Canal IBERAMIA  es el canal de acceso libre y abierto a través del cual la Sociedad Iberoamericana de Inteligencia Artificial ( IBERAMIA ) transmite conferencias, presentaciones y demostraciones de sistemas, relacionadas con todos los temas de Inteligencia Artificial, y realizadas por investigadores internacionales relevantes en el área .

Son bienvenidos todos los investigadores, profesionales y estudiantes.

Todas las presentaciones se retransmiten en directo y quedan grabadas en nuestro canal de youtube IBERAMIA.

---

---

Mantente atento a las póximas presentaciones!

---

Agentes Inteligentes Afectivos

Biografía corta: Director General de valgrAI – Escuela Valenciana de Postgrado y Red de Investigación en Inteligencia Artificial. Doctor en Informática. Catedrático de la Universitat Politècnica de València (UPV). Fundador y Director del Grupo de Investigación en Tecnología Informática e Inteligencia Artificial y del Instituto Valenciano de Investigación en Inteligencia Artificial. Pionero de la Inteligencia Artificial, los Sistemas Multiagente y las Tecnologías de Acuerdo en España y Europa, cofundador del área de Tecnologías de Acuerdo. Su actividad en nuevas tecnologías se centró principalmente en la Inteligencia Artificial, los Sistemas Inteligentes de Fabricación, los Sistemas Multiagente, los Agentes Inteligentes en Tiempo Real, las Tecnologías de Acuerdo y la Computación Afectiva. Entre sus principales resultados de investigación cabe destacar: Metodología Multiagente para Sistemas de Fabricación Holónica ANEMONA, Arquitectura de Agentes Inteligentes en Tiempo Real ARTIS, Arquitectura para Organizaciones Virtuales THOMAS, Sistemas Multiagente Normativos MaNEA, Metodologías Orientadas a la Organización para Sistemas Multiagente Abiertos ROMAS, Métodos de Argumentación Automatizada, Sistemas Centrados en el Humano y Modelos de Simulación Basados ​​en Agentes de Organizaciones Humanas Basados ​​en Agentes Realistas REALISMO. Galardonado con el Premio de Investigación 2005 de la Asociación Española de Inteligencia Artificial, becario 2017 de la Asociación Europea de Inteligencia Artificial, y Premio Nacional de España Informática 2018 José García Santesmases. Miembro emérito de la junta directiva de la Asociación Europea de Sistemas Multiagente (EURAMAS); Tesorero de EURAMAS; Socio Fundador de EURAMAS; miembro de la junta directiva de la Asociación Española de Inteligencia Artificial, Vicerrector de Desarrollo de Tecnologías TIC de la UPV; director del Departament de Sistemes Informàtics i Computació, subdirector de la Facultad de Informática de la UPV, subdirector de la Escola Universitaria d’Enginyeria Informàtica de la UPV; Líder del proyecto UPV[X] y del Proyecto UPValenciaX, el Proyecto MOOC UPV en edX.

---

Implementación de sistemas reales para contrarrestar la desinformación en Brasil

Resumen : El debate político y la disputa electoral en el espacio digital durante las elecciones brasileñas de 2018 marcaron el inicio de una gran guerra de información en Brasil. Esta guerra se ha convertido en parte de nuestra vida cotidiana y uno de los problemas más desafiantes de nuestra sociedad. Para mitigar el problema, creamos el proyecto “Elecciones sin Fake” ( www.eleicoes-sem-fake.dcc.ufmg.br ), e implementamos soluciones tecnológicas capaces de monitorear y exponer las acciones de diferentes campañas políticas en el espacio digital. Algunos ejemplos de sistemas incluyen un monitor de anuncios en Facebook y monitores para grupos públicos enfocados en la discusión política en WhatsApp y Telegram. Nuestros sistemas han demostrado ser fundamentales para la verificación de hechos, el periodismo de investigación y para convertirse en socio del Tribunal Superior Electoral como parte del frente nacional para combatir la desinformación. Esta charla resume algunas lecciones aprendidas de la implementación de estos sistemas y señala direcciones futuras para combatir la desinformación.

