Santa María Tonantzintla, Puebla.- Aldrich Alfredo Cabrera Ponce y Horacio Jesús Jarquín-Vásquez, estudiantes de posgrado del Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), obtuvieron el primer y tercer lugar respectivamente en la categoría de tesis de maestría en el concurso nacional José Negrete Martínez otorgado durante la vigésima edición de la conferencia científica Mexican International Conference on Artificial Intelligence (MICAI) 2021.
El Premio José Negrete se otorga anualmente a las mejores tesis de maestría y doctorado desarrolladas en algún campo de la Inteligencia Artificial, buscando con esto reconocer el trabajo de los estudiantes que las desarrollan así como a sus supervisores de tesis. El premio es organizado por la Sociedad Mexicana de Inteligencia Artificial (SMIA) y honra la memoria de José Negrete, investigador pionero en México en la Inteligencia Artificial (IA).
El trabajo del M.C. Cabrera Ponce lleva por título “Geo-localisation of aerial images captured with drones” (en español “Geo-localización de imágenes aéreas capturadas con drones”), realizada bajo la dirección del Dr. José Martínez Carranza, investigador del INAOE, líder del grupo de sistemas aéreos no tripulados inteligentes y miembro del laboratorio de robótica de este centro de investigación.
La investigación de esta tesis está dirigida al marco de la geolocalización en vehículos aéreos, teniendo en esté campo, uno de los problemas más destacados en la robótica e inteligencia artificial, la pérdida de la ubicación en un escenario determinado. Debido a esto, se han adoptado nuevas medidas para que un dron pueda localizarse utilizando diversos sensores cuando la señal del GPS falle.
Motivados por lo anterior, el trabajo de esta tesis consistió en desarrollar un sistema de geolocalización utilizando una red neuronal artificial convolucional con una estrategia de aprendizaje continuo, con el objetivo de que esta red, pueda ser entrenada con una pequeña cantidad de imágenes aéreas capturadas con la cámara a bordo del drone, generando así un modelo de aprendizaje que otorgara las coordenadas GPS y así determinar la posición geográfica del vehículo en un escenario en exteriores. Por tanto, esta tesis contribuye al desarrollo de un sistema de localización alternativo que puede ser utilizado en caso de que, por alguna razón, se pierda la señal GPS.
La tesis de maestría produjo dos artículos arbitrados en memorias de congreso internacional y uno bajo revisión en revista indexada en el Journal Citation Report (JCR). El trabajo de tesis también recibió el apoyo del Consorcio de Inteligencia Artificial para cubrir parcialmente la finalización del trabajo tesis y del Laboratorio Nacional de Supercómputo del Sureste de México para tener acceso a tiempo de procesamiento.
El M.C. Jarquín Vásquez realizó la tesis titulada “FVC: un método de fusión de vectores contextuales para la detección del lenguaje abusivo en redes sociales”. Este trabajo fue dirigido por el Dr. Manuel Montes y Goméz, quien también es investigador del INAOE y miembro del laboratorio de tecnologías del lenguaje del mismo.
Este trabajo está motivado por el auge que tienen hoy en día las redes sociales, las cuales se han convertido en el medio de comunicación más utilizado; lamentablemente, no toda la información generada es benéfica para todos los usuarios, debido a que la presencia de Lenguaje Abusivo (LA) trasciende a estos medios.
La detección de este tipo de comportamiento es de gran preocupación para los gobiernos y para las compañías que proporcionan estos servicios, debido a los problemas sociales y psicológicos generados a través de este tipo de comportamientos. El Procesamiento de Lenguaje Natural (NLP por sus siglas en inglés) ha abordado esta problemática desde la perspectiva del análisis computacional del lenguaje.
Los enfoques del NLP más utilizados en la actualidad están basados en el uso de representaciones distribuidas de palabras y Aprendizaje Profundo (DL por sus siglas en inglés); estos últimos suelen tener muy buenos resultados, sin embargo, las representaciones de palabras distribuidas están limitadas por el manejo de la polisemia y la cobertura del vocabulario; esto debido a que el lenguaje utilizado en las redes sociales es coloquial y los modelos pre-entrenados de estas representaciones de palabras son ajenos a la tarea de detección de LA.
Con base en lo anterior, en el trabajo de tesis se propone un método de fusión de información extraída a partir de diferentes dominios del lenguaje, donde cada dominio es representado por un Vector Contextual (VC) extraído a partir de una Red Neuronal Profunda (DNN por sus siglas en inglés) basada en el uso de Mecanismos de Atención (AMs por sus siglas en inglés). Los diferentes experimentos realizados, muestran las ventajas de utilizar la fusión de información proveniente de diferentes dominios del lenguaje; los resultados obtenidos dan un paso más en la detección del LA, al obtener resultados de vanguardia en las colecciones utilizadas, y al permitir la extracción de expresiones útiles para la detección de LA.
Ambos trabajos reflejan la calidad del trabajo desarrollado en INAOE en diversas áreas de la inteligencia artificial y las ciencias computacionales.
