“Yo desarrollo una aplicación de benchmarking para comparar y visualizar diferentes algoritmos evolutivos multiobjetivos. La aplicación integra indicadores que ayudan a determinar cuáles de ellos presentan el mejor rendimiento”, explicó el joven, quien además manifestó su interés de estudiar un posgrado en el CICESE.

Por su parte, Aldo Santiago Márquez, de la Benemérita Universidad Autónoma de Puebla (BUAP), abordó una de las problemáticas actuales más críticas de la Inteligencia Artificial: el alto costo computacional de entrenar modelos.

“Actualmente las bases de datos gigantescas son costosas y retrasan las predicciones del machine learning (aprendizaje automático). Lo que trabajo es un algoritmo que toma esa base de datos masiva para hacer conjuntos pequeños que dejan hacer análisis muchísimo más rápidos, pero igual de efectivos. Lo estamos probando con datos de riesgos y fraudes crediticios bancarios”, detalló.

También de la BUAP, pero de la Licenciatura en Física, María Guadalupe Villanueva Otrilla, aplicó sus conocimientos de ciencias exactas para resolver problemas de programación orientada a la optimización.

“Buscamos potenciales de energía que se utilizan en física de materiales para transcribirlos a la parte computacional y ajustar funciones. Me basé en estudios previos de funciones a pares, pero ahora tratamos de implementar algoritmos que se adapten a interacciones de muchos más cuerpos, aunque es un área muy abstracta, abre grandes soluciones de optimización”, señaló.