Eventos

Los avances recientes en los grandes modelos de lenguaje han generado la sensación de que el procesamiento multilingüe del lenguaje natural (PLN) está rápidamente convirtiéndose en un problema resuelto. Sin embargo, para muchas lenguas con recursos digitales limitados, los sistemas actuales siguen siendo poco confiables, desiguales y, en algunos casos, hasta imposibles de evaluar.

En la última década, las redes neuronales profundas se han consolidado como una de las herramientas más exitosas para abordar una amplia variedad de problemas de visión por computadora. Gran parte de este éxito se debe a su capacidad para aprender representaciones útiles a partir de grandes cantidades de datos. Pero, ¿qué ocurre cuando los datos disponibles para un nuevo problema son escasos? Una estrategia común consiste en reutilizar el conocimiento aprendido por una red entrenada previamente en otro conjunto de datos. Esta idea, conocida como transferencia de conocimiento, permite aprovechar representaciones aprendidas en un problema para resolver otros. Lo sorprendente es que este conocimiento puede resultar útil incluso cuando existe una diferencia considerable entre los problemas de origen y de destino.

El mundo envejece y, con ello, aumenta la necesidad de cuidar a más personas mayores. Los robots y la inteligencia artificial ya están cambiando ese cuidado: acompañan a personas con demencia, guían terapias de rehabilitación en casa, apoyan la labor de cuidados. La mayor parte de esta investigación se realiza en Estados Unidos y Europa, y responde a su propio contexto socioeconómico e infraestructura. ¿Son un lujo del primer mundo, o una oportunidad que en México podríamos aprovechar de otra manera?

Campo interdisciplinario que estudia cómo los humanos y robots se Comunican e interactúan. Componentes Esenciales ▶ Entrada. Voz, gestos, expresiones faciales, tacto. ▶ Procesamiento. Interpretación de intenciones y contexto. ▶ Salida. Respuestas verbales y acciones físicas.