EL PROYECTO EMBERS

PREDICE EL FUTURO CON TWITTER

La comunidad de inteligencia de EEUU utiliza el big data y la
inteligencia artificial para rastrear información en América Latina.

Diciembre 26, 2018

Hace unos días compartimos las declaraciones del experto ruso

Evgeny Pashentsev, quien da cuenta de un sistema de inteligencia
artificial desarrollado por EEUU para pronosticar y eventualmente
detonar procesos políticos en la región. El programa no solo puede
predecir determinados hechos violentos, sino eventualmente
agravar la situación. El investigador se refería, entre otros, al
proyecto EMBERS, desarrollado por la comunidad de inteligencia de
EEUU.

Dominio Cuba comparte con sus lectores un reportaje de la revista

norteamericana News Week, una de las pocas publicaciones que han
hablado de EMBERS, un programa sobre el que hay muy poca
información reciente en Internet.

Por Leah McGrath Goodman/ NewsWeek

Para la mayoría de los estadounidenses nacidos después de la Segunda
Guerra Mundial, es poco probable que Arlington, Virginia, tenga algún
significado especial. Pero para aquellos que saben que el resultado de
la guerra dependió en gran medida de los códigos descifrados y del
“juego de la imitación”, Arlington tiene una mística como el epicentro
del criptoanálisis militar estadounidense.

En 1942, el Servicio de Inteligencia de Señales del Ejército de los

EE.UU. (U.S. Army Signal Intelligence Service) estableció su
residencia en el Arlington Hall Junior College for Girls, una escuela
privada que instruía a las jóvenes sobre arte, música, modales,
vestimenta adecuada y economía doméstica, y la utilizaba en realidad
para descodificar los sistemas de cifrados japoneses.

La Agencia de Seguridad Nacional (NSA, por sus siglas en inglés),

fundada en 1952, se basó originalmente en Arlington Hall. La Defense
Intelligence Agency, formada por el Secretario de Defensa Robert
McNamara en el Pentágono una década más tarde, también ocupó dos
edificios allí. En la actualidad Arlington mantiene sus raíces, pero
ahora está descifrando otros tipos de códigos, y ha avanzado hacia el
ámbito de la computación cuántica, convirtiéndose en un foco de
iniciativas de investigación financiadas por el gobierno, en la que
participan instituciones públicas y privadas que sirven principalmente
a Washington.

Una de ellas, Virginia Tech (VT), prueba cuánto importa el “big data”
en el juego de aumentar la capacidad de la comunidad de inteligencia
de EEUU al pronosticar, con una precisión inusitada, el
comportamiento humano a escala global. La materia prima principal
proviene de Twitter, YouTube, Wikipedia, Tumblr, Tor, Facebook y
otros. VT está utilizando algoritmos y una variedad de
herramientas avanzadas para clasificar información
compleja e identificar patrones en el caos que,
frecuentemente, apuntan a eventos antes de que estos
ocurran, como movimientos civiles, brotes de
enfermedades, crisis humanitarias, migraciones masivas,
protestas, disturbios, acciones políticas e incluso violencia.
“Cada vez que tuiteas o públicas en Facebook, te estás
convirtiendo en parte de la gran economía de datos”, dice
Naren Ramakrishnan, profesor de Ciencias de la Computación en VT
y director del Centro de Análisis de Descubrimientos de la
Universidad, que “estudia científicamente toda la gama de datos”. En
el 2014, el centro trasladó su base de operaciones del campus de VT,
en Blacksburg, Virginia, a Arlington, en los predios del Pentágono,
luego de obtener más de $15 millones en subvenciones y contratos
para el proyecto EMBERS. Ramakrishnan dirige el proyecto, que,
hasta el momento, está liderando la carrera armamentista para
convertir el big data en pronósticos que puedan usar líderes políticos
y agencias de inteligencia de EEUU.