Biografía corta:  Fabrício Benevenuto es profesor asociado del Departamento de Ciencias de la Computación de la Universidad Federal de Minas Gerais (UFMG). Obtuvo su doctorado en 2010 y su tesis ganó el Premio de Tesis CAPES, el premio brasileño más importante de su tipo. Fabrício es ex miembro de la Academia Brasileña de Ciencias (2013-2017). En 2017, recibió una beca Humboldt a través de la cual fue profesor visitante en el Instituto Max Planck, Alemania. Fabrício ha recibido una beca CNPq para Productividad en Investigación desde 2013. Fabrício es autor de estudios científicos ampliamente citados y premiados, incluido el prestigioso premio de prueba del tiempo de la Conferencia Internacional sobre Web y Medios Sociales (ICWSM) y el mejor nominado en WWW. , ambos en 2020. Actualmente, Fabrício lidera una serie de proyectos dedicados a implementar sistemas reales para contrarrestar la desinformación en plataformas digitales. 

---

¿Una IA brasileña? Sí, la tenemos. Pero ¿qué notas cruciales nos faltan para completar esta sinfonía?

Resumen: Aunque la inteligencia artificial surgió por primera vez alrededor de la década de 1950, fue solo en los últimos años que su potencial para convertirse en una parte integral de la vida humana cotidiana ganó atención mundial. Sin embargo, al igual que los avances tecnológicos anteriores, los países del Sur Global a menudo se encuentran simplemente observando cómo las naciones más ricas impulsan la adopción generalizada de tecnologías de IA. Esta situación lleva a la subrepresentación y subvaloración de nuestros problemas, cultura e idiomas únicos. A pesar de estos problemas actuales, Brasil cuenta con una comunidad de IA vibrante que ha participado activamente en IA durante décadas, y su principal conferencia académica sobre IA se lleva a cabo desde hace más de 30 años. Sin embargo, la IA desarrollada en Brasil a menudo se pasa por alto, y muchas de nuestras innovaciones quedan a la sombra de las tecnologías de IA reconocidas mundialmente. En esta charla, exploraremos la investigación y la tecnología de IA desarrolladas en Brasil, enfatizando los beneficios de adoptar nuestro paisaje cultural y ambiental diverso y único, y, sí, incluso nuestros complejos desafíos. También exploraremos cómo las naciones iberoamericanas pueden colaborar para compartir recursos y avances tecnológicos, particularmente considerando sus sistemas históricos, culturales, legales y políticos, desafíos socioeconómicos y raíces lingüísticas. Por último, discutiremos los desafíos actuales en el desarrollo de una IA que realmente refleja las fortalezas y necesidades de Brasil.

Biografía corta: Aline Paes es profesora asociada en el Instituto de Computación de la Universidad Federal Fluminense (UFF). Obtuvo su maestría y doctorado en Ingeniería de Sistemas y Computación, especializándose en Inteligencia Artificial, en COPPE-Sistemas en la UFRJ. También pasó un año como estudiante de doctorado visitante en el Imperial College de Londres, Reino Unido. Actualmente, tiene una beca de Jóvenes Científicos del Estado de Río de Janeiro de la FAPERJ y una beca de productividad del CNPq. La investigación de Aline Paes en Inteligencia Artificial abarca varias áreas: aprendizaje automático integrado con técnicas neuronales, estadísticas y lógica; aprendizaje de representación del lenguaje natural; adaptación de modelos; aprendizaje por transferencia; IA explicable; e IA para un impacto social positivo. Forma parte de los consejos editoriales de Machine Learning Journal, Revista Iberoamericana de Inteligencia Artificial y Revista de la Sociedad Brasileña de Computación. Recientemente recibió el premio al proyecto de investigación inaugural de FAPERJ para Mujeres Jóvenes Científicas. Desde 2020, es miembro de Brasileiras em PLN. En 2023, fue profesora visitante en el Grupo de PNL de la Universidad de Sheffield, con una beca de CAPES.

