El blog de los empleados
de Telefónica I+D

Paulo Villegas, y  Alejandro Cadenas

Las aplicaciones y servicios contextuales, entendiendo como tales a aquellos que analizan, evalúan y reaccionan de acuerdo al contexto en el que están siendo usados, son una de las áreas más prometedoras para mejorar la experiencia de usuario, ayudar a las personas a mejorar su calidad de vida y ofrecer nuevas vías de explotación del conocimiento a empresas como los operadores globales de telecomunicaciones. Por ello este artículo tratará de ofrecer una breve descripción de la generación y uso del contexto. Para facilitar su lectura se ha estructurado en forma de preguntas y respuestas, de forma que podría considerarse una PMB (Preguntas Más Básicas) sobre el contexto.

¿Qué es el contexto?

Paradójicamente esta es probablemente una de las cuestiones más difíciles, ya que la definición de lo que es contexto depende precisamente… del contexto.

Restringiéndonos al área de procesado de información, el uso del término surge relacionado con las ideas sobre computación ubicua (ubiquitous computing o pervasive computing).  Se puede definir como toda información que caracteriza al entorno en el cual se ejecuta una aplicación o servicio. Es por tanto una definición relativa (depende de qué aplicación estamos considerando, para saber qué son datos centrales y qué es contexto: los datos de una aplicación pueden ser el contexto de otra). Otro rasgo destacado del contexto, que aparece de forma recurrente, es su validez temporal. Al ser dinámico, evoluciona deprisa, luego siempre se sobreentiende que hablamos del contexto de ahora. El contexto debe ser procesado en tiempo real.

¿Para qué sirve el contexto?

De forma muy concisa, para enriquecer servicios. Los sistemas conscientes del contexto (context-aware systems) son potencialmente capaces de adaptarse mucho mejor y de forma automática a las condiciones de entorno, y por tanto proporcionar un mejor servicio. Para ello, tienen que extraer o adquirir ese contexto de forma precisa, procesarlo para obtener la información necesaria para la aplicación y usarlo para personalizar ésta.

Dentro de todo el abanico de servicios contextuales el segmento más característico hoy en día son los servicios de información en red, que presuponen una conectividad desde un dispositivo de usuario (un terminal, fijo o móvil) hacia unos proveedores de información en red. No es el único modo de uso, ya que contexto es una definición general que puede aplicarse en muchas situaciones. Aplicaciones de inteligencia ambiental reaccionan también al contexto del usuario; éste podría interactuar con el entorno en formas distintas al uso de terminales clásicos (por ejemplo mediante wearable computing). Incluso dentro del entorno tradicional es posible utilizar el contexto en formas nuevas de interacción, como en aplicaciones de realidad aumentada.

¿Qué grados de contexto hay?

Existen muchas clasificaciones de contexto (tantas como definiciones). Una posible es por grados de aplicación: Considerando sólo el contexto de personas, y en función de a quien aplica, podríamos dividirlo en:

• Contexto individual: información contextual que concierne a o describe el entorno de una persona o entidad concreta
• Contexto de grupo: información extraída de un grupo de personas (una familia, los pasajeros de un tren, un grupo de amigos, los asistentes a una conferencia); no se trata de la mera agregación de los contextos individuales sino que es necesario considerar qué propiedades de contexto propagar al grupo entero, y si la existencia del grupo provoca la aparición de nuevas propiedades no aplicables a título individual.
• Contexto colectivo: se distingue del contexto de grupo en su agregación a gran escala. Son contextos de aplicación a poblaciones grandes, y en ellos lo importante es determinar qué rasgos (con el margen de error considerado) son generalizables a las poblaciones objeto de análisis.

¿Cuáles son los tipos de contexto?

