“Estudio de la programación cerebral en problemas de reconocimiento a gran escala y sus aplicaciones en el mundo real”

• Proyecto: “Estudio de la programación cerebral en problemas de reconocimiento a gran escala y sus aplicaciones en el mundo real”
• Responsable: Gustavo Olague Caballero
• Tipo de proyecto: Proyecto Interno
• Fecha Inicial: 25-02-2020
• Fecha Final: 31-12-2025
• Resumen: El objetivo es extender la metodología de programación cerebral en el contexto de problemas de reconocimiento a gran escala. La meta general que estamos considerando en nuestra investigación presenta oportunidades en temas de computación visual como la recuperación de imágenes, el seguimiento de objetos, comportamientos visuales, atención visual, y el reconocimiento de objetos. El principal objetivo es expandir las capacidades de una nueva metodología de computación evolutiva considerando los dominios de visión por computadora y reconocimiento de patrones. La meta es estudiar la relación entre el modelado basado en funciones y grandes bases de datos siguiendo el paradigma de programación cerebral. Estructuras jerarquicas son utilizadas de acuerdo a conocimiento de neurociencias de la estructura del cerebro. En el diseño, existen programas que evolucionan siguiendo algunas metas preescritas, sin embargo las implementaciones actuales no escalan bien para problemas de grandes bases de datos. La solución a dicha problemática será abordada redefiniendo el problema de aprendizaje de máquinas. La infraestructura desarrollada dentro del proyecto nos ayuda a estudiar problemas del mundo real de gran escala con un alcance teórico y práctico. Dentro del proyecto esperamos dar soluciones a problemas del mundo real en múltiples dominios: Ciencias de la Tierra, Medicina, Robótica, y Oceanología. Para esto contamos con una red de colaboradores que actualmente participan ya que estan interesados en nuestros desarrollos teóricos. Los participantes de varias instituciones daran fuerza a la consecución de objetivos al fortalecer la cooperación científica y la unión de esfuerzos académicos.

“Redes Neuronales con Preservación de la Privacidad mediante Encriptación Homomórfica”

• Proyecto: “Redes Neuronales con Preservación de la Privacidad mediante Encriptación Homomórfica”
• Responsable: Andrey Chernykh
• Tipo de proyecto: Proyecto Interno
• Fecha Inicial: 24-02-2022
• Fecha Final: 31-12-2025
• Resumen: El modelado de redes neuronales (NN por sus siglas en inglés) demanda un alto poder de procesamiento y almacenamiento para el entrenamiento con grandes conjuntos de datos. Bajo esta premisa, el paradigma del cómputo en la nube ha desarrollado soluciones a fin de facilitar este proceso, sin embargo, su uso introduce retos inherentes a la privacidad y seguridad de datos sensibles. Si bien los criptosistemas convencionales pueden llegar a proteger información almacenada o en tránsito, estas técnicas no son capaces de proteger la información al ser procesada la extracción de valor de un conjunto de datos requiere un proceso de desencriptación, lo que recae en la problemática inicial. La encriptación homomórfica (HE por sus siglas en inglés) permite el computo de datos cifrados y posibilita la delegación del procesamiento de datos confidenciales sin revelar información subyacente 13. Mediante un esquema de HE, una infraestructura no segura puede procesar información confidencial sin conocer la información original ni el resultado del cómputo, dado que dicha información permanece codificada en todo momento, previo, durante y posterior al procesamiento. De esta forma, el procesamiento homomórfico de NNs ha surgido como una consideración elemental en el área 47. No obstante, un esquema HE soporta un número limitado de operaciones aritméticas, por lo que la implementación de una NN con HE (NN-HE) requiere de la generación de funciones de reemplazo criptográficamente compatibles para operar sobre información codificada 810. Este proyecto estudia la intersección de dos importantes áreas: criptografía y NNs, donde el objetivo primordial es diseñar e implementar métodos de procesamiento homomórfico para la construcción de modelos NN- HE precisos, eficientes y capaces de preservar la privacidad de información confidencial, habilitando el procesamiento homomórfico de operaciones de comparación, división, detección de signos etc. Un mayor espectro de operaciones evaluadas homomórficas.

