Su grado de autonomía y habilidad viene determinado por varias características clave, como la capacidad de adaptarse o rendir bien en nuevas tareas que surjan en el futuro, la demostración de competencia en dominios para los que no ha sido entrenado de forma intencionada y específica, la capacidad de aprender a partir de datos limitados y el reconocimiento proactivo de sus propias limitaciones con el fin de mejorar su rendimiento.
Líneas de investigación actuales en DaSCI:
- AutoML tiene como objetivo encontrar el mejor modelo de IA para un nuevo problema, permitiendo la adaptación automática de la IA a nuevas tareas.
- Aprendizaje profundo evolutivo. Se pueden utilizar algoritmos bioinspirados para determinar los mejores hiperparámetros y modelos de un modelo de IA. El Deep Learning evolutivo es un proyecto de investigación para diseñar modelos de DL.
- Few-shot learning se refiere a la clasificación de nuevos datos habiendo visto sólo unos pocos ejemplos de entrenamiento, basándose en cómo aprenden los humanos.
- Enfoques de inteligencia computacional para GPAIS. La Inteligencia Computacional (IC) es la teoría, el diseño, la aplicación y el desarrollo de paradigmas computacionales con motivaciones biológicas y lingüísticas. Tradicionalmente, los tres pilares principales de la IC han sido las redes neuronales, los sistemas difusos y la computación evolutiva. Las tecnologías basadas en la IC son útiles para abordar los problemas y retos pendientes del GPAIS.