Otra posible clasificación es por fuentes de contexto (de dónde se extrae) Así podemos enumerar una serie de rasgos que componen el contexto de una persona (los contextos aplicados a grupos o colectivos recolectarían estos tipos de cada uno de sus miembros):

• Contexto espacial. Supone, en primera instancia la localización física del usuario, y en segunda instancia tanto la interpretación semántica (“está en casa”, “en el trabajo”, “en el coche”) como el marco de ese contexto espacial (qué hay alrededor, quién hay cerca del usuario).
• Contexto temporal. De nuevo en primera instancia es el instante de tiempo actual, y una segunda evaluación tiene las dos vertientes de interpretación semántica (“es por la mañana en día laborable”, “es la hora de sacar a pasear al perro”) y de marco temporal a corto plazo (“queda media hora para que salga del trabajo”, “ha comido hace poco”).
• Contexto ambiental: se puede considerar como una extensión del contexto físico, y engloba variables más generales como el tiempo atmosférico (temperatura, si hace sol, si llueve), iluminación, ruido ambiente, contaminación, etc
• Contexto personal. Comprende el estado de la persona en el momento de evaluar el contexto. Se refiere por tanto a aspectos como la actividad que está desarrollando (trabajando, leyendo, practicando un deporte), el estado de ánimo (lo que se denomina “mood” en inglés), circunstancias físicas (si tiene medio de transporte propio, si va muy abrigado o poco).
• Contexto social. Es el que extiende el contexto involucrando a la parte de la red social del usuario que está activa (o es relevante) en cada momento; cada uno de los individuos en este segmento de red social aporta su contexto (espacial, temporal, ambiental, personal) al conjunto total.

¿De dónde se adquiere el contexto?

En general hay fuentes primarias de contexto, basadas en sensores, a partir de las cuales se puede inferir contexto de más alto nivel. Entre esas fuentes primarias pueden citarse:

• Contexto espacial. La posición del terminal (base del contexto espacial) puede obtenerse mediante varias técnicas, en orden decreciente de precisión:
  • GPS: da siempre la posición más exacta, pero a veces no está disponible (el dispositivo no lo tiene, o falla la cobertura) o activado (al consumir bastante energía, en muchos casos se desactiva).
  • Sensores inalámbricos no celulares, basados en identificación de nodos de red inalámbrica de posición conocida (por ejemplo, estaciones WiFi, o dispositivos Bluetooth).
  • Posicionamiento de celda, para dispositivos móviles: asignar la posición a partir de la estación base o triangulando entre estaciones a partir de medidas radio.
  • Posicionamiento IP (basada en bases de datos que mapean direcciones IPs o rangos a áreas geográficas, útil especialmente en terminales fijos). Tienen precisión típicamente a nivel de ciudad.

  Existen APIs estandarizadas para que las aplicaciones y los terminales puedan enviar información de posición de forma normalizada (W3C Geolocation API, GSMA OneAPI, Google Geolocation)

• Contexto temporal: se puede recurrir a registros de actividad reciente del usuario (los mismos que para evaluar el contexto personal) para el pasado inmediato; el contexto del futuro inmediato puede extraerse de la agenda del usuario o estimarlo en función de su perfil (usando razonamientos/aprendizajes que infieran patrones temporales de comportamiento).
• Contexto ambiental: las redes de sensores, cada vez más abundantes e interconectadas, proporcionan información ambiental convenientemente geo-posicionada. Es lo que se ha llamado recientemente Sensor Web (red de sensores interconectados, y distribuidos geográficamente).
• Contexto personal: son fuentes primarias las interacciones del usuario con la aplicación, el terminal o con servicios de red, la información explícitamente proporcionada por el usuario, o procedimientos más avanzados como análisis facial o medida de constantes biométricas.
• Contexto social: a partir del grafo social (red social activa del usuario) obtenible mediante distintos procedimientos, se puede llegar a los usuarios relevantes en cada momento para extraer el contexto social.

¿Cómo se usa el contexto?