“Muchos analistas pueden ofrecer pronósticos para el próximo año,

pero cuando hacemos pronósticos, estamos hablando de fechas
específicas”, dice Ramakrishnan. Desde su inicio en abril de 2012,
entre el 80 y el 90 por ciento de los pronósticos han resultado ser
precisos, y pueden anticiparse hasta siete días a un evento.

EMBERS (abreviatura de Early Model Based Event Recognition using

Surrogates -lo que en español sería Reconocimiento Temprano de
Eventos Basado en Modelos usando Sustitutos) es un sistema de
inteligencia artificial que utiliza lo que los geeks del big data llaman
“indicadores de código abierto”: medios sociales, imágenes satelitales
y más de 200 000 blogs disponibles públicamente. Procesa hasta 2
000 mensajes por segundo, como por ejemplo los datos de
código abierto que provee el “Twitter Firehose”,
funcionalidad de Twitter que sólo está disponible para
ciertos socios, se adquiere por un precio considerable y
permite el acceso a cientos de millones de tweets en tiempo
real por día.

Si bien se ha hablado mucho de las operaciones de vigilancia secreta

del gobierno, particularmente las que espían a los estadounidenses, el
proyecto EMBERS se centra en rastrear el comportamiento
humano en el extranjero y en publicar sus hallazgos, incluso
si son negativos. “No estamos viendo nada clasificado y no estamos
pronosticando terrorismo, porque no tenemos acceso a ese tipo de
canales traseros”, dice Ramakrishnan. “Estamos viendo datos que
cualquiera puede obtener”.

Es un sistema totalmente automatizado que produce entre

45 y 50 alertas totales por día, 24 horas al día, siete días a la
semana. Revela la fecha de un evento, la ubicación y las
coordenadas, quién o qué grupos están involucrados, la
razón de la inquietud y el nivel de confianza de la
predicción. ¿El objetivo? Pronosticar cualquier cosa que pueda darle
a Estados Unidos un aviso de cómo proteger a los estadounidenses en
el extranjero, así como a sus aliados.
El proyecto se inició con el examen de flujos de datos de
código abierto en América Latina: predijo con precisión el
juicio político al presidente de Paraguay en 2012, las
protestas de la Copa Mundial en Brasil en 2013 y las
violentas protestas de 2014 en Venezuela. En estos días
(2015), el programa monitorea 20 países en América Latina
y está comenzando a trasladarse a Medio Oriente y África
del Norte, cubriendo Iraq, Siria, Egipto, Baréin, Jordania,
Arabia Saudita y Libia.

EMBERS es un sistema de pronóstico 24 horas los siete días de la semana,

totalmente automatizado que utiliza datos de código abierto, incluidos tweets,
páginas de Facebook, artículos de noticias, publicaciones de blog, búsquedas de
Google, Wikipedia, datos meteorológicos, indicadores económicos y financieros,
datos de eventos codificados, reservas de restaurantes en línea e imágenes
satelitales.

EMBERS fue el producto de un concurso de 2012 organizado por

Jason Matheny, director asociado de la gubernamental Office for
Anticipating Surprise (Oficina para Anticipar la Sorpresa) -sí, ese es el
nombre de una oficina real- y un gerente de la Intelligence Advanced
Research Projects Activity (IARPA), programa de la Oficina del
Director de Inteligencia Nacional, subordinado al Presidente de
Estados Unidos.

Se pidió a tres equipos -uno de Virginia Tech; otro de la empresa de

computación cuántica Raytheon BBN Technologies en Cambridge,
Massachusetts, y la HRL en Malibu, California, anteriormente Hughes
Research Laboratories-, que construyeran el mejor modelo de
pronóstico posible basado en indicadores de código abierto. El más
exitoso de estos fue EMBERS, que terminó integrando a varios
miembros de los otros equipos en su propio equipo, incluido los de la
Raytheon BBN, que ahora construye algunos de los modelos para las
redes sociales de EMBERS, como los que intentan pronosticar
disturbios civiles interpretando los mensajes de Twitter.

