Mikel Ferrero Jaurrieta (Pamplona, 1995), alumno de doctorado de la Universidad Pública de Navarra (UPNA), ha recibido el segundo premio al mejor trabajo de investigación presentado por estudiantes en la XVII Conferencia Internacional sobre Teoría y Aplicaciones de Conjuntos Difusos (FSTA 2024), celebrada recientemente en Liptovský Ján (Eslovaquia). Su estudio galardonado trata sobre cómo mejorar la inteligencia artificial que trabaja con texto para hacerla más sensible al orden de las palabras y capaz de entender mejor el contexto y los matices de los mensajes, lo cual es fundamental para tareas como interpretar correctamente las emociones o intenciones detrás de los vocablos.
La investigación, que lleva como título “Pseudo-grouping functions obtained by the distortion of aggregation functions: an application on text-based Convolutional Neural Networks”, ha recibido financiación de la empresa pública Tracasa Instrumental, la Agencia Estatal de Investigación y el Fondo Europeo de Desarrollo Regional (FEDER).
Mikel Ferrero (izq.) recibe el premio de Ondrej Hutník, miembro de la presidencia general de la conferencia, con Ladislav Sipeky (al fondo), presidente de la organización del congreso.
El trabajo premiado se centra en un campo de la inteligencia artificial: las redes neuronales, que son sistemas informáticos inspirados en el funcionamiento del cerebro humano. Estas redes son muy útiles para reconocer patrones entre grandes cantidades de datos.
En concreto, el estudio aborda un desafío específico en el procesamiento de texto: la importancia del orden de las palabras o frases, especialmente, cuando hay una dependencia temporal entre ellas. Por ejemplo, en un texto, una palabra puede tener un significado diferente dependiendo de las que la preceden o la siguen, y esto es crucial para entender correctamente el mensaje.
Con el fin de abordar este desafío, Mikel Ferrero ha desarrollado nuevos métodos que no solo combinan la información (agregación de datos), sino que también consideran el orden en que aparecen estos datos. Luego, aplicó estos métodos a las redes neuronales convolucionales que procesan texto, con el objetivo de mejorar la manera en que pueden clasificar dichos textos y determinar si el tono emocional de un mensaje es positivo, negativo o neutro.
Un ejemplo de su aplicación sería analizar opiniones en línea de productos para determinar si los comentarios son positivos, negativos o neutros. La capacidad de entender el orden y la estructura del texto permite que la red neuronal haga una clasificación más precisa de estas opiniones.
Breve currículum
Mikel Ferrero Jaurrieta es graduado en Ingeniería Informática por la UPNA (2018) y Máster en Modelización e Investigación Matemática, Estadística y Computación por las universidades Pública de Navarra, Zaragoza y País Vasco (2020).
A lo largo de su trayectoria profesional, ha trabajado en Tesicnor S.L., Hiberus Tecnología, Centro Nacional de Tecnología y Seguridad Alimentaria (CNTA), UPNA (Fondo Documental de la Memoria Histórica en Navarra) y Tracasa Instrumental.
Desde 2021, realiza su tesis doctoral en el Grupo de Inteligencia Artificial y Razonamiento Aproximado (GIARA), gracias a un contrato de la empresa pública Tracasa Instrumental en el marco de un proyecto sobre tramitación judicial guiada mediante inteligencia artificial. Además, desde 2022, es profesor asociado en el Departamento de Estadística, Informática y Matemáticas de la UPNA.