Como se ha mencionado, su empleo principal es para mejorar la capacidad de los servicios de adaptarse a las necesidades de los usuarios en tiempo real (o de anticiparse a ellas).

El “punto base”  para servicios contextuales son tradicionalmente los servicios basados en localización (Location-Based Services o LBS), de popularidad creciente, sobre gracias a las capacidades de interacción avanzada ofrecidas por terminales móviles basados en iPhone o Android. De momento lo más frecuente es aprovechar información de la posición del usuario como filtro para la oferta de servicios en la zona (para localización o recomendación), pero están ya incorporando otras fuentes de contexto (como el contexto social combinado con la posición). Se espera una evolución cada vez más rápida hacia la integración de todas las fuentes de contexto posibles y en este sentido se observa una gran actividad en el mercado.

¿Cuál es la diferencia entre contexto y perfil?

Son conceptos complementarios, y muy relacionados. Dada la elasticidad de ambos términos, puede considerarse que uno engloba al otro (o al revés), pero en general puede establecerse una diferencia basada en el marco temporal de ambos:

• Un perfil de un usuario contiene información sobre rasgos estables de una persona, que en general se supone que varían lentamente con el tiempo.
• El contexto de un usuario, en cambio, evalúa la situación de la persona en un momento concreto (de nuevo la característica de tiempo real es básica).

Por poner ejemplos relacionados con las fuentes de contexto mencionadas, el perfil de un usuario puede indicar que es friolero (rasgo de personalidad) o que suele ir muy abrigado (rasgo de comportamiento), mientras que el contexto de ese usuario puede indicar que ahora tiene frío o que va poco abrigado. El perfil puede también indicar que va frecuentemente al cine, mientras que el contexto espacial puede señalar que justo ahora está cerca de un cine y tiene tiempo libre (luego puede ser un buen momento para una recomendación cinematográfica).

Un perfil puede aplicarse en distintos contextos, pero al hacerlo, el contexto modula qué rasgos del perfil son más útiles o apropiados para la situación concreta. Es evidente también que conocer el perfil ayuda a evaluar mejor el contexto, y que a la inversa rasgos extraídos del contexto pueden alimentar actualizaciones del perfil. La potencia y flexibilidad de enriquecimiento de servicios es máxima con ambas tecnologías en juego.

¿En qué entornos es más útil?

En cualquiera en el que la situación de diferentes entidades (incluidos los usuarios) sea dinámica y cambiante En este sentido, una de las áreas previstas de mayor crecimiento de sistemas contextuales son los entornos urbanos. Se puede considerar el tejido urbano una ciudad como un conjunto de redes superpuestas, cuyos nodos se relacionan entre sí:

• los ciudadanos forman una red social (o un conjunto de redes sociales), cuyos nodos son los individuos;
• las redes de infraestructuras (transportes, comunicaciones, energía, etc) interactúan con los ciudadanos;
• redes lógicas de nivel superior (culturales, económicas) enlazan nodos de las redes anteriores

Cada uno de los nodos de estas redes aporta contexto a los nodos con los que interactúa (el conjunto global puede modelarse con la ayuda de Ciencia de Redes o Network Science). La contribución de los sistemas contextuales para extraer, evaluar y utilizar esos contextos permite crear entornos de ciudades inteligentes (Smart Cities) , una iniciativa en auge en numerosos lugares del mundo.

¿Qué implicaciones de privacidad tienen los servicios contextuales?

Muchas y de gran impacto. En general se pueden aplicar todas las consideraciones de los entornos de personalización y perfilado de usuarios, más implicaciones adicionales derivadas del hecho de adquirir información en tiempo real sobre el usuario.  Los LBS, al ser la punta de lanza, han permitido abrir ya el debate.

Los permisos que un usuario concede para que se haga uso de su información de contexto deben tener una granularidad fina, para que pueda ajustar a su gusto las preferencias. Puesto que la gran mayoría de los usuarios no se molesta en personalizar sus aplicaciones, las opciones por defecto deben ser sensatas y adaptadas los mejor posible al perfil del usuario.

