2 premios para DaSCI en la Conferencia Mundial sobre Inteligencia Computacional 2024 celebrada en Japón
8 julio, 2024
- El primer premio ha sido para un artículo sobre uno de los problemas fundamentales de la IA, la robustez de un sistema abierto. El segundo trata sobre la aplicación directa de la IA a la detección temprana de TEA.
- El Congreso es una de las conferencias internacionales más importantes del área de aprendizaje automático y redes neuronales, que recoge teoría, análisis y aplicaciones en el aprendizaje automático, con especial énfasis en el ámbito de las redes neuronales y el aprendizaje profundo (deep Learning)
La investigación en Inteligencia Artificial que se realiza desde Granada ha sido reconocida una vez más. En esta ocasión en la Conferencia Mundial sobre Inteligencia Computacional 2024 celebrada del 30 de junio al 5 de julio en Yokohama, Japón. La World Conference on Computational Intelligence 2024 engloba a los 3 congresos más importantes de las tecnologías de inteligencia computacional (redes neuronales y deep learning IJCNN, computación evolutiva CEC2024, y tecnologías de conjuntos y sistemas Difusos Fuzz-IEEE2024).
![](https://dasci.es/wp-content/uploads/2024/07/Imagen-2.-Autores-de-los-trabajos-en-el-congreso.--1024x768.jpg)
La conferencia ha sido la mayor celebrada hasta el momento con más de 3.250 artículos recibidos y 1681 aceptados, con autores de más de 80 países y en la que además se imparten 20 tutoriales y 5 workshops en paralelo. Un total de más de 2000 investigadores en IA de todo el mundo se han reunido para esta conferencia. Se trata de una de las conferencias internacionales más importantes del área de aprendizaje automático y redes neuronales, que recoge teoría, análisis y aplicaciones en el aprendizaje automático, con especial énfasis en el ámbito de las redes neuronales y el aprendizaje profundo (deep Learning).
Dos trabajos premiados
El artículo que ha recibido el primer premio (2024 BEST PAPER AWARD IJCNN) titulado «Balancing Performance, efficiency and robustness in open-world machine learning via evolutionary multi-objective model compression» es una contribución que aborda un problema fundamental de la Inteligencia Artificial, su comportamiento robusto cuando un sistema de IA interactúa en un mundo abierto, donde tiene interacción en escenarios dinámicos que pueden ir cambiando, y requieren mantener precisión y robustez, esto es, comportamiento seguro y fiable en el entorno dinámico. Se ha desarrollado una propuesta que está basada en el uso de algoritmos evolutivos (inspirados en la evolución natural) con múltiples objetivos que permiten evaluar la precisión, la eficiencia y la robustez de los modelos de aprendizaje automático.
Este trabajo ha sido realizado en colaboración con TECNALIA, con quienes se ha desarrollado un importante trabajo científico en los últimos años fruto del acuerdo de colaboración con la Cátedra de TECNALIA-UGR en IA. El primer autor, Javier del Ser es director de tecnología de OPTIMA (Optimization, Modeling and Analytics) en TECNALIA Research & Innovation, Investigador principal y responsable de la Plataforma Artificial Intelligence. Javier del Ser mantiene una dilatada colaboración con investigadores del Instituto de Investigación DaSCI. Francisco Herrera y Javier del Ser han publicado conjuntamente más de una docena de artículos científicos de importante impacto en el ámbito de la IA.
![](https://dasci.es/wp-content/uploads/2024/07/Imagen-1.-Autores-de-los-trabajos-recogiendo-el-premio-1024x768.jpg)
El artículo que ha recibido el segundo premio (2024 Runner-up BEST PAPER AWARD IJCNN 2024) titulado «A wearable eye-tracking approach for early autism detection with machine learning: Unravelling Challenges and Opportunities» es una colaboración entre investigadores del Instituto DaSCI del Dpto. De Ciencias de la Computación e IA e investigadores de los departamentos de la UGR como Javier López Martínez (TSTC) y Purificación Checa (Psicología Evolutiva).
Este trabajo está asociado a un proyecto de investigación aplicado del plan propio 2023 con fondos FEDER sobre trastornos del neurodesarrollo. El primer autor del artículo, Javier López-Martínez, realizó su TFM para iniciar esta línea de trabajo, donde se desarrolló una metodología para resolver un caso de estudio en diagnóstico de TEA (Trastorno del Espectro Autista).
El TEA tiene una prevalencia relativamente alta (1 de cada 36 niños 2.8%), y es muy importante hacer un diagnóstico temprano para implementar una buena atención temprana. El diagnóstico de esta condición se ha venido realizando mediante cuestionarios psicológicos (con una gran componente subjetivo) o mediante pruebas de EEG o resonancia magnética, una técnica costosa.
Una alternativa muy interesante sería utilizar pruebas de seguimiento ocular, una prueba inocua para los niños y de muy bajo coste. Se ponen unos vídeos para captar el interés de los participantes, y se obtienen las trazas de dicho seguimiento; los patrones son diferentes entre usuarios con TEA y los denominados neurotípicos.
Adicionalmente, el trabajo realiza una discusión sobre dos cuestiones de interés en este campo de estudio. En primer lugar enfatizando las bondades de los wearables para obtener muchos más datos que apoyen en el diagnóstico temprano (como pulseras de actividad o sensores en las habitaciones donde se realizan las tareas de apoyo), y permitiendo de este modo una aproximación multi modal que aúne las diferentes fuentes de información.
Adicionalmente se realizó un análisis sobre cómo se implementarían las cualidades de la IA fiable en este área, se tratan temas de transparencia, ética, privacidad, etc.
El éxito obteniendo el premio a los mejores artículos en el área de aprendizaje automático, con la participación de investigadores de diferentes áreas de conocimiento y de dos instituciones que son una referencia en IA a nivel nacional como la UGR y el Centro Tecnológico TECNALIA (principal centro tecnológico de transferencia de España), son un reconocimiento más al importante nivel científico de España en IA.
Francisco Herrera, director de DaSCI, ha participado como uno de los investigadores plenarios invitados con la Keynote Talk titulada “Sistemas difusos para una IA Segura y Fiable: Hacia sistemas de IA responsables” que aborda el uso de los sistemas difusos para el diseño de sistemas de IA que sean fiables y seguros.