El 70% del universo digital es generado por nosotros mismos a través de nuestra interacción con los diferentes servicios de la red (e-mail, redes sociales, buscadores, Smartphone, etc.). Se trata de una realidad importante que hemos de tener en cuenta y que debe hacernos reflexionar sobre la efectividad de alguna de las normas vigentes en materia de datos personales ENT#091;…ENT#093; https://mundoejecutivo.com.mx/empresas/un-curso-de-ciencia-de-datos-con-el-que-podras-enfrentarte-al-futuro/ (2016, p. 29). Los temas tratados en esta contribución son la pun ta de iceberg, puesto que son una ínfima parte de los desafíos y oportunidades que involucra la puesta en valor de la producción de datos en el ámbito de la sa lud. Sin embargo, da luces sobre el avance tecnológi co de tratamiento y análisis de datos a gran escala, así como también de sus aplicaciones en la pediatría.

Al utilizar estos dispositivos, que forman parte de la Internet de las Cosas (IoT) (entendiendo por esta a la interconexión de los objetos cotidianos que están dotados de una inteligencia ubicua, generalmente por medio de la red) (Xia et al., 2012, p. 1101), los individuos ayudamos al incremento de la generación de datos que se pueden utilizar en los análisis de big data. Por ejemplo, utilizar aplicaciones como Google Glass, Epson Moverio, Pebble y Fitbit (Wei, 2014, p. 53), que monitorean las actividades de sus usuarios, hace posible reconstruir el mundo alrededor de ellos por medio de coordenadas de localización, velocidad de movimiento y dirección, así como gracias a las fotos de alta resolución y, en algunos casos, hasta la captura de sonido (Paterson & Maeve, 2018, p. 4). Aunque no existe una definición formal del término, su uso se refiere a grandes cantidades de datos o información digital que requiere equipos de cómputo de alto rendimiento y programas o técnicas de análisis especializadas para su procesamiento e interpretación. Su gran atractivo es que permite obtener relaciones, patrones y resultados, que no son accesibles mediante otras metodologías (Oficina de Información Científica y Tecnológica para el Congreso de la Unión, 2018, p. 1). A la par con el incremento de registros de datos de pacientes, se está generando una gran cantidad de ban co de datos, mayoritariamente de acceso público, los cuales están facilitando la investigación a nivel molécular34,35.

La IA Generativa centrará el AI Business Congress, que se celebra hoy en Madrid

Un hecho significante que señalan Paterson y Maeve es que los programas de inteligencia artificial «aprenden de los datos para poder reconocer inteligentemente nuevos datos y adaptarlos de conformidad a lo aprendido» (2018, p. 3). Los algoritmos que se usan para hacer este análisis de big data generalmente no son transparentes y crean lo que Paterson y Maeve han descrito como el efecto black box. Es aquí, justamente, donde las técnicas de aprendizaje autónomo e inteligencia artificial que permiten que las máquinas logren decidir con base a un código de programación puede representar un riesgo para los derechos humanos (Ureña, 2019, p. 104), pues este tipo de información, puesta en manos de dictadores o potenciales terroristas, puede representar un gran riesgo para las sociedades (Alfaro et al., 2012, p. 111). Existen aportes de autores como Ureña (2019, p. 100) y Sarfaty (2018, p. 76), quienes opinan que las técnicas de análisis de big data pueden ser utilizadas de manera que ayuden a prevenir las posibles violaciones a los derechos humanos. Gracias a la posibilidad de obtener grandes volúmenes de datos es factible hacer mediciones, predicciones y, con base en ello, realizar la toma de decisiones sobre distintos asuntos de una manera más informada. Ambos autores consideran que el big data puede ser una herramienta de gran utilidad para los derechos humanos; sin embargo, también dejan ver los posibles riesgos que pueden generarse por una mala programación o utilización de la información que se genera a través de estos análisis de datos.

• Por ejemplo, muchas operaciones de la bolsa son hechas por sistemas basados en IA en lugar de personas, la velocidad de las operaciones puede aumentar y una transacción puede conducir a otras.
• En este caso también se optó por presentar los cinco documentos que después de la revisión por parte de los autores son considerados los más relevantes.
• Este artículo se trazó como objetivo mostrar algunos trabajos desarrollados entorno a la temática y describir tecnologías y técnicas de Big Data, notándose que siguen siendo materia de investigación y discusión, generando la posibilidad de proponer alternativas y modelos basados en la táctica de divide y vencerás.
• La minería de datos nace de la necesidad de conocer información útil a partir de los bases de datos o Datawarehouse, con el crecimiento de los datos disponibles, la inteligencia de negocios tuvo que dar paso a la aplicación de la minería de datos en soluciones empresariales y comerciales, puesto que de esta manera se permite el descubrimiento automático o semiautomático de información relevante a partir de estos cúmulos de datos.
• Esto significa, sin embargo, que, al momento de recolectar los datos e interpretarlos, probablemente la violación a los derechos ya pudo haber sucedido, por lo que no se tiene suficiente tiempo para anticiparse y mitigar los riesgos, ocasionando una protección poco efectiva (2018, p. 77).

Big Data no trata solo de grandes volúmenes de datos, sino que incluye otras dimensiones significativas en el tratamiento de datos, como son la variedad, velocidad y veracidad. No obstante, una implementación de Big Data requiere altos costos en expertos, mayor tiempo de adaptación tecnológica, dificultad para implementar nuevos análisis y percepción limitada. Big Data no busca sustituir a los sistemas tradicionales, sino construir una nueva tendencia donde se construyan arquitecturas de sistemas que bootcamp de programación permitan manejar todas las peticiones. Y ya ha logrado incentivar en la comunidad académica y comercial el desarrollo de tecnologías de apoyo que toman los paradigmas base y los emplean en la construcción de soluciones particularizadas a problemas de entornos de investigación y producción reales. Aprendizaje máquina es un área de investigación bastante reconocida en las ciencias de la computación, principalmente comprende el descubrimiento de modelos, patrones y regularidades en los datos [37].

Utilización de Big Data y Machine Learning en la Industria 4.0

Como se ha venido comentando, el tratamiento de Big Data ha exigido el desarrollo de soluciones computacionales que permitan afrontar las necesidades y retos que traen consigo los grandes volúmenes de datos, su variedad de fuentes y la velocidad con que se generan. 2, si se revisa según el tipo de recurso, se ve una marcada tendencia hacia los artículos de conferencia, con un total de 9.493 resultados. Los artículos científicos muestran 4.824 resultados, mientras que los capítulos de libro y los libros solo despliegan 388 y 88 resultados respectivamente, lo anterior ratifica la etapa naciente en que se encuentra este campo de estudio, puesto que sus bases teóricas apenas se están consolidando. Esto nos lleva a discutir el grado de especialización de estos algoritmos a los datos utilizados como entrenamiento. Como mencionamos, una primera medida para evitar una sobre-especialización es el uso de validación cruzada.

También la exploración de nuevos escenarios y posibilidades se destaca como elemento relevante (Stavelin, 2013). Esto la convierte, además,
en una fuente de ingresos por la comercialización de equipo y sus aditamentos,
software y aquellos servicios de administración y mantenimiento
de sistemas automatizados, transformando las relaciones económicas y las
interacciones sociales y culturales casi a nivel global. Es importante también, tener en cuenta cómo en el área de la industria y los negocios se ha presentado una explosión en el número de datos, causada principalmente por el rápido desarrollo del internet, nuevos conceptos como el internet de las cosas y la computación en la nube. Big data se ha constituido como un “tópico caliente” que atrae la atención no solo de la industria, sino también de la academia y del Gobierno.