Algunos de los principios rectores de la investigación son

asombrosamente simples, asegura Scott Miller, director técnico
principal del Grupo de palabra y lenguaje de la Raytheon BBN.
“Buscamos charlas, palabras específicas indicativas de protesta”, dice
Miller. “Encontramos que existe una correlación entre las frecuencias
de términos referidos a la agitación política, por ejemplo, la palabra en
español protesta, y la cantidad de disturbios civiles que encontramos
en esas regiones”.

En otros casos, sin embargo, la información que llega puede ser mucho
más compleja. Debido a que la información puede ser una imagen,
palabras o un gráfico, sin mencionar que abarca muchos idiomas y
dialectos diferentes, EMBERS utiliza métodos avanzados de
extracción y traducción de datos en asociación con otra compañía de
Cambridge, la Basis Technology, que enriquece los datos y la
información, proporciona herramientas de análisis de texto que, en
lugar de traducir idiomas extranjeros al inglés, obtiene un significado
directo de las lenguas nativas. Por ejemplo, es capaz de interpretar una
imagen con letras en árabe y llevarla a la fonética del inglés. Los datos
gráficos se leen directamente en Tumblr y las fotos aéreas por satélite
se procesan a través de herramientas automatizadas para imágenes.

A pesar de la sofisticación tecnológica, los algoritmos de los modelos

predictivos pasan por una gran cantidad de modelos de prueba y
error. Un equipo de 80 expertos y 13 subcontratistas,
incluidos científicos sociales, filósofos, informáticos,
epidemiólogos, científicos políticos, estadísticos y expertos
regionales trabaja en el diseño y la actualización de los
mejores modelos posibles.

Ramakrishnan compara las computadoras de entrenamiento para

reconocer patrones a las aplicaciones que se utilizan para reconocer el
spam en los sistemas de correo electrónico. Hay un “supermodelo”
que, con el tiempo, “aprende qué modelos son mejores, pero sigue
aprendiendo, porque las situaciones en estos países cambian con el
tiempo”, dice Ramakrishnan.

El supermodelo recibe un dictamen mensual de calificaciones en el

que se evalúa la precisión de sus predicciones, donde se indica qué
modelos funcionan en qué combinaciones y cuáles no. Luego se
ajustan en consecuencia. El contratista independiente que lee y califica
la precisión de los pronósticos de EMBERS es un centro de
investigación sin fines de lucro en las cercanías de McLean, Virginia,
llamado MITRE, un conglomerado de centros de investigación
financiados por el gobierno.

Terry Reed, el ingeniero de sistemas de información del Instituto de

Ingeniería y Desarrollo de Sistemas de Seguridad Nacional de MITRE,
supervisa a un equipo de una docena de personas que combinan las
alertas de EMBERS con los informes de noticias para determinar si se
cumplen sus predicciones. EMBERS ahora tiene un puntaje casi
perfecto en la predicción de los eventos que sucederán, pero aun así
trabaja para que los detalles de cada evento sean correctos, dice
Matheny.
Ramakrishnan afirma que cree que EMBERS tiene el
potencial de pronosticar eventos en poblaciones de todo el
mundo. “Uno podría imaginar que tecnologías como esta serán muy
útiles en el futuro y podrían convertirse en una herramienta
principal”, dice. “Tratar de predecir esto no es nuevo. Lo
nuevo es que las redes sociales nos permiten hacerlo
mejor”.

Hasta la fecha, las agencias gubernamentales no están actuando de

manera concertada según las predicciones del proyecto EMBERS, y
aún no está claro qué planea hacer el gobierno con estas capacidades
en crecimiento. Matheny se negó a revelar exactamente qué agencias
gubernamentales están dispuestas a adoptar la tecnología predictiva
de EMBERS, pero confirmó a Newsweek que la inteligencia, la salud
pública, los asuntos humanitarios y las agencias de seguridad mundial
y nacional lo están siguiendo de cerca.

“Mantenemos a los socios gubernamentales informados sobre los

resultados de la investigación”, dice. “Más de una docena de agencias
han recibido actualizaciones periódicas sobre el progreso de esta
investigación”. Una de las agencias que utilizan las alertas EMBERS,
dice Ramakrishnan, es el Centro para el Control y la Prevención de
Enfermedades.

