Descripción

 Las Líneas de Generación y Aplicación del Conocimiento (LGAC) que definen las temáticas de investigación científica, desarrollo tecnológico e innovación dentro del plan de estudios del DCTIAyCD representan el trabajo especializado de dos disciplinas, la IA y CD, y su involucramiento con el resto de las disciplinas conforme un enfoque sistémico.

De acuerdo con la evolución y desarrollo de la IA y CD es posible distinguir diversas LGAC orientadas a dominios y objetos de investigación específicos. Algunas de ellas, se concentran en un tema determinado, en cambio otras agrupan temas afines que conservan constructos afines orientados a aplicaciones concretas. Las LGAC que caracterizan al plan de estudios del DCTIAyCD son identificadas en la primera tabla abajo, en tanto que la descripción de cada LGAC se presenta en la segunda tabla abajo.

Relación de LGAC.

 

#

LGAC

1

Decisiones centradas en datos

2

Inteligencia artificial compuesta

3

Analítica de datos

4

Robótica inteligente

5

Percepción, análisis y expresión

 

 

 

Descripción de cada LGAC.

#

LGAC

Descripción

1

Decisiones centradas en datos

Esta línea se enfoca en la investigación y aplicación de técnicas que se basan en el uso de datos para procesos de aprendizaje e inferencia que apoyan la toma de decisiones. Estas técnicas permitirán identificar patrones y relaciones en los datos y, a partir de ello, realizar predicciones y toma de decisiones. En esta línea se conjunta el conocimiento de varias áreas de la inteligencia artificial como son: aprendizaje automático, redes neuronales y aprendizaje profundo, y reconocimiento de patrones, para el desarrollo de soluciones que pueden ser aplicadas a problemas en diversos campos como son la industria, medicina, educación, finanzas, entre otros.

2

Inteligencia artificial compuesta

Esta línea se refiere al estudio y aplicación de técnicas matemáticas y heurísticas avanzadas para identificar, analizar y aprovechar patrones, propiedades significativas y relaciones ocultas en conjuntos de datos complejos. Además, se incluye la exploración de áreas específicas como los sistemas difusos y el uso de multiagentes. Los sistemas difusos permiten manejar la incertidumbre y la imprecisión en datos y sistemas complejos, facilitando la representación y toma de decisiones en contextos ambiguos. El análisis de multiagentes se centra en el comportamiento de múltiples entidades autónomas que interactúan, lo que es fundamental para comprender escenarios donde hay interacciones complejas. En un entorno actual donde las interacciones humanas y de procesos presentan una gran complejidad, esta diversidad de enfoques se vuelve esencial para abordar fenómenos complejos y facilitar la toma de decisiones informadas y la optimización de procesos en diversas aplicaciones de la ciencia de datos.

3

Analítica de datos

Esta línea estudia el proceso integral de recopilación, procesamiento y análisis de grandes conjuntos de datos para descubrir patrones, tendencias y relaciones ocultas. Este proceso implica: 1. Minería de Datos: Utiliza técnicas estadísticas, de inteligencia artificial y aprendizaje automático para explorar y analizar grandes volúmenes de datos en busca de patrones y relaciones significativas. 2. Descubrimiento de Conocimiento: Se centra en interpretar los resultados obtenidos a través de la minería de datos para transformarlos en conocimientos útiles y aplicables en la toma de decisiones. 3. Visualización: Emplea herramientas gráficas para representar los datos y los resultados del análisis de manera clara y comprensible, facilitando la interpretación y comunicación de los hallazgos. 4. Analítica Avanzada: Incluye técnicas como el análisis predictivo, el aprendizaje automático y la minería de datos para realizar análisis más profundos y sofisticados, permitiendo predecir tendencias futuras y optimizar decisiones. En conjunto, estos componentes permiten a las organizaciones y a los individuos tomar decisiones informadas basadas en el análisis riguroso y detallado de los datos disponibles.

 

 

Descripción de cada LGAC (continuación).

#

LGAC

Descripción

4

Robótica inteligente

Esta línea se centra en el desarrollo, la aplicación y la mejora de sistemas robóticos avanzados con un énfasis en la interacción entre humanos y máquinas y en la automatización de tareas. Esta LGAC abarca tres áreas principales: Robótica Inteligente e Interacción Hombre-Máquina. La Robótica Inteligente se enfoca, mediante la utilización de la inteligencia artificial (IA), a la creación de robots capaces de lidiar con entornos cambiantes y colaborar de manera efectiva con humanos y otros robots. La robótica inteligente se puede aplicar en búsqueda y rescate, asistencia médica, de servicio y compañía, y exploración remota. La Interacción Hombre-Máquina se centra en cómo los humanos y los sistemas robóticos pueden comunicarse y colaborar de manera efectiva. Esta área incluye investigaciones en interfaces de usuario avanzadas, sistemas de diálogo, realidad virtual y aumentada, y colaboración segura con robots. Esta área se preocupa por garantizar que la interacción entre humanos y robots sea natural, intuitiva y segura. También, aborda temas éticos y de privacidad relacionados con las interacciones hombre-máquina y humano-robot.

5

Percepción, análisis y expresión

Esta línea se caracteriza por procesar y generar entidades que son entendibles por los seres humanos, como son las imágenes, los sonidos o el texto. Se pueden distinguir dos objetivos en esta línea i) la comprensión del entorno humano por parte de una computadora y ii) la generación de expresiones que sean naturales para un ser humano. Algunos ejemplos de aplicaciones actuales y futuras son la interpretación de las imágenes, audios y los documentos, así como la generación de arte, música y literatura. Para alcanzar los objetivos planteados esta línea se basa en conocimiento sólido de estadística, matemáticas, procesamiento de señales, aprendizaje automático, filosofía y neurociencias.