---

Inteligencia artificial: la importancia del conocimiento contextual

Luís MP Correia – Departamento de Informática de la Facultad de Ciencias de la Universidad de Lisboa

 

Resumen: El debate sobre si la Inteligencia Artificial (IA) es capaz de producir máquinas inteligentes es al menos tan antiguo como la propia IA. Es evidente que la IA ha obtenido resultados sorprendentes en áreas específicas (juegos, minería de datos, etc.). Sin embargo, cada uno de estos sistemas está limitado a resolver el problema específico para el que fue creado. Un aspecto central en las limitaciones de la IA es su limitada aplicación entre el conocimiento simbólico y el razonamiento por un lado, y el conocimiento basado en datos y la incertidumbre por otro. Actualmente este es quizás el foco de la mayoría de los avances significativos esperados en IA. No obstante, la IA siempre ha ofrecido una variedad de casos donde estos dos tipos de conocimiento coexisten, desde problemas de búsqueda en el espacio de estados hasta técnicas recientes de aprendizaje automático, como el aprendizaje por refuerzo y los modelos de lenguaje natural. Abordaremos algunos de estos ejemplos mostrando que este acoplamiento existe incluso si se compara con la inteligencia natural.

Mini-biografía:
Luís MP Correia es profesor del Departamento de Informática de la Facultad de Ciências de la Universidade de Lisboa, Portugal. Actualmente es investigador en LASIGE, ULisboa. Sus intereses de investigación son la vida artificial, la autoorganización, los sistemas multiagente, los robots autónomos y la minería de datos. Es profesor en los tres ciclos de Informática de la FCUL, así como en el posgrado en Ciencias Cognitivas y en Ciencias de la Complejidad de la U. Lisboa.

Creación musical con técnicas de Deep Learning: logros y desafíos

Jean – Pierre Briot – LIP6, Universidad de la Sorbona, París, Francia

Resumen : Un área de aplicación creciente para la ola actual de aprendizaje profundo (el regreso de las redes neuronales artificiales con esteroides) es la generación de contenido creativo, en particular el caso de la música (y también imágenes y texto). La motivación está en usar técnicas de aprendizaje automático para aprender automáticamente estilos musicales a partir de corpus musicales arbitrarios y luego generar muestras musicales a partir de la distribución estimada, con cierto grado de control sobre la generación. En esta charla, examinaremos algunos logros recientes en la generación de música basada en aprendizaje profundo, utilizando arquitecturas generativas recientes y dedicadas como VAE, GAN y Transformer, analizaremos principios, éxitos y desafíos, incluidos los límites de la generación automatizada versus la prestación de asistencia a músicos humanos.

Mini-Biografía:
Jean-Pierre Briot es investigador principal (director de investigación) en informática en LIP6, laboratorio conjunto de investigación en informática del CNRS (Centre National de la Recherche Scientifique) y la Sorbonne Université en París, Francia. También es profesor visitante permanente en la PUC-Rio en Río de Janeiro, Brasil. Sus intereses generales de investigación se centran en el diseño de software inteligente adaptativo y cooperativo, en el cruce de la inteligencia artificial, los sistemas distribuidos y la ingeniería de software, con varios campos de aplicación como Internet de las cosas, sistemas de apoyo a la toma de decisiones y música por ordenador. Su interés actual se centra en el uso de técnicas de IA (especialmente basadas en el aprendizaje profundo) en los procesos de creación musical. Es el autor principal de un reciente libro de referencia sobre técnicas de aprendizaje profundo para la generación de música (Springer, 2020).  https://link.springer.com/book/10.1007/978-3-319-70163-9

Jean-Pierre Briot tiene una maestría en matemáticas (1980), un doctorado (PhD) en informática (1984) y una “habilitación para dirigir investigaciones” en informática (1989), todas ellas de la Université Pierre et Marie Curie (también conocida como Paris VI, desde 2018 rebautizada/fusionada como Sorbonne Université). También tiene títulos en música, acústica musical y lengua japonesa. Ha sido profesor visitante o investigador visitante en varias instituciones como: Universidad Federal del Estado de Río de Janeiro (UNIRIO), Universidad de Kioto (Kyodai), Pontificia Universidad Católica de Río de Janeiro (PUC-Rio), Instituto Tecnológico de Tokio (TIT), Universidad de Illinois en Urbana-Champaign (UIUC), Universidad del Sur de California (USC) y Universidad de Tokio (Todai). Ha asesorado o co-asesorado a unos 30 estudiantes de doctorado y unos 20 estudiantes de maestría. Ha editado 12 libros o números especiales de revistas. En 2010, creó la oficina de representación permanente del CNRS en Río de Janeiro, para la cooperación científica con América del Sur, que dirige desde hace 5 años.

