Un estudio teórico-práctico de la Universidad del País Vasco (UPV/EHU) ha conseguido avances en los sistemas de aprendizaje de los ordenadores para que éstos aprendan a clasificar de forma adecuada y evitar que extraigan conclusiones erróneas, dos de los problemas más comunes en la inteligencia artificial.
La investigación ha sido llevada a cabo por el ingeniero informático Jonathan Ortigosa en el Departamento de Ciencias de la Computación e Inteligencia Artificial de la Facultad de Informática en San Sebastián, ha informado este martes la UPV/EHU en un comunicado.
El estudio está basado en el "machine learning", una rama de la inteligencia artificial basada en la idea de que los sistemas pueden aprender de datos, identificar patrones y tomar decisiones con una mínima participación del hombre en ese proceso.
"Se trata de un campo que explora la construcción de modelos que puedan aprender y hacer predicciones de los datos que se le proporcionan", precisa Ortigosa.
El investigador ha enfocado su trabajo en las tareas de clasificación automática, en el que "se intenta usar una gran cantidad de datos para que los ordenadores sean capaces de aprender de ellos y realizar clasificaciones de forma automática, sin estar programados explícitamente para ello", explica.
Además de la investigación aplicada a cada uno de los problemas se ha llevado a cabo una investigación teórica.
"He modelado matemáticamente ambos problemas para poder controlarlos, estudiarlos a fondo y extraer información que pueda ser usada para la propuesta de soluciones a problemas reales", concluye el investigador.