lunes 22 de julio de 2024 - Edición Nº2056

Universidades Públicas | 1 jul 2024

Universidad Nacional de General Sarmiento

Inteligencia artificial para el procesamiento de datos

Replicar el funcionamiento del cerebro en una red de procesamiento de datos basada en inteligencia artificial es la idea central del trabajo de investigación que lleva adelante un equipo del Instituto de Industria (IDEI) de la UNGS.


Replicar el funcionamiento del cerebro en una red de procesamiento de datos basada en inteligencia artificial es la idea central del trabajo de investigación que lleva adelante un equipo del Instituto de Industria (IDEI) de la Universidad Nacional de General Sarmiento (UNGS).

El equipo está centrado en el diseño de un algoritmo, es decir, del conjunto de instrucciones o reglas para realizar una tarea, capaz de procesar datos aplicando redes neuronales. Este algoritmo podría servir para crear, por ejemplo, una aplicación que ayude a prevenir accidentes de tránsito en una autopista inteligente.

“La idea básica es replicar algo de lo que funciona en el cerebro y llevarlo a una aplicación tecnológica”, dice Iván Jourdan, ingeniero electrónico especializado en inteligencia artificial.

Las redes de procesamiento de datos inalámbricas, redes ad hoc, están compuestas por nodos, que pueden ser smartphones y computadoras personales, que aportan información y se comunican entre sí. Uno de los problemas de estas redes es que si un nodo sale de la red, se pierden sus datos. Para evitar esta pérdida de información, el equipo de la UNGS busca procesar los datos en una red neuronal entrenada por inteligencia artificial que pueda ir asignando recursos y tareas a cada uno de los nodos.

Según Jourdan, el cerebro humano es de cierta forma un red ad hoc, porque las neuronas van muriendo y se van regenerando, sin embargo, la desaparición de una neurona no implica un desaprendizaje ya que la información está distribuida en el cerebro. “Entonces con ese concepto, la idea es generar un algoritmo que, con una capacidad infinitamente menor a la que tiene nuestro cerebro, permita hacer la distribución de manera tal de que si se pierden esos nodos, la red siga trabajando de la misma manera”, dice.

Jourdan explica que hay muchas formas de aprendizaje en inteligencia artificial, una de ellas es el aprendizaje por refuerzo: “Es como nuestro aprendizaje. Por prueba y error el algoritmo va aprendiendo cómo tiene que asignar los recursos a la red para poder procesar los datos”. Es esta línea de aprendizaje la que exploran en el marco del proyecto “Utilización de redes ad hoc como medio de edge computing”, dirigido por Javier Viademonte, e integrado por Alexis Tcach y Jourdan.

La aplicación de este proyecto está orientada a temas industriales. Una de las ramas de trabajo que explora el equipo es la resolución de problemas en autopistas inteligentes. A través de sensores, ubicados dentro de los vehículos y en los smartphone de los conductores, interconectados entre sí a través de una red inalámbrica se podría detectar si la conducción de vehículos está haciendo impropia y la cantidad de vehículos en circulación, entre otras variables, y determinar si aumentan las posibilidades de que se generen accidentes en la autopista.

Otro proyecto de investigación radicado en el IDEI también trabaja con aprendizaje por refuerzo. El objetivo del equipo es copiar en un modelo computacional basado en redes neuronales la funcionalidad que se desarrolla en los ganglios del cerebro, que permiten la generación de hábitos, para poder diseñar un algoritmo que permita automatizar procesos.

A nivel general, Jourdan se refiere a los desafíos que enfrenta en la actualidad la inteligencia artificial. “Estamos generamos datos como nunca, esos datos están disponibles y el desafío es ver qué información se puede sacar de esos datos y qué cosas se pueden construir con esos datos”, comenta y agrega que una de las respuestas a este desafío surgieron los modelos de grandes lenguajes, como ChatGPT, Bird. “Estos modelos tomaron una cantidad brutal de información y generaron un modelo de lenguaje. En sí es un logro bastante importante, sin embargo queda el desafío de cómo la sociedad y la industria adopta esta tecnología”, afirma.

Fuente: UNGS

OPINÁ, DEJÁ TU COMENTARIO:
Más Noticias

NEWSLETTER

Suscríbase a nuestro boletín de noticias