M4 Sociedade Dixital
M4 Sociedade Dixital
O acceso xeneralizado e masivo a internet (e en particular o “internet das cousas”), a implantación de sensores en todos os ámbitos da vida (tanto persoal como profesional) así como na actividade industrial, a robotización da industria e a automatización de tarefas rutinarias levounos a vivir nunha sociedade dixitalizada e dixital, na que a información xerada e almacenada supera con creces a capacidade de análise actual.
Por outra banda, o éxito crecente da intelixencia artificial, debido en gran parte á capacidade dos procesadores especializados, fai necesaria a busca de fundamentos matemáticos para comprender o funcionamento interno dos algoritmos e así proporcionar unha base para melloralos ou facelos máis precisos e predicibles.
As nosas contribucións neste ámbito organizaranse en tres PI.
Sistemas intelixentes de PI: Dada a enorme cantidade de datos ao noso alcance ("big data"), temos que avanzar para atopar formas eficientes de almacenalos a longo prazo, analizalos e xestionalos. Tamén hai que desenvolver novas formas de discriminar os que son importantes dos que non o son, e describir formas de actuar sobre eses datos (optimización e control). En moitos casos, o coñecemento obtido terá que ser aplicado en tempo real, o que require a implantación de algoritmos eficientes. Por último, cómpre reflexionar sobre como o uso destes datos afecta e cambia a sociedade, incluíndo cuestións morais importantes como as relacionadas coa privacidade ou os dereitos humanos.
PI Humanidades Dixitais: Os museos e arquivos están a facer un notable esforzo para dixitalizar o seu material en diferentes soportes, como audio, vídeo, texto e imaxes. Estes materiais son fontes primarias de información para responder a novas preguntas sobre un amplo espectro de disciplinas como a historia, a análise da lingua, os estudos lingüísticos e literarios, entre outras. As estruturas que xeran os datos dispoñibles, así como a dinámica seguida polos procesos implicados, requiren o deseño de modelos matemáticos que teñan en conta as múltiples fontes de variabilidade e a implantación de métodos de redución de dimensións para comprender, por exemplo, a variación da linguaxe e a dialectoloxía, ou a análise de corpus e lexicográfica.
PI Computación, aprendizaxe e seguridade: A necesidade de determinar de forma óptima un conxunto de parámetros é inherente a todos os métodos de aprendizaxe automática. Os problemas de optimización subxacentes varían segundo os modelos e campos de aplicación. Por iso, ser capaz de definir e/ou identificar para posteriormente implementar o algoritmo de optimización correcto é fundamental na utilización dos modelos de aprendizaxe automática cada vez máis complexos. A necesidade de privacidade e seguridade deu lugar a áreas como a minería de datos que preserva a privacidade e a informática cifrada, nas que se busca poder analizar un conxunto de datos sen comprometer a privacidade e poder realizar cálculos sobre un conxunto de datos manténdoos cifrados.