CERES, Creating an EdTech Research Ecosystem

• Proyecto: CERES, Creating an EdTech Research Ecosystem
• Responsable: Monica Elizabeth Tentori Espinosa
• Tipo de proyecto: Proyecto Externo (Otras Instituciones)
• Fecha Inicial: 20-02-2023
• Fecha Final: 30-04-2025
• Resumen: Entendiendo el potencial de la IA y la tecnología educativa en las escuelas mexicanas. El sistema educativo en México enfrenta desafíos significativos, incluyendo la desigualdad educativa y la inaccesibilidad, disparidades de habilidades y la ausencia de herramientas estandarizadas para medir el progreso de los estudiantes y facilitar la detección temprana de discapacidades de aprendizaje. El potencial de la IA y la tecnología educativa en México es considerable, ofreciendo numerosas oportunidades para mejorar la accesibilidad, calidad y eficiencia de la educación en todo el país. En este proyecto, proponemos explorar el potencial del análisis de datos y el aprendizaje personalizado para entender el papel que juegan las plataformas educativas impulsadas por IA en las escuelas mexicanas. Creemos que este tipo de investigación puede ayudar a abordar las diversas necesidades de los estudiantes en México, donde existen disparidades educativas debido a varios factores como el estatus socioeconómico, la ubicación geográfica y el trasfondo cultural. Lo haremos primero comprendiendo el potencial de la IA y la tecnología educativa para proporcionar experiencias de aprendizaje personalizadas, a través del diseño, desarrollo y pruebas piloto de tutores IA para apoyar la planificación de lecciones, creación de contenido, evaluación de estudiantes y la eficacia de tales herramientas en adaptarse al ritmo de aprendizaje, estilo y preferencias de cada estudiante. Un ejemplo de un proyecto en curso en esta área, es el catalizador de Amira dedicado a entender el efecto en mejorar las habilidades de lectura y reducir la ansiedad por leer en las escuelas mexicanas. Durante este proyecto hemos estado trabajando especialmente con investigadores de UC Irvine y con escuelas rurales locales en México para probar tanto la plataforma de aprendizaje Amira, como crear una plataforma de tecnología educativa impulsada por IA para facilitar la transferencia de conocimiento científico aprendien

MOVIE: Modelado de la visión y la evolución

• Proyecto: MOVIE: Modelado de la visión y la evolución
• Responsable: Gustavo Olague Caballero
• Tipo de proyecto: Proyecto Interno
• Fecha Inicial: 26-02-2024
• Fecha Final: 31-12-2026
• Resumen: Extender la teoría y la práctica del estado de arte en las disciplinas de visión y evolución artificial. Los métodos clásicos de teoría de optimización, aprendizaje y modelado matemático tienen en común un análisis simbólico de los procesos que son una columna principal en la inteligencia artificial. Estos métodos tienen muchas ventajas entre las que se encuentran su simplicidad y explicabilidad. Sin embargo, la capacidad para resolver problemas del mundo real se ve limitada ante las nuevas teorías que están enfocadas en el modelado orientado a datos. Para resolver este reto en nuestro proyecto de investigación desarrollamos un nuevo paradigma que llamamos, programación de cerebros, el cual toma como filosofía utilizar para su diseño una plantilla que sirve para definir una tarea de visión la cual pretender enfocar los métodos heurísticos de búsqueda de programas a partes especificas de la tarea que se pretende resolver sin delegar la tarea completa a un solo método de programación. La plantilla junto con los métodos de búsqueda de programas son una forma de combinar métodos clásicos junto a los métodos de inteligencia computacional. En particular, nos interesamos a resolver problemas de planeación, movimiento, reconocimiento de objetos, reconstrucción tridimensional, seguimiento de objetos, entre otros. Ademas, los aplicamos en tareas del mundo real tal y como identificación de basura, reconocimiento de tipos de suelo, reconocimiento de emociones, o estrategias para la captura de criminales, por mencionar algunos.

Navegación y Persecución/Evasión con Múltiples Robots

• Proyecto: Navegación y Persecución/Evasión con Múltiples Robots
• Responsable: Ubaldo Ruiz López
• Tipo de proyecto: Proyecto Interno
• Fecha Inicial: 26-02-2024
• Fecha Final: 31-12-2025
• Resumen: Desarrollaremos algoritmos de planificación de movimientos y métodos de control para navegación robótica y persecución/evasión con múltiples robots. Se dará especial énfasis en analizar los efectos de incluir al humano como un componente en el lazo de control. Trataremos con sistemas robóticos para navegación y persecución/evasión, pero daremos especial atención a dos aspectos menos abordados: 1) sistemas múltiples robots 3,22,23 y 2) considerar al humano en el lazo de control 24,25,26,27,28. En los sistemas multirobots el principal objetivo es repartir el trabajo entre varios robots, aprovechando las diferentes capacidades de robots heterogéneos, sin embargo, para el buen funcionamiento de estos sistemas es necesario coordinar el movimiento de los robots y distribuir el sensado y computo. El humano en el lazo de control se refiere a la interacción de controladores o sistemas autónomos con un operador humano. Varios sistemas de control que abordan aplicaciones criticas relativas a seguridad corresponden a esta interacción, por ejemplo, entre sistemas de piloto automáticos en aviones y pilotos humanos, o entre un conductor y un automóvil con capacidades automáticas de asistencia a la conducción. La idea de estos sistemas es aumentar las capacidades humanas permitiendo a operadores no expertos controlar a sistemas con dinámicas complejas, garantizando la seguridad y asegurando el confort del usuario. Dichos sistemas consideran tanto simuladores, como controladores a bordo de vehículos o robots, y sistemas de percepción e interfaces humano-robot.