Explora I+D+i UPV

Volver atrás Servicio de I+D

Inteligencia artificial basada en métodos inductivos

Instituto de Investigación para la Gestión Integrada de Zonas Costeras

Imprimir
Compartir
¿Quieres contarnos tu reto? Pincha aquí y te ayudamos a encontrar una solución
La automatización de procesos complejos que actualmente requieren la intervención de un operador humano es un desafío significativo en diversas industrias. La dificultad principal radica en la falta de un conocimiento exacto sobre cómo resolver ciertos problemas, lo que limita la eficiencia y escalabilidad de estos procesos.

Tradicionalmente, estos procesos se han gestionado mediante la intervención directa de operadores humanos. Esto implica una alta dependencia del conocimiento y la experiencia del personal, lo que puede resultar en inconsistencias, errores humanos y limitaciones en la velocidad y eficiencia del trabajo. Además, la necesidad de formación continua y la posible escasez de personal especializado añaden más desafíos a este enfoque.

Investigadores del Instituto IGIC del campus de Gandia de la UPV están aplicando métodos inductivos para automatizar procesos que anteriormente requerían intervención humana. Estos métodos permiten obtener conclusiones generales a partir de datos particulares o individuales, facilitando la creación de programas de cómputo inteligentes que pueden aprender y adaptarse sin necesidad de un conocimiento previo exacto del problema a resolver. Esta tecnología puede ser aplicada en una amplia gama de procesos, mejorando significativamente la eficiencia, reduciendo la dependencia de la intervención humana y permitiendo la resolución de problemas complejos con mayor precisión y velocidad.
Responsable científico

Tomás Gironés Jesús

Participantes

Tomás Gironés Jesús

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.