Inteligencia artificial basada en métodos inductivos

La inteligencia artificial es la ciencia e ingeniería de hacer máquinas inteligentes, especialmente programas de cómputo inteligentes.

Los métodos inductivos consisten en obtener conclusiones generales a partir de datos particulares o individuales.

Investigadores del Instituto IGIC del campus de Gandia de la UPV trabajan en la aplicación de métodos inductivos, que permiten automatizar procesos donde hasta ahora era imprescindible un operador humano.

Esto permite su aplicación en procesos para los que no se tiene un conocimiento exacto de cómo pueden ser resueltos.

Aplicaciones

  • Resolución de problemas que normalmente son resueltos por personas. En particular procesado del lenguaje natural, percepción, toma de decisiones, ...

Ventajas técnicas

  • Los métodos inductivos son capaces de aprender a resolver un problema a partir de ejemplos concretos donde se ha resuelto el problema. Esto permite su aplicación en procesos para los que no se tiene un conocimiento exacto de cómo pueden ser resueltos. Por ejemplo, una persona es capaz de reconocer un objeto en una escena, sin embargo, no disponemos de un método formal que resuelva este problema. A partir de un conjunto de imágenes donde apareciera este objeto, un método inductivo sería capaz de reconocer este objeto cuando apareciera en una nueva imagen.

Beneficios que aporta

  • Permite automatizar procesos donde hasta ahora era imprescindible un operador humano.

Experiencia relevante

  • Participación en proyectos de investigación: TIN2009-14511 - TRADUCCION DE TEXTOS Y TRANSCRIPCION DE VOZ INTERACTIVAS, MINISTERIO DE EDUCACION (340.252Euro) 2010 GV/2009/038 - TRADUCCION SIMULTANEA EN AMBITO DOCENTE UTILIZANDO FUENTES DE INFORMACION ADICIONALES, GENERALITAT VALENCIANA (12.000Euro), 2009 ACOMP/2009/364 - MULTIMODAL INTERACTION IN PATTERN RECOGNITION AND COMPUTER VISION, GENERALITAT VALENCIANA (5.000Euro), 2009 PAID-06-07-002-311 - TRADUCCION SIMULTANEA EN AMBITO DOCENTE UTILIZANDO FUENTES DE INFORMACION ADICIONALES, UNIVERSIDAD POLITECNICA DE VALENCIA (11.500Euro), 2007 TIN2006-15694-C02-01 - Transcripción y Traducción Interactiva de Documentos de Texto Antiguos (ITRANSDOC), MINISTERIO DE CIENCIA Y TECNOLOGIA (414.304Euro) 2006 TIC2003-08681-C02-02 - INFERENCIA DE TRADUCTORES DE ESTADOS FINITOS PARA LA TRADUCCION AUTOMATICA Y LA AYUDA A LA TRADUCCION EN TAREAS ESPECIFICAS, MINISTERIO DE CIENCIA Y TECNOLOGIA (359.640Euro) 2003 IST-2001-32091 - TransType2-Computer Assisted Translation, European Commission- V Programa Marco (3.737.324Euro) 2002 Publicaciones: J. Tomás, A. Canovas, J. Lloret, M. García. Speech Translation Statistical System for pedagogical environments and conference speakers. International Journal On Advances in Internet (ISSN: 1942-2679), Vol. 4(1&2), 2011. J. Lloret, J. Tomás, M. Garcia, A. Cánovas. Hybrid Stochastic Approach for Wireless Sensors Self-Location in Indoor Environments. Sensors (ISSN: 1424-8220), Vol. 9(5), pp. 3695-3712, 2009. S. Barrachina, O. Bender, F. Casacuberta, J. Civera, E.Cubel, S. Khadivi, A. Lagarda, N. Ney, J. Tomás, E. Vidal, J. Vilar. Statistical Approach to Computer-Assisted Translation. Computational Linguistics, Vol. 34(4), pp. 1-26, 2008. J. Tomás; J. Bataller; J. Lloret; F. Casacuberta. Mining Wikipedia as a Parallel and Comparable Corpus. LANGUAGE FORUM (ISSN 0253-9071), Vol. 34(1), pp. 123-136, 2008. J. Tomás; J. Lloret; F. Casacuberta. Phrase-Based Statistical Machine Translation using Approximate Matching. Lecture Notes in Computer Science (ISSN 0302-9743), Vol. 4477, pp. 475-482, 2007. J. Tomás; J. Lloret; F. Casacuberta. Phrase-Based Alignment Models for Statistical Machine Translation. Lecture Notes in Computer Science (ISSN 0302-9743), Vol. 3523, pp. 605-613, 2005. J. Tomás; F. Casacuberta. Combining phrase-based and template-based alignment models in statistical translation. Lecture Notes in Computer Science (ISSN 0302-9743) Vol. 2652, pp. 1020-1031, 2003.