Hace unas semanas realicé un RovCast para los chicos del portal de Real o Virtual. La entrevista fue tan agradable con Ramón, Carlos y compañía que nos dejamos varias preguntas interesantes en el tintero. Sin descartar que más adelante pueda disfrutar de nuevo con ellos de otra interesante mesa redonda para continuar con todas aquellas preguntas, creo que resulta interesante hablar de cómo se puede utilizar la realidad virtual en otras áreas en boga como el Big Data que precisamente fue una de las preguntas que no pudimos terminar.
El concepto de Big Data se basa principalmente en tres módulos.
(I) La parte que más tiene que ver con la ingeniería donde se procesan los datos.
(II) El imprescindible análisis donde se debe inferir la información de millones de datos, reducir sus dimensiones para ser representado e interpretado.
(III) La visualización, muy unida al análisis y donde realmente se puedan observar comportamientos agrupados, casos puntuales de los datos, etc. La visualización, la mayoría de las veces, se hace utilizando el canal visual (mediante gráficas, grafos, árboles, etc).
Para poder representar tanta información, tan heterogénea y con tantas dimensiones, utilizamos las tres dimensiones espaciales de un dato, la relación entre sus coordenadas y sus múltiples claves visuales. Sin embargo, existe un momento en que, o bien reducimos ese elevado número de dimensiones o no es posible saturar tanto al canal visual mediante, más y más, métodos dispares de visualización. Reducir dimensiones o agrupar por propiedades conjuntas es una maravillosa técnica siempre y cuando estemos dispuestos a perder parte de la información. Si podemos permitírnoslo, como en un elevado número de estudios que lo importante es la información grupal y el comportamiento conjunto, es una técnica maravillosa. Sin embargo, hay veces que resulta igual de importante la información y el comportamiento general de los datos que los casos concretos y puntuales y su detallada interconexión. Por ejemplo, como sucede en el campo en el que yo he trabajado estas técnicas, las redes neuronales del cerebro. 86 billones de neuronas que en su conjunto definen un comportamiento global obligado de analizar, pero su exploración puntual y por zonas puede indicarnos una enfermedad.
Para ello, el uso de la realidad virtual puede ser una alternativa muy interesante para ayudar a este tipo de visualizaciones. Por un lado, la incorporación de la visión estereoscópica ayuda a situar mejor las tres dimensiones espaciales, evitando o disminuyendo las oclusiones y los típicos errores de conexiones falsas por la perspectiva. Además, en realidad virtual es importante destacar que no solo existe la visión y su estereoscopía con Oculus, Samsung Gear o Vive. Otros canales sensoriales como el sonido o el tacto pueden servir como apoyo a este tipo de visualizaciones. Para el sonido, altavoces estéreos nos pueden ayudar a discriminar diferentes tipos de señales auditivas en diferentes posiciones. Por otro lado, mediante dispositivos hápticos, podemos tocar diferencialmente de manera táctil y kinestésica (como explicaba en el RovCast), una inmensa variedad de materiales. Si asignamos a cada variable del dato a representar una señal auditiva o un estímulo háptico, y el usuario es capaz de discriminarlo, podemos analizar un mayor número de variables de cada dato.
Imagínate que para conocer diferentes propiedades utilizamos cinco claves visuales. Temperatura, posición exacta tridimensional, peso y edad. Y ahora, otras propiedades como por ejemplo el nivel de sodio de esa zona de la neurona o de potasio, valores esenciales para ver si funciona correctamente las transmisiones sinápticas, lo representamos con unas texturas que sentimos mediante un dispositivo háptico.
En eso es justo en lo que estoy trabajando actualmente y lo que transmito a los estudiantes del Máster Universitario en Computación Gráfica y Simulación de U-tad. En las anteriores imágenes podemos ver cómo, a través del tacto y la visión estereoscópica, es posible analizar numerosas neuronas utilizando la realidad virtual. Y aquí aún nos falta el sonido. No es directo y no es sencillo. No es representar un dato con una textura háptica o con un pitido y ya está. Requiere un elevado estudio e investigación científica de propiedades perceptuales y físicas para ver cómo hacerlo y hacerlo bien.