Para más detalles (incluido el acceso a las publicaciones), consulte  http://webia.lip6.fr/~briot/cv/

Inteligencia artificial explicable

José Molina López – Universidad Carlos III de Madrid

Biografía corta:

José Manuel Molina López se licenció en Ingeniería de Telecomunicaciones en la Universidad Politécnica de Madrid en 1993 y se doctoró en la misma universidad en 1997. Se incorporó a la Universidad Carlos III de Madrid en 1993, donde actualmente es Catedrático del Departamento de Informática. Actualmente dirige el Grupo de Inteligencia Artificial Aplicada (GIAA, http://www.giaa.inf.uc3m.es) y está involucrado en varios proyectos de investigación relacionados con la inteligencia ambiental, los sistemas de vigilancia y la computación basada en contexto. Su investigación actual se centra en la aplicación de técnicas de computación blanda (sistemas multiagentes, computación evolutiva, sistemas difusos) a la fusión de datos, minería de datos, sistemas de vigilancia (radar, vídeo, etc.), inteligencia ambiental y gestión del tráfico aéreo y marítimo.

---

 La ética en la IA: una tarea desafiante

Ricardo Baeza-Yates, Instituto de Inteligencia Artificial Experiencial @ Northeastern University

Resumen:
En la primera parte cubrimos cinco desafíos específicos actuales a través de ejemplos: (1) discriminación (por ejemplo, reconocimiento facial, justicia, economía colaborativa, modelos de lenguaje); (2) frenología (por ejemplo, predicciones basadas en biometría); (3) comercio digital injusto (por ejemplo, sesgo de exposición y popularidad); (4) modelos estúpidos (por ejemplo, Signal, IA adversarial mínima) y (5) uso indiscriminado de recursos informáticos (por ejemplo, grandes modelos de lenguaje). Estos ejemplos tienen un sesgo personal, pero establecen el contexto para la segunda parte donde abordamos cuatro desafíos genéricos: (1) demasiados principios (por ejemplo, principios vs. técnicas), (2) diferencias culturales (por ejemplo, cristianos vs. musulmanes); (3) regulación (por ejemplo, privacidad, antimonopolio) y (4) nuestros sesgos cognitivos. Terminamos discutiendo lo que podemos hacer para abordar estos desafíos en el futuro cercano.

Biografía corta:
Ricardo Baeza-Yates es Director de Investigación en el Instituto de Inteligencia Artificial Experiencial de la Universidad de Northeastern. También es profesor a tiempo parcial en la Universitat Pompeu Fabra en Barcelona y la Universidad de Chile en Santiago. Antes, fue vicepresidente de investigación en Yahoo Labs, con sede en Barcelona, ​​España, y más tarde en Sunnyvale, California, de 2006 a 2016. Es coautor del best-seller Modern Information Retrieval, publicado por Addison-Wesley en 1999 y 2011 (2.ª ed.), que ganó el premio ASIST 2012 Book of the Year. De 2002 a 2004 fue elegido miembro de la Junta de Gobernadores de la IEEE Computer Society y entre 2012 y 2016 fue elegido miembro del Consejo de la ACM. Desde 2010 es miembro fundador de la Academia Chilena de Ingeniería. En 2009 fue nombrado ACM Fellow y en 2011 IEEE Fellow, entre otros premios y distinciones. Obtuvo un doctorado en Ciencias de la Computación por la Universidad de Waterloo, Canadá, en 1989, y sus áreas de especialización son la búsqueda web y la minería de datos, la recuperación de información, los sesgos en la IA, la ciencia de datos y los algoritmos en general.

---

OcéanIA: IA y aprendizaje automático para comprender el océano y el cambio climático.

Sao Paulo: 14:00, Nueva York 12:00, Los Ángeles: 9:00, Londres: 17:00
Madrid: 18:00, México: 11:00, Buenos Aires: 14:00, Santiago; 14:00,
Bogotá: 12:00, Lima: 12:00 Tokio: 02:00, Moscú: 20:00

Breve biografía del orador invitado:

El Dr. Luis Martí es actualmente director científico de Inria en Chile. Su investigación se centra en inteligencia artificial, y en particular en aprendizaje automático, redes neuronales, computación evolutiva, optimización y sistemas híbridos. Su trabajo ha abarcado aplicaciones en el sector energético, en particular en energías renovables y más recientemente en computación verde.