Además de proporcionar información a las agencias

gubernamentales, VT también puede vender el acceso a sus
tecnologías de medios sociales a entidades
comerciales, aunque todavía no hay un plan inmediato para eso,
dice Ramakrishnan. “Hay muchas razones legítimas para ello”, dice
Ramakrishnan. “Esto puede permitirnos aumentar nuestra seguridad
en lugares importantes y ofrecer consejos de viaje más precisos,
proteger a los estadounidenses de la violencia y aumentar nuestra
seguridad en las embajadas”.

MITRE, por su parte, tiene conexiones profundas con los

aparatos de defensa, seguridad e inteligencia de la nación.
De hecho, según MITRE, Reed representa al jefe de seguridad de la
información del Departamento de Seguridad Nacional en un comité
dentro del Grupo de Trabajo de Sistemas de Seguridad Nacional
centrado en cuestiones de políticas relacionadas con sistemas
clasificados de información.

Si bien MITRE confirmó el trabajo de Reed con EMBERS, se negó a

ser entrevistado por Newsweek.

EMBERS tampoco es el único proyecto gubernamental que se

perfecciona para utilizar a las redes sociales con fines de pronóstico.
En febrero de 2015, un grupo que afirmaba estar asociado con ISIS
hackeó la página de Newsweeken Twitter y publicó un documento del
Ejército titulado “The Gist Mill Pilot Project”, que se refería a un
“proyecto de operaciones” para extraer del código abierto indicadores
y “análisis de redes sociales”. Según un portavoz del Pentágono, el
proyecto se suspendió en 2013, pero el Ejército está en proceso
de fusionar las redes sociales con sus operaciones
tradicionales de inteligencia, vigilancia y reconocimiento e
introducir continuamente nuevas capacidades.

A pesar de los beneficios predictivos de aprovechar los datos de código

abierto, Karen Greenberg, directora del Centro de Seguridad Nacional
de la Universidad de Fordham en Nueva York, advierte que seguir de
cerca a las masas a través de las redes sociales y otros medios, suena
menos a la película “Imitation Game” y más a “Minority Report”.

“Realmente debemos decidir sobre algunas pautas y parámetros

legales y éticos en las etapas iniciales de todos estos proyectos”, dice
ella. “Hemos visto que cuando eso no sucede, más tarde escuchamos a
nuestro gobierno: ‘Dependemos de este programa, no podemos
desmantelarlo ahora’. Las consecuencias de estos programas son
extraordinarias. Como nación, ¿estamos de acuerdo en que somos tan
inseguros que necesitamos que estos programas reduzcan nuestro
riesgo a cero a costa de nuestra privacidad?”

Los funcionarios de inteligencia a menudo señalan que el término

vigilancia masiva es un nombre inapropiado, argumentando que el
objetivo de la vigilancia del gobierno es apuntar a individuos o grupos
específicos, no a las masas. “No estamos rastreando individuos en
nuestro proyecto”, dice Ramakrishnan. “Estamos siguiendo
multitudes y grupos”. Señala que el programa sí sigue los feeds
de las figuras públicas de Twitter y otros líderes clave, debido
al hecho de que han ejercido una gran influencia en las masas.

Greenberg agrega que, si bien estas herramientas son sin duda útiles,
existen indicios de que el gobierno puede volverse demasiado
dependiente de la tecnología para alertarlo sobre amenazas de
seguridad. “De alguna manera, nos perdimos la primavera árabe, nos
perdimos el auge de ISIS”, dice ella. “Estas son herramientas
tecnológicas valiosas, pero nada sustituye estar en el lugar de los
hechos. Tienes que buscar tu respuesta con más de dos clics “.

Miller de Raytheon BBN está de acuerdo en que, en caso de duda, no

hay nada como la verdad fundamental: “En este momento, nuestras
predicciones en el Medio Oriente aún no son buenas. La mejor manera
de resolver algo es simplemente preguntarle a alguien”.