M4 Sociedad Digital
M4 Sociedad Digital
El acceso generalizado y masivo a internet (y en particular al “internet de las cosas”), la implantación de sensores en todas las áreas de la vida (tanto personal como profesional) así como en la actividad industrial, la robotización de la industria y la automatización de las tareas rutinarias nos ha llevado a vivir en una sociedad digitalizada y digital, en la cual la información generada y almacenada excede con mucho la capacidad actual de análisis.
Por otro lado, el éxito creciente de la inteligencia artificial, debido en gran parte a la capacidad de los procesadores especializados, necesita la búsqueda de fundamentos matemáticos para comprender el funcionamiento interno de los algoritmos y así proporcionar una base para mejorarlos o hacerlos más precisos y predecibles.
Nuestras contribuciones en esta área se organizarán en tres PI.
PI Sistemas inteligentes: Ante la enorme cantidad de datos a nuestro alcance (“big data”) tenemos que avanzar para encontrar formas eficientes de almacenarlos a largo plazo, analizarlos y administrarlos. También necesitamos desarrollar nuevas formas de discriminar aquellos que son importantes de los que no lo son, y describir formas de actuar con respecto a esos datos (optimización y control). En muchos casos, el conocimiento obtenido deberá aplicarse en tiempo real, lo que requiere la implementación de algoritmos eficientes. Por último, tenemos que reflexionar sobre cómo el uso de estos datos afecta y cambia a la sociedad, incluidas cuestiones morales apremiantes como las relacionadas con la privacidad o los derechos humanos.
PI Humanidades digitales: Los museos y archivos están haciendo un notable esfuerzo para digitalizar su material en diferentes soportes, como audio, vídeo, texto e imágenes. Estos materiales son fuentes primarias de información para responder a nuevas preguntas sobre un amplio espectro de disciplinas tales como historia, análisis del lenguaje, estudios lingüísticos y de literatura, entre otros. Las estructuras que generan los datos disponibles, así como la dinámica seguida por los procesos involucrados requieren el diseño de modelos matemáticos que tengan en cuenta las múltiples fuentes de variabilidad y la implementación de métodos de reducción de la dimensión para comprender, por ejemplo, la variación del lenguaje y la dialectología, o el análisis de corpus y lexicográfico.
PI Computación, aprendizaje y seguridad: La necesidad de determinar de manera óptima un conjunto de parámetros es inherente a todos los métodos de aprendizaje automático. Los problemas de optimización subyacentes varían según los modelos y los campos de aplicación. Por tanto, poder definir y/o identificar para posteriormente implementar el algoritmo de optimización correcto, es fundamental en el uso de los cada vez más complejos modelos de aprendizaje automático. La necesidad de privacidad y seguridad ha dado lugar a las áreas como la minería de datos que preserva la privacidad y la computación encriptada, en las que se busca poder analizar un conjunto de datos sin comprometer la privacidad y poder realizar cálculos en un conjunto de datos manteniéndolos encriptados.