El pasado 19 de noviembre de 2009, Fernando Fournon, Presidente Ejecutivo de Telefónica Investigación y Desarrollo presentó en nombre de ETNO (organismo que agrupa a los operadores de telecomunicaciones europeos) una visión tecnológica del periodo 2020-2030 al “Reflection Group”. Este grupo es un think tank promovido por la Unión Europea, con personalidades públicas de toda Europa (como el ex-primer ministro español Felipe Gonzalez, o el ex-presidente polaco Lech Walesa), y que tiene el mandato de ayudar a la unión a identificar los principales desafíos en un escenario a largo plazo, en el periodo 2020-2030. Lo que sigue es un breve resumen de lo presentado:

El mundo de 2020 a 2030 será complejo, populoso (acercándose a los 8.000 millones de habitantes) e interconectado mucho más allá de lo que conocemos en la actualidad. Se tratará de un mundo en el que la telepresencia será posible, y donde el acceso a la información será ubicuo, estará disponible la búsqueda en tiempo real y será una realidad la agregación instantánea de conocimiento. Además, no sólo serán las personas quienes estén conectadas, también lo estarán los objetos.

Las personas demandarán simplicidad en la tecnología, estar siempre activas y conectadas, siempre localizadas, ser capaces de contar con ayudas para recordar todo. Sin barreras de distancia, idiomas o tiempo.

Uno de las tendencias que parecen más sólidas en ese periodo es la conexión ubicua de máquinas, dispositivos y objetos.

Las máquinas ganarían suficiente autonomía como para tomar decisiones, iniciar por su cuenta comunicaciones o el intercambio de conocimiento, no sólo datos en bruto. Todo ello dentro de un entorno de cooperación autónoma entre objetos.

La red interconectaría a 50B (50.000 millones) de máquinas, y sólo a 6B de personas. Las redes de máquinas multiplicarían a las humanas de tal forma que podría ser difícil distinguir entre personas y máquinas en la red en determinadas circunstancias.

Con tantos objetos conectados a la red, la detección y manejo del contexto de las personas será uno de los más importantes campos de desarrollo en los próximos años.

Se evolucionará desde la actual “detección de contexto” a la “gestión de la atención”. A largo plazo, será posible adaptar la respuesta de máquinas y aplicaciones para que reacciones a preferencias personales y al comportamiento implícito.

En este futuro, los “asistentes sintéticos” conocerán perfectamente a las personas, sus preferencias, gustos, deseos y necesidades.

El contexto será la base también de asistentes físicos en vehículos, en navegación, en compras, en el cuidado de la salud y el bienestar y en un largo etcétera.

Realidad virtual, y virtualidad real: los objetos virtuales serán reales, y la realidad se combinarán con artefactos virtuales. De hecho, el que algo sea real o virtual no tendrá importancia en muchas circunstancias (educación, reuniones, salud, compras, viajes, entretenimiento, …).

En el futuro, una persona podrá tener varios “puntos de presencia” en la red, distintas identidades, avatares que la representen, asistentes software y en dispositivos. Incluso sus “propiedades”, como su coche o su casa podrían tener su propia identidad y presencia en la red.

Todo ello dirigirá la evolución de áreas tecnológicas actuales como los mundos virtuales, la realidad aumentada o los mundos híbridos.

A largo plazo, la realidad aumentada será algo implícito, indistinguible de la realidad. Habrá un intercambio ubicuo de conocimiento, filtrado automáticamente, entre personas y su contexto.

Los nuevos interfaces físicos y los implantes en las personas harán posibles entornos inmersivos, integrados y conectados.

Todo esto llevará a avances en la replicación de la consciencia, la inteligencia en objetos y, finalmente, a una nueva forma de inteligencia artificial.

