#CienciaDirecta

Investigadores de la Universidad de Málaga han desarrollado un algoritmo de Inteligencia Artificial (IA) que realiza un agrupamiento no supervisado de objetos similares evitando el etiquetado manual. Este modelo es capaz de detectar una gran diversidad de elementos en la zona de pistas de un aeródromo, desde personas hasta aviones. Otra de las novedades es su optimización para ahorrar tiempo de cálculo y energía en las tareas de identificación, de forma que permite su uso en dispositivos de bajo consumo.

El grupo de investigación de la Universidad Pablo de Olavide Data Science & Big Data Lab desarrolla RExQUAL, una herramienta clave para abrir la ‘caja negra’ del machine learning. El avance contribuye a desarrollar sistemas de IA más transparentes en ámbitos críticos para la sociedad.

La Tabla de Valoración del Riesgo (TVR) es un algoritmo utilizado durante tres décadas en el sistema penitenciario español para evaluar el riesgo de reincidencia de los reclusos. Carlos Fresneda Portillo, doctor en Ciencias Matemáticas y profesor titular de la Universidad Loyola, es uno de los principales autores del estudio. Este hallazgo pone de manifiesto la necesidad de revisar y actualizar las herramientas utilizadas en el sistema penitenciario para garantizar evaluaciones más justas.

El algoritmo, entrenado a base de imágenes del colmenar de la Universidad de Córdoba, presta apoyo a una tarea compleja que tradicionalmente se realiza de forma manual. Esta innovación tecnológica aplicada a la apicultura se suma a otras desarrolladas por este equipo como el contador de abejas que monitoriza las “puertas” de las colmenas a través de luz infrarroja y pulsos eléctricos o el propio sistema ‘WBee’, un sistema de monitorización remota pionero en España.

Este trabajo, que cuenta con Adrián Bazán Muñoz, como investigador principal, supone un gran paso adelante para el ‘Internet de las Cosas’ colaborativo (C-IoT).

El Intelligent Target Locator: AI 2030 ha sido presentado esta mañana durante el Seminario ‘Knowledge for Sustainability’ en el que la Universidad Pablo de Olavide, Savonia University of Applied Sciences (Finlandia), Vilniaus Kolegija (Lituania) y la consultora Open ODS han presentado los resultados del proyecto europeo Universities for Sustainable Development (USD).

La empresa AGQ Labs desarrolla un proyecto de I+D+i, en colaboración con la Universidad de Sevilla y con financiación de CTA, para conseguir una nueva metodología que aplica Inteligencia Artificial para interpretar datos complejos procedentes de análisis metagenómicos, bioquímicos y fisicoquímicos del suelo del olivar. AGQ Labs prevé extender esta tecnología a otros cultivos estratégicos, consolidando así el papel de la IA en la transformación de la agricultura.

#CienciaDirecta

Investigadores de la Universidad de Jaén lideran el desarrollo de una base de datos con la generación de energía solar fotovoltaica en toda España desde 1990 hasta 2020. La herramienta, denominada SHIRENDA_PV y construida en base a técnicas de aprendizaje automático, se ha diseñado para analizar la producción solar del país y utilizarse en estudios de planificación de un sistema eléctrico nacional basado en renovables.

El estudio, en el que ha participado la Universidad de Granada a través del departamento de Filosofía, aborda las implicaciones éticas de una tecnología que podría revolucionar la ciencia, redefinir la genética y plantear nuevos desafíos sobre identidad, privacidad y reproducción. El trabajo pretende invitar a reflexionar sobre las consecuencias éticas antes de que la tecnología se materialice.

Un equipo de investigadores de la Universidad de Granada ha diseñado una serie de nuevas estrategias basadas en Inteligencia Artificial para su aplicación en diferentes dominios como la robótica, la movilidad inteligente y sostenible, la Industria 4.0 o el Internet de las Cosas. Tendrá una utilidad directa en la infraestructura científica de la UGR involucrada en el proyecto IFMIF-DONES.

#CienciaDirecta

Un equipo de investigación de la Plataforma Solar de Almería (PSA) perteneciente al  Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas (CIEMAT) ha desarrollado un algoritmo informático basado en redes neuronales que ajusta de forma automática los captadores de radiación solar atendiendo al clima y su posición en el campo. Los resultados de este estudio confirman que esta estrategia es más segura, eficiente y rentable.

La aplicación de esta herramienta, desarrollada por la Universidad de Granada, en entornos hospitalarios puede permitir la detección temprana de riesgos metabólicos. El estudio se ha desarrollado en el Instituto de Nutrición y Tecnología de los Alimentos ‘José Mataix’ del CIBM, en el Parque Tecnológico de la Salud de Granada, y cuenta con la colaboración del Instituto de Investigación Biosanitaria.