie lo había enfocado en un caso real, los estudios lo habían realizado en condiciones de laboratorio. Esto se puede llevar a más aplicaciones.

¿Por ejemplo?

En salud, puedes monitorizar si los pacientes están cumpliendo con las pautas de hacer una actividad determinada, o detectar si se caen para actuar rápidamente. Otro caso sería en domótica [tecnologías para gestionar una vivienda] o en entretenimiento. Por ejemplo, puedes asociar levantar la mano a una automatización, como encender las luces, o subir las persianas. O se puede relacionar este comportamiento con un resultado en un videojuego, o en un entorno virtual.

¿Pero estos casos no necesitarían algo aparte del smartphone?

No tiene por qué, depende cómo se enfoque. En domótica se suelen usar cámaras, pero nuestra intención sería usar un dispositivo global como es el smartphone, pues todo el mundo lo usa a día de hoy. En el ejemplo de levantar la mano para encender las luces, puedes llevar el smartphone en la mano y hacer la misma pauta de movimiento.

¿Cómo aprendió su programa a reconocer las actividades?

Usamos técnicas de machine learning [aprendizaje de máquina] más tradicional, en las que le dices a la máquina que mida cuando un valor [de los que mide el sensor] pasa de un máximo o mínimo, o cuándo oscila. Pero también deep learning [aprendizaje profundo, una tecnología de inteligencia artificial] . El algoritmo que utilizamos sacó sus propios patrones, luego puedo ir ajustando y probando.

¿Una compañía de teléfono puede sacarle a sus clientes, a día de hoy, los datos que usted extrajo de los participantes de su estudio? ¿Sería legal que pudiese saber qué están haciendo gracias a ello?

No debería. Para poder sacar esta información necesitábamos una aplicación, que activa los sensores. Es el usuario el que decide dar los permisos o no.

¿Cuál será el futuro de su investigación?

Me gustaría intentar seguir con esto, pero el mundo de la investigación es complicado. Yo lo continuaría intentando medir actividades más concretas: cosas como levantar la mano o hacer un baile, ser capaz de medir e identificar acciones más concretas. Ese sería el siguiente paso.