En este entorno, las personas se dirigirán inevitablemente hacia nuevas formas de comunicación. Esto será en parte posible debido a un crecimiento exponencial en las redes de contactos que permiten a las personas relacionarse con su contexto.

Surgirán nuevos conceptos de “comunidad”, “círculo de amigos”, “conversación” o “clase”. De hecho, las comunicaciones están evolucionando desde el “uno a uno” al “uno a muchos”, la “comunicación agregada entre comunidades”, las “conversaciones colaborativas” y, por supuesto, “máquina a máquina” y “personas con máquinas”.

Nuevas comunicaciones híbridas surgirán como la combinación de:

Web + voz + video + mensaje + expresión corporal +  pensamientos

Y podrán estar presentes simultáneamente en un dispositivo o indiferenciadamente en varios.

La anticipación, la prospectiva, como la de este caso, son herramientas fundamentales en el diseño de una estrategia, sea para empresas, o para organizaciones supranacionales como la Unión Europea. El enriquecimiento de estas visiones de futuro ayudará a conformar una imagen más fiable del mundo del futuro y sus desafíos.

Este año (al igual que el pasado y anteriores) la revista Technology Review publica su lista con las 10 tecnologías emergentes que en su opinión tienen el potencial para “cambiar nuestras vidas”. Eso supone que algunas pueden estar a punto de salir al mercado mientras que otras pueden demorarse bastante.

Esta es la lista completa:

• Máquinas biológicas
• Memoria “racetrack” o “hipódromo”
• El genoma de 100$
• Reactor “traveling wave”
• Papel para pruebas de diagnóstico
• Batería líquida
• Asistente software inteligente
• Nanopiezoelectrónica
• HashCache
• Redes definidas vía software

Vamos a centrarnos sólo en aquellas que tienen relación con los temas que se tratan en este blog, dejando las demás para otros foros.

Para empezar, creo que buena parte de las que destacaba Technology Review el año pasado tienen aún vigencia, aunque alguna pueda considerarse menos “emergente”. Así:

• “Modeling Surprise”, o la predicción de sucesos inesperados, parece un conjunto de técnicas tan asentadas como necesitadas de evolución, como pudimos ver en la pasada conferencia EmTech.
• “Probabilistic Chips”, siguen esperando su oportunidad.
• “Offline Web Applications”, son una realidad, aunque su impacto parece ahora menor del esperado, si bien se van filtrando cada vez más en toda clase de aplicaciones.
• “Reality Mining”, como moda empieza a abrumar. Ha dado lugar sobre todo a modos imaginativos de visualización, que hemos recogido varias veces en este blog.
• De “NanoRadio” no hemos tenido más noticias, aunque vemos cada día más aplicaciones concretas de la nanotecnología.
• “Graphene Transistors” llegan al mercado los primeros dispositivos.
• “Wireless Power” sigue aún en los laboratorios.

Y ahora, las que nos interesan:

Intelligent Software Assistant, que se presenta como la evolución de los motores de búsqueda para que, más allá de recopilar información, se convierta en un “do engine”, una herramienta que ayude a realizar tareas.
La base de esta tecnología es el reconocimiento del contexto, lo que permite crear un asistente personal. La empresa Siri, que parte de un proyecto de inteligencia artificial con aplicaciones militares, está desarrollando un producto basado en estas técnicas y que se presentará este año con funciones limitadas a tareas como reservar vuelos o restaurantes.

Redes definidas vía software, o SDN. Se trata de un conjunto de tecnologías que están recibiendo una gran atención. “Technology Review” se centra en OpenFlow, un software desarrollado en la universidad de Stanford que instalado en routers y switches permite a los investigadores extraer datos como las tablas de enrutado, que luego pueden usar para realizar simulaciones e investigaciones sobre la forma en la fluye el tráfico de Internet. Todo ello respetando la propiedad intelectual de los algoritmos que los fabricantes de estos equipos tienen como elemento diferenciador de otros proveedores.

HashCache es una técnica pensada para países donde el acceso a Internet sigue siendo aún caro y difícil, incluso para centros universitarios. De hecho se ha probado en Ghana.
El principio es el de una caché de contenidos, aunque para reducir costes se apoya en el uso de discos (cuyo precio no deja de bajar), reduciendo la dependencia de memoria RAM y de dispositivos específicos, aún muy costosos. Una función hash (de ahí su nombre) se encarga de buscar de forma muy rápida una localización para cada contenido cacheado en el disco duro, de forma que el acceso a los contenidos almacenados sea tanto o más rápido que a los disponibles en Internet, y reduciendo las necesidades de conexión a sólo una fracción de la información requerida.
Esta técnica permite tener almacenados localmente contenidos de consulta o acceso frecuente, ayudada por el hecho de que a pesar de su naturaleza cambiante, la mayor parte de la información presente en Internet permanece estable.

Memoria “racetrack”, es una aplicación de la nanotecnología al almacenamiento de información. El principio de funcionamiento es muy original: la información se almacena en nanotubos en forma de U que se distribuyen verticalmente, lo que permitiría un mayor empaquetamiento de información en menos espacio. Dentro de cada tubo la información se distribuyen en áreas de una polaridad magnética diferente según se trate de “0” o de “1”. Cuando se lee o se escribe en el dispositivo, la información se mueve hacia delante o hacia atrás, empujando todas las distintas regiones magnéticas como si se tratara de una carrera.
La técnica, muy prometedora en cuanto a posibilidades futuras, ha sido desarrollada por IBM que curiosamente vendió hace siete años su negocio de almacenamiento magnético. No hay fecha estimada de disponibilidad en el mercado. A día de hoy los dispositivos desarrollados sólo permiten el almacenamiento de unos pocos bits.

Nanopiezoelectrónica es una forma de procurar energía a sensores de escala nanométrica. Este tipo de sensores serían tan pequeños que podrían introducirse en el cuerpo humano o dispersarse en todo tipo de escenarios para recoger información a escala molecular: desde la calidad del aire, a la química de la sangre. Pero su tamaño también implica fuertes limitaciones a la hora de conseguir fuentes de energía.
El efecto piezoeléctrico permite obtener electricidad de la presión o el movimiento, y ha sido usado desde hace décadas para todo tipo de propósitos. Una nueva tecnología permite replicar este efecto a escala nanométrica y con ello obtener energía para dispositivos de tamaño microscópico.
De llegar a la comercialización las aplicaciones serían muchas y afectaría sobre todo a dispositivos dispersos o embebidos como sensores, y a la obtención de energía para aplicaciones personales: generar electricidad a partir de la fricción de la ropa o del ruido ambiente, y luego emplearla en teléfonos móviles o cualquier equipo que acompañe a la persona.
El hecho de que los materiales usados para producir esas nanopiezoelectricidad se comporten como semiconductores (a escala nanométrica, las propiedades de los materiales pueden cambiar enormemente), abre también las puertas a nuevos tipos de circuitos y aplicaciones.

Las máquinas biológicas pueden resultar algo remotas ya que estamos hablando sobre todo de interfaces directos con seres vivos.
A día de hoy el trabajo realizado se centra en introducir electrodos en pequeños seres vivos, como insectos, para poder controlar remotamente sus movimientos. Los seres vivos son extremadamente eficientes en términos de energía para desplazarse, pero es posible pensar en otras tareas relacionadas con su capacidad cognitiva: desde la detección de estímulos sensoriales al reconocimiento de imágenes, hay muchas capacidades presentes en organismos vivos que son difícilmente replicables en los ordenadores actuales.
Una de las principales dificultades para acceder a funciones avanzadas más allá del movimiento es conseguir interfaces que funcionen en las dos direcciones, que sean capaces de recibir información del ser vivo y no sólo que puedan transmitir órdenes.