Nayat Sanchez-Pi cursó un máster (2007) y un doctorado (2011) en Informática por la Universidad Carlos III de Madrid (UC3M), recibiendo el Premio Extraordinario de Tesis Doctoral. Antes de eso, se licenció en Informática por la Universidad de La Habana. Desde 2015, es profesora de Inteligencia Artificial e Interacción Persona-Ordenador en la Universidade do Estado do Rio de Janeiro (UERJ), codirigiendo el Grupo de Investigación en Inteligencia y Optimización (Grupo RIO). En 2018, se incorporó a Inria trabajando en el equipo del proyecto TAU en el centro de investigación Inria Saclay. Nayat Sanchez-Pi también ha sido investigadora senior en  el Instituto de Lógica Filosofia e Teoria da Ciência (Rio de Janeiro), donde ha sido directora científica en ADDLabs/UFF (2012-2015), profesora adjunta en la UC3M (2006-2012), investigadora visitante en la Universidade de Lisboa (2009) y en el University College de Dublín (2010) e investigadora postdoctoral en la Universidade Federal Fluminense (2011-2012). Sus intereses de investigación abarcan la inteligencia artificial, el aprendizaje automático, el Internet de las cosas, la inteligencia ambiental y la interacción hombre-ordenador, desarrollando aplicaciones del mundo real en varios proyectos de I+D con socios académicos y de la industria de primer nivel. Ha sido distinguida con un premio Prociência Project-Fellowship y una cátedra de Joven Científico del Estado de Río de Janeiro.

Resumen: Existe una sólida evidencia científica sobre los efectos del cambio climático en los océanos a nivel mundial. Estos cambios tendrán un impacto drástico en casi todas las formas de vida en el océano, con consecuencias adicionales en la seguridad alimentaria y los servicios ecosistémicos en las comunidades costeras y continentales. A pesar de estos impactos, aún faltan datos científicos e infraestructuras para comprender y cuantificar mejor las consecuencias de estas perturbaciones en el ecosistema marino.

El proyecto OcéanIA tiene como objetivo desarrollar nuevas herramientas de inteligencia artificial y modelado matemático para contribuir a la comprensión de la estructura, el funcionamiento y los mecanismos y dinámicas subyacentes del simbioma oceánico global. Estas acciones son esenciales para comprender mejor los océanos y su papel en la regulación y el mantenimiento de la biosfera. Esta es también una oportunidad para profundizar en las conexiones entre la inteligencia artificial y la biodiversidad, lo que puede ser un logro importante para la sostenibilidad de las sociedades humanas en la parte azul del planeta.

---

IA neurosimbólica

Luis C. Cordero

Breve biografía del orador invitado:

Luis C. Lamb es profesor titular y secretario de Innovación, Ciencia y Tecnología del Estado de Rio Grande do Sul, Brasil. Anteriormente fue vicepresidente de investigación (2016-2018) y decano del Instituto de Informática (2011-2016) de la Universidad Federal de Rio Grande do Sul (UFRGS), Brasil. Tiene un doctorado en Ciencias de la Computación del Imperial College de Londres (2000) y un diploma del Imperial College, una maestría en investigación (1995) y una licenciatura en Ciencias de la Computación (1992) de la UFRGS, Brasil. Sus intereses de investigación incluyen la computación neuronal-simbólica, la integración del aprendizaje y el razonamiento, y la ética en la IA.

Fue coautor de dos monografías de investigación: Neural-Symbolic Cognitive Reasoning, con Garcez y Gabbay (Springer, 2009) y Compiled Labeled Deduction Systems, con Broda, Gabbay y Russo (IoP, 2004). Su investigación ha dado lugar a publicaciones en revistas de referencia y conferencias sobre IA y computación neuronal. Fue coorganizador de dos seminarios Dagstuhl sobre IA neurosimbólica: el Dagstuhl Seminar 14381: Neural-Symbolic Learning and Reasoning (2014) y el Dagstuhl Seminar 17192: Human-Like Neural-Symbolic Computing (2017) y varios talleres sobre aprendizaje y razonamiento neuronal-simbólico en AAAI e IJCAI.