Aprendizaje y razonamiento automáticos

La investigación realizada en el CiTIUS en el ámbito del aprendizaje automático tiene por objetivo el diseño y desarrollo de modelos, métodos y tecnologías que permitan al computador la incorporación de nuevas capacidades, a partir de la identificación de regularidades en los datos de la observación. El desafío radica en hacer posible el aprendizaje desde la disponibilidad de muy pocos datos hasta el progresivo acceso a volúmenes ingentes de datos, asumiendo que estos pueden adoptar distintas formas de representación: imagen, vídeo, texto, etc. Interesa conjugar un equilibrio entre plasticidad y capacidad de generalización, haciendo un uso eficiente de los recursos computacionales, minimizando su impacto ambiental y maximizando su viabilidad económica. La aplicación del aprendizaje automático es extensiva a cualquier sector socioeconómico y a cualquier disciplina científica, social o humanista.

Por otro lado, se investiga en la búsqueda de modelos, métodos y técnicas para dotar a las computadoras de la capacidad de razonar, permitiendo confrontar el conocimiento previamente adquirido con la evidencia disponible en dominios que evolucionan con el tiempo, a fin de alcanzar conclusiones útiles para la toma de decisiones. El desafío radica fundamentalmente en la formalización de las bases del razonamiento que sustentan la racionalidad, a partir de información que puede ser vaga, imprecisa o incierta. Los dominios de aplicación son múltiples, desde la salud, la industria, el agroalimentario, el transporte o la logística, entre otros.