Una investigación desarrollada por un equipo internacional con dirección de Humberto Bustince Sola, catedrático de la Universidad Pública de Navarra (UPNA) e investigador del Instituto de Smart Cities (ISC) , ha sido reconocido con el premio al mejor trabajo en un congreso europeo sobre inteligencia computacional y matemáticas: el 16th European Symposium on Computational Intelligence and Mathematics (ESCIM 2025), celebrado recientemente en A Coruña. La propuesta galardonada, presentada en la reunión científica por el investigador de la institución navarra, plantea un nuevo enfoque matemático para mejorar la fusión de datos en sistemas de inteligencia artificial para hacerla más eficiente desde el punto de vista computacional. Este trabajo se puede aplicar al procesamiento de grandes volúmenes de información (“big data”) y al entrenamiento de redes neuronales, una técnica que permite a las máquinas aprender a partir de los datos, imitando el funcionamiento del cerebro humano.
El catedrático Humberto Bustince.
Además del catedrático navarro, tres investigadores más firman la investigación, titulada “Choquet-inspired functions”: Radko Mesiar (Universidad Eslovaca de Tecnología en Bratislava, Eslovaquia), Graçaliz Dimuro (Universidad Federal de Río Grande, Brasil) y Bernard De Baets (Universidad de Gante, Bélgica).
El trabajo parte de una necesidad en el ámbito de la inteligencia artificial: optimizar la forma en que se combinan los datos para que las decisiones generadas por los sistemas sean más precisas y fiables. Tal como explica Humberto Bustince, una fusión deficiente de los datos puede conducir a errores de las máquinas, conocidos como “alucinaciones”, es decir, respuestas incoherentes o sin fundamento.
Para evitarlo, es necesario tener en cuenta las relaciones que existen entre diferentes variables, como, por ejemplo, la temperatura corporal y la presión arterial en el ámbito médico. Tradicionalmente, estas interacciones se miden mediante funciones matemáticas que, tal como afirma este experto, si bien son teóricamente sólidas, presentan una alta carga computacional. En otras palabras, estas funciones “consumen gran cantidad de recursos computacionales de memoria y requieren mucho tiempo de procesamiento”, según el catedrático de la UPNA.
Menos recursos y tiempo
Ante este desafío, el trabajo galardonado propone un método inspirado en la teoría de Choquet, pero significativamente más eficiente desde el punto de vista computacional. La propuesta permite reducir el uso de recursos y el tiempo de procesamiento sin sacrificar la precisión, lo que supone una ventaja especialmente significativa en entornos de “big data” o en el funcionamiento de redes neuronales. Además de su fundamentación teórica, el estudio ha demostrado su aplicabilidad práctica en casos reales.
El 16th European Symposium on Computational Intelligence and Mathematics (ESCIM 2025), que tuvo lugar entre el 18 y el 21 de mayo, es un congreso científico internacional que reúne a especialistas en inteligencia computacional, matemáticas aplicadas y áreas afines. Alrededor de ochenta investigadores de toda Europa han participado en esta reunión científica para abordar cuestiones como funciones de agregación, aplicaciones de sistemas inteligentes computacionales, minería de datos, conjuntos difusos y lógica difusa, entre otras temáticas.