Evan Booth, el MacGyver moderno que reinventa los objetos cotidianos (y provoca más de un dolor de cabeza)
La pasión que siente Evan Booth por los aparatos electrónicos se gestó durante su infancia. Uno de sus principales pasatiempos consistía en destripar, junto con su hermano, toda clase de objetos que encontraba en la casa familiar de Carolina del Norte, en Estados Unidos. Además de deconstruir y crear nuevos artilugios, también fabricaban pequeños explosivos. “Vivíamos en el campo y teníamos que encontrar la diversión por nuestra cuenta. Gran parte del fondo de ingeniero surgió ahí”, cuenta.
Evan Booth ha dejado el campo y ahora trabaja en Skookum, una empresa de desarrollo de ‘software’, pero sigue jugando con su entorno. Su último logro ha sido transformar una cafetera Keurig en una prótesis biónica. En un vídeo de 11 minutos de YouTube, muestra cómo a partir de los materiales extraídos de la cafetera es capaz de construir un aparato que simula el comportamiento y la forma de una mano y el antebrazo.
Hedberg, como bautizó a la máquina en referencia al cómico norteamericano Mitchell Lee, que tiene el mismo apellido, forma parte de ‘Demystifying MacGyver’, un proyecto con el que Booth pretende enseñar a la gente a transformar los objetos cotidianos para dotarlos de nuevas funcionalidades. Con la mano biónica, el ingeniero quiso mostrar al mundo que a partir de aparatos corrientes se pueden desarrollar artilugios totalmente distintos. “Uno de los objetivos es que la gente piense sobre las cosas que utilizamos todos los días”, nos explica.
Todavía nadie puede utilizar Hedberg porque falta mejorar el diseño y optimizar la mecánica. Para él, la máquina -que sí puede coger y levantar objetos- representa un concepto. “Una cafetera tiene muchísimo potencial, pero ¿alguna vez has pensado más allá de hacer café? Quiero demostrar que se puede y, con suerte, hacer ver a la gente que pueden hacer cosas realmente interesantes con objetos ordinarios”.
De todas las ocurrencias de este hombre, una llamó especialmente la atención del gran público. ‘Terminal Cornucopia’ se convirtió en un fenómeno viral a nivel global y protagonizó muchísimos debates en la Red. En aquella ocasión, su idea consistía en demostrar lo ‘fácil’ que resulta fabricar armas dentro de un aeropuerto. Para probar su afirmación, construyó once armas con materiales comprados tras cruzar la barrera de seguridad, en las tiendas de regalos, los puestos de revistas o los restaurantes.
Aparte de comprar todo dentro de la zona de seguridad, el proyecto tenía otras dos normas: utilizar una pequeña herramienta multiusos permitida en los aeropuertos y no ocasionar ningún alboroto que llamase la atención de las autoridades.
Siguiendo esos preceptos, el programador fue capaz de elaborar una serie de armas, desde explosivos a mazas con pinchos, que se pueden construir en menos de diez minutos. Entre sus creaciones destaca ‘Fragguccino’, una granada dentro de un termo de café. Además del recipiente, que es de acero inoxidable, utiliza una batería de litio, un desodorante, un preservativo, agua, una revista e hilo dental. Como utensilios empleó la mencionada herramienta multiusos y un cortatubos.
Según nos cuenta, al poco tiempo recibió una visita del FBI. “Fueron amables y lo único que les puedo echar en cara es no haberme avisado de su visita. Les ofrecí café, no lo aceptaron. Hablamos un rato, quisieron asegurarse de que no hubiera construido ningún arma dentro de un aeropuerto”. Aunque se recrearon las circunstancias del recinto y se siguieron las tres normas, todas las herramientas se construyeron fuera, para no romper la ley.
“La gente que me critica por ayudar a los terroristas no ha tenido una oportunidad de pensar en la lógica de ese argumento”. Dice que no siente aprecio en particular por las armas, si no que las ve como una herramienta, y todo lo que ha hecho como una investigación.
Lo que no sabe Evan Booth es cómo definirse a sí mismo. Si ingeniero, si programador, si consultor… Sabe que le encanta su trabajo y también sus múltiples ‘hobbies’, a los que cada vez dedica más tiempo. Le fascina cómo funciona la electrónica y quiere inculcar a los demás una mirada diferente sobre los aparatos que utilizan a diario. Habrá que estar pendientes de la próxima aventura de este MacGyver moderno.
El matemático que creó un algoritmo para encontrar el amor de su vida en Internet
Chris McKinley, un jovencísimo matemático estadounidense que en 2014, en su afán por encontrar pareja, vivió varios fracasos hasta que pudo encontrar a quien, por fin, era el amor de su vida para siempre.
La historia es la siguiente: tras una ruptura sentimental con su anterior pareja, Chris decidió abrirse un perfil en OkCupid, una de las redes sociales más famosas para encontrar pareja. Chris eligió OkCupid por un motivo: antes de 'empezar a jugar', esta red te hace varias preguntas sobre tu vida, tu personalidad, tus aficiones, tus hábitos... A continuación, y partiendo de ese completo cuestionario, empieza a sugerirte gente que considera similar a ti.
A Chris esto le gustaba mucho. Él no buscaba una aventura de una noche ni alguien, Chris buscaba el amor. Por eso, le pareció bien someterse al cuestionario para que el algoritmo decidiera mejor que nadie con quién debía/podía relacionarse.
Sin embargo, la cosa no salió bien: Chris consiguió pocas citas y ninguna de ellas tuvo un buen resultado. Él, que tanto confiaba en los algoritmos por ser matemático, había fracasado en su intento por encontrar el amor.
Sin embargo, nuestro joven protagonista decidió no deprimirse del todo. Si había confiado en un algoritmo, la cosa había salido mal y él era matemático, ¿por qué no probar a construir su propio algoritmo y ver si de esta manera conseguía encontrar el amor? Dicho y hecho: se puso manos a la obra.
Paso 1: doce perfiles para recopilar datos
La primera misión de Chris era compleja: comprender de qué manera funcionaba el algoritmo de OkCupid: a qué información se le daba más importancia, a cuál menos, qué hacía la red social ante un encuentro positivo o negativo, qué información le hacía aparecer ante más o menos gente, de qué manera recibían las chicas su perfil...
Para ello, el matemático se creó nada menos que doce perfiles falsos que iban interactuando de manera semiautomática y con diversas características, personalidades, trabajos, aficiones... El objetivo de Chris era que todos estos bots le diesen información suficiente sobre el algoritmo de OkCupid
Paso 2: el perfil definitivo
Tras el primer paso, Chris McKinley creó dos perfiles distintos de sí mismo, destacando en cada uno cosas distintas. Eso sí, nuestro protagonista creía en el amor verdadero, así que no quería engañar a nadie: toda la información que daba era cierta, tan sólo decidía de qué manera resaltaba unas facetas frente a otras en cada perfil.
Al final, el resultado del experimento fue un triunfo total: de repente, Chris vio que sus perfiles tenían una aceptación muchísimo mayor entre las mujeres y sus solicitudes de citas empezaban a aumentar. Estaba claro que la misión había sido un éxito.
Por si te interesa conocer el final de la historia, sí, Chris acabó encontrando una pareja, y no una cualquiera: Christine y él no sólo se enamoraron en la primera cita, sino que, a día de hoy, están felizmente casados
Dialogamos con Marcelo Ferreyra, uno de los Data Miners más prestigiosos del país
Marcelo Ferreyra cuenta con casi 20 años de experiencia en el análisis de datos y modelos de predicción para la industria financiera y bancaria. Junto a Dorian Pyle desarrolló Powerhouse Analytics, un programa de Data Mining basado en Teoría de la Información. Además dicta cursos sobre estadística, DM y BI, y participa como orador en distintos congresos sobre estos temas.
- Antes que nada, podrías definirmos en pocas líneas ¿qué es el Big Data?
Tiene que ver no sólo con la extensión de los datos sino también con la variedad. Una de las características de la tecnología digital es la generación de datos desde casi cualquier sistema, desde dispositivos GPS instalados en toda clase de vehículos hasta redes sociales. Big Data hace referencia a este tipo de datos, estructurados o no, y su gran desafío es encontrar información confiable y relevante para resolver problemas.
- Si nos guiamos por los medios especializados, pareciera ser que el análisis de datos para comportamientos predictivos fuese algo muy novedoso.¿Es realmente así?
No, hace muchísimos años que se realizan predicciones basadas en datos, la estadística inferencial es un ejemplo. Lo que cambió es el método. Antes de las computadoras se realizaba mucho trabajo manual utilizando técnicas apropiadas, pero esto no impedía predecir datos no observados.
- ¿Qué conocimientos técnicos debiera tener como base alguien que quiere dedicarse al Data Mining?
Trabajar con datos no es una tarea simple. Rara vez los datos tienen el formato apropiado. Hay que agruparlos, modificar sus distribuciones, decidir qué hacer con los nulos, los valores extremos, etc. Desde mi punto de vista es muy valioso conocer SQL y algún lenguaje de programación, que podría ser R, Python o cualquiera que permita ir más allá de lo que nos permite una base de datos.
También es indispensable conocer sobre estadística. El éxito de un proyecto de Data Mining está basado en 3 patas: los datos (en algunas empresas en manos del departamento de IT), el análisis (el data miner) y el conocimiento del negocio, que aporta el contexto para saber si la información encontrada es relevante o no. Esto implica que es muy importante que un Data Miner sepa cómo interactuar con cada uno.
- Creés que esta copamiento del Big Data en la agenda de la opinión pública especializada puede tener su contrapartida en un número mayor de gente que se capacite en el tema? en muchas notas nombran al científico de datos comouna de las profesiones del futuro...
Estoy seguro que sí. Cuando comencé, en 1.997, no éramos muchos los que nos dedicábamos a este tema. Tampoco había demasiada literatura sobre el tema. Y algo más importante aún, en general las empresas conocían muy poco o nada de esto de analizar datos para optimizar los negocios, por lo tanto no se requerían muchos data miners.
Actualmente las grandes empresas valoran mucho sus datos y se esfuerzan para obtener ese valor utilizando técnicas de Data Mining. Las empresas medianas recién están recorriendo este camino. En muy pocos casos se están explotando grandes volúmenes de datos (Big Data) que requieren nuevas metodologías y habilidades, que convierten al data miner en científico de datos.
- Aparentemente paciera ser que no hay área de trabajo donde el análisis de datos pudiera aplicarse. Sobran ejemplos en medicina, deporte, entretenimiento, política, etc. Conocés algún caso de estos que te haya llamado la atención?
Me llamó la atención el caso real relatado en la película Moneyball, basada en un hecho real, en donde el gerente general de un equipo de béisbol contrata un economista que utiliza estadísticas sobre jugadores y encuentra que existen algunos que están sobrevaluados y otros subvaluados, lo que les permite mejorar el equipo a un menor costo.
- El Lado B de todo paradigma pareciera ser la pérdida de la privacidad y cierto cuidado de la gente a la hora de brindar sus datos. ¿Qué soluciones podrían ser potencialmente útiles para esta situación?
No siempre ser identificado es malo. Cuando visito un sitio web prefiero que conozcan mis gustos para que las recomendaciones sean acertadas. Por supuesto también existe el costado malo. Creo que es importante educar a la gente que navega por Internet, acerca de los peligros de dejar datos sensibles.
- Por último, cómo ves el análisis de datos cuando finalmente Internet de las Cosas llegue al público en general?
Hace un par de años Google adquirió Nest, una compañía que desarrolla y comercializa termómetros y detectores de humo que se conectan a Internet brindando datos sobre el sistema de control de temperatura de millones de hogares. Esto se relaciona directamente con el consumo de energía y de ahí a pronosticar demanda futura hay un paso.
Este es sólo un ejemplo de las aplicaciones que se podrán realizar cuando mayor cantidad de cosas se conecten a Internet.
