Jesús Muñoz Bulnes.

El TFM, titulado ‘Análisis de imágenes usando Redes Neuronales Convolucionales para Aplicaciones Aeroespaciales’ ha sido el ‘responsable’ de parte de este reconocimiento, con el que finaliza su formación académica de base. En esta entrevista, este estudiante de la UAH, que ahora trabaja como científico de datos en el satélite español de Tessella, el ‘Word Class Center de analítica de Altran, habla de sus expectativas.

-Imaginamos que muy contento con este premio y también con la buena posición en la que queda la UAH, la segunda con más premios…
-Claro que sí. Estos premios son un reconocimiento al trabajo y al esfuerzo y son valorados en el entorno profesional. El hecho de que la UAH quede en tan buena posición da más valor al título que obtenemos y es un reconocimiento a todos los compañeros y profesores.

-¿Qué estás haciendo ahora?, ¿Cuáles son tus expectativas?
-Di el salto al mundo de la empresa y actualmente soy científico de datos en el satélite español de Tessella, que es el World Class Center de analítica de Altran. Aquí sigo aplicando las técnicas de visión artificial y Deep Learning en las que me especialicé con el TFM y también he podido extenderme a otras áreas de la Inteligencia Artificial, como el procesado del lenguaje natural.
Espero continuar creciendo profesionalmente dentro del ámbito de la Inteligencia Artificial, adquiriendo cada vez más experiencia y conocimientos técnicos en estas tecnologías tan innovadoras y con un potencial tan grande para mejorar la calidad de vida de las personas.

-Además, has ganado dos premios, el del TFM y un premio al mejor expediente, ¿cómo se hace?, porque es fantástico…
-La constancia y el esfuerzo son básicos. También ayuda que las personas de tu entorno entiendan tu situación de estudiante o estén en una situación similar, ya que el apoyo en momentos de tensión y la coordinación para aprovechar el tiempo libre son fundamentales. Quiero agradecer su ayuda a todas las personas que me han acompañado y me acompañan en este camino, ya haya sido desde la Universidad o desde mi entorno y mi familia.

-Háblanos de tu TFM, ‘Análisis de imágenes usando Redes Neuronales Convolucionales para aplicaciones aeroespaciales
-Básicamente mi proyecto surge del creciente interés en las técnicas de Deep Learning para resolver problemas de visión artificial. Realicé este TFM en el grupo INVETT del departamento de Automática de la UAH, donde ya tenían una gran experiencia en el ámbito de los sistemas inteligentes de transporte. Por ello, se desarrolló un sistema de detección de la calzada a partir de imágenes tomadas desde una cámara montada en el coche. Su objetivo es que los sistemas de navegación y ayuda a la conducción conozcan dónde está el área por la que se puede circular y que sea fiable ante variaciones en el entorno del coche.

-El Deep Learning está abriendo nuevos caminos…
-El Machine Learning es un conjunto de técnicas de Inteligencia Artificial que permiten enseñar a las máquinas a tomar decisiones de una forma que se inspira en cómo lo hace el cerebro humano. Se utilizan ‘redes neuronales’ simuladas que aprenden a partir de ejemplos, reforzando las conexiones que permiten tomar las decisiones correctas sobre dichos ejemplos. De esta forma, el sistema podrá tomar decisiones sobre datos nuevos basándose en las relaciones aprendidas anteriormente. La principal novedad que aporta el Deep Learning es que se utilizan redes neuronales muy profundas (con una gran cantidad de ‘capas’ de neuronas), que pueden aprender relaciones mucho más complejas entre los datos y son capaces de resolver tareas tan complicadas como, por ejemplo, a partir de una imagen tomada por una cámara corriente, identificar dónde se encuentra la carretera por la que se puede circular, dónde están los otros coches, los peatones, los ciclistas, etc.
Estos sistemas de Deep Learning están ganando una gran aceptación porque tienen una eficacia muy alta, habitualmente superior a las técnicas anteriores y, gracias a los avances en computación paralelizada, se pueden aplicar en un tiempo y con unos recursos cada vez más accesibles. Sin embargo, nunca deben dejarse de lado otras técnicas más tradicionales que pueden proporcionar soluciones apropiadas en determinados problemas bien conocidos.
La Inteligencia Artificial es una herramienta con un potencial muy importante para cambiar el mundo a mejor, pero el efecto que consigamos depende de cómo la apliquemos.

-Hacia dónde caminamos en este ámbito, ¿Qué podrán hacer este tipo de sistemas o qué pueden hacer ya?
-En el ámbito de los vehículos inteligentes, las marcas ya llevan cierto tiempo incluyendo sistemas avanzados de ayuda a la conducción como la detección de señales de tráfico, aviso de cambio de carril o frenada de emergencia. A corto plazo, el objetivo que tienen estos sistemas es facilitar la conducción y hacerla más segura y, según van siendo más avanzados, más nos acercamos a una conducción completamente autónoma, aunque aquí tienen que tenerse en cuenta otros factores sociales y económicos.
Hablando del Deep Learning en general, sus posibilidades son realmente amplias para diseñar sistemas capaces de interactuar con datos del entorno, ya sea con personas o en la realización de procesos complejos de forma autónoma. En mi opinión, esto es positivo ya que la Inteligencia Artificial debe funcionar como una potente herramienta que permita a las personas realizar todo tipo de actividades de forma más segura y productiva, y delegar tareas peligrosas y repetitivas, para dedicar su potencial a tareas más avanzadas.

Publicado en: Entrevista