Lo que pasa en Las Vegas...
El mes pasado visité el US Air Force Operations Research Symposium (AFORS) en la base aérea de Nellis, en Las Vegas. La conferencia es un encuentro anual de la comunidad de analistas de la Fuerza Aérea, con más de 200 asistentes hablando sobre investigación operativa, aprendizaje automático y temas de ciencia de datos.
La Fuerza Aérea está invirtiendo mucho en modernizar sus herramientas y su formación para trabajar con datos, y yo estuve allí para dirigir un taller de code-along sobre cómo usar DataCamp Workspace.
Cinco áreas clave para la transformación de datos
La Dra. Angela Giddings, directora técnica de Estudios, Análisis y Evaluaciones, resumió el objetivo de la Fuerza Aérea en torno a su programa de transformación de datos. Afirmó que el gran reto es averiguar cómo los analistas de investigación operativa pueden multiplicar la capacidad del resto de la Fuerza Aérea. Tradicionalmente, la investigación operativa ha sido un grupo muy académico dentro de la Fuerza Aérea, pero ese modelo ya no es viable en el servicio actual.
La Dra. Giddings enumeró cinco áreas clave de transformación.
- Asegurar que los proyectos impacten en un problema real
- Garantizar que los resultados se entreguen mientras sigan siendo relevantes
- Usar los datos adecuados para cada problema
- Generar conclusiones a partir de las matemáticas
- Sacar partido de las visualizaciones
Curiosamente, todas estas áreas reflejan retos a los que se enfrentan organizaciones de todo el mundo, estén o no en el ámbito militar.
El reto del talento
Un tema recurrente entre los altos mandos fue que captar y retener talento top en datos es tremendamente complicado. Tanto Wayne Schatz, director de Estudios, Análisis y Evaluaciones, como el coronel Ron Annaballi, analista jefe de la Fuerza Aérea, hablaron de afrontar este reto convirtiendo el escuadrón en un gran lugar para trabajar, y que la formación y las herramientas son claves para lograrlo. La Fuerza Aérea tiene acceso a tres plataformas de formación online—DataCamp, Coursera y PluralSight—además de formación interna. Se está desarrollando una pila de datos moderna con acceso amplio a Python, DataBricks, Tableau, Plotly, Dataiku y Palantir.
Presentaciones técnicas de nivel
En las presentaciones técnicas, me impresionó la variedad de proyectos de la USAF. Optimizar la formación de pilotos fue un tema recurrente, y vi no una, sino dos charlas que consistían en colocar sensores de ritmo cardíaco, seguimiento ocular y otros en los pilotos para intentar determinar qué maniobras de vuelo eran las más exigentes a nivel cognitivo o las más terroríficas.
Otras presentaciones que vi abarcaron desde problemas de negocio de toda la vida—el sargento primero Nathan Shaw habló de usar análisis de sentimiento para analizar los comentarios de encuestas—hasta cuestiones insospechadas—el Dr. Tyler Danley y el mayor Brian Morrison explicaron cómo programar vuelos de entrenamiento para reducir el número de impactos con murciélagos—y ciencia ficción—el cadete Victor Rae trató sobre cómo optimizar el tamaño y la posición de constelaciones de satélites para conseguir la mejor cobertura en las misiones.
Para mí, la mejor charla técnica de la conferencia fue la de la subteniente Benjamin McCloskey. Los vehículos aéreos no tripulados usan aprendizaje automático sobre los datos de sus cámaras para detectar edificios y vehículos en su campo de visión. Según la subteniente McCloskey, hay un problema: la mayor parte de los datos de entrenamiento de los modelos se capturan de día y con buenas condiciones meteorológicas. Eso implica que el rendimiento en misiones reales es peor durante la noche o con mal tiempo.
Su solución fue usar una técnica de deep learning llamada "generative adversarial networks" para modificar imágenes de cámara existentes y hacer que se parezcan a escenas nocturnas o de mal tiempo. En esencia, creó "deepfakes" de datos satelitales para mejorar la precisión de los modelos de detección de objetos.
La formación con DataCamp dio lugar a nuevos productos de datos
Por último, vi una excelente presentación del capitán Dominick Speranza sobre los resultados de un programa de formación basado en DataCamp. El objetivo del programa era extender las habilidades necesarias para crear productos de datos a partir de datos de instrumentación de aeronaves. La formación consistió en una serie curada de cursos de Python en DataCamp, seguida de formación interna sobre datos de instrumentos de aeronaves. El proyecto final para completar la formación exigía a los participantes crear un producto de datos. Entre los ejemplos estaban un sistema de detección de anomalías para evaluar la calidad de los datos de la instrumentación del caza F-22 y un generador automático de informes para facilitar las sesiones de debriefing con los pilotos.
Cierre
Toda la conferencia transcurrió como la seda gracias a la excelente organización del mayor Bryan Fagan. (Debería haber supuesto que quienes investigan operaciones serían buenos en operaciones). Después de escuchar todos estos grandes ejemplos de proyectos de datos, me entusiasma ver cómo avanza el programa de transformación de datos de la US Air Force.
