Enrique Sucar presenta ponencia sobre Modelos Grá cos Probabilísticos en FUL 2020
*Habló sobre la importancia de la Inteligencia Arti cial la actualidad y presentó obra editorial
*Señaló que es importante que las universidades se mantengan a la vanguardia de las necesