INTELIGENCIA ARTIFICIAL


La Inteligencia Artificial (IA) es la disciplina que permite diseñar y programar máquinas capaces de llevar a cabo tareas que requieren inteligencia para ser realizadas. Más que conseguir inteligencia de tipo general, la IA actual se focaliza en lo que se conoce como IA específica, que está produciendo resultados muy importantes en muchos ámbitos de aplicación como por ejemplo en procesamiento de lenguaje natural, visión artificial, robótica, etc..., sin embargo, desde un punto de vista científico y de investigación básica y aplicada, la IA general sigue siendo el gran objetivo a alcanzar, es decir, crear un ecosistema con sistemas inteligentes multitarea.

 

PRIORIDADES CIENTÍFICAS Y LÍNEAS DE INVESTIGACIÓN:

Aprendizaje máquina: el objetivo de esta prioridad es desarrollar modelos genéricos capaces de adaptarse para aprender a realizar una tarea concreta. Para eso, estos modelos poseen un conjunto de parámetros que determinan su comportamiento y que se ajustan al valor adecuado mediante un proceso de adiestramiento y sobre la base de un conjunto de datos representativo de la tarea a aprender. Básicamente, en este proceso el ordenador descubre cómo resolver la tarea según los datos empíricos que se le proporcionan.

      Líneas de investigación:

  • Técnicas de detección de anomalías
  • Aprendizaje en tiempo real y contínuo
  • Computación evolutiva
  • Aprendizaje con ingeniería de características
  • Aprendizaje en IoT
  • Aprendizaje profundo y nuevas arquitecturas de redes de neuronas
  • Aprendizaje automático con computación cuántica
  • Selección de características en dispositivos de baja precisión y capacidad
  • Análisis de sistemas biológicos complejos con técnicas de aprendizaje automático e integración de datos
  • Regresión simbólica determinista

Visión artificial: en esta prioridad se desarrollan métodos para tratar de forma automática o semiautomática la información visual adquirida mediante sensores tanto de forma estática (imágenes) como dinámica (vídeo) para poder obtener información de más nivel e interpretar las escenas que se adquirieron.

      Líneas de investigación:

  • Aprendizaje profundo mediante el empleo de modelos y arquitecturas de redes de neuronas artificiales capaces de aprender de manera supervisada o semisupervisada
  • Análisis de imagen médica con técnicas de reconocimiento de patrones
  • Análisis de escenas dinámicas para interpretar los objetos y sus acciones

Procesado del lenguaje natural: desarrolla modelos computacionales que posibiliten que los ordenadores puedan entender o generar texto en un idioma determinado. Esta tecnología hace posible traducir textos automáticamente, encontrar información requerida en la Web mediante motores de búsqueda, analizar la opinión de los usuarios de un servicio o automatizar y realizar las tareas de una persona a través de asistentes virtuales.

      Líneas de investigación:

  • Análisis sintáctico para procesamiento a gran escala
  • Técnicas avanzadas de Question Answering
  • Sentiment Analysis en redes sociais
  • Word embeddings multilingües
  • Herramientas para el aprendizaje de lenguas
  • Construcción de un diccionario electrónico de colocaciones para castellano
  • Técnicas y recursos de PLN para gallego, portugués y uzbeko

Robótica inteligente o robótica autónoma: desarrollo de sistemas reales que puedan responder con mayor grado de autonomía a las condiciones cambiantes del medio, o a medios que no estaban previstos, sin la ayuda de un programador.

      Líneas de investigación:

  • Robótica evolutiva
  • Robótica cognitiva
  • Sistemas multi-robot
  • Fabricación de estructuras y aproximaciones robóticas propias

Representación del conocimiento y razonamiento: se estudia la forma más adecuada de representar la información que maneja un agente inteligente, expresando su conocimiento en diferentes tipos de lenguajes formales que puedan ser tratados por un ordenador para resolver problemas complejos, derivar conclusiones o contestar consultas sobre un dominio de aplicación dado.

      Líneas de investigación:

  • Fundamentos de Answer Set Programming ASP (Equilibrium Logic)
  • Programación Lógica Funcional y con Restricciones
  • Explicación Causal
  • ASP Epistémico
  • Razonamiento Espacial Cualitativo
  • Aplicaciones de ASP: medicina, informática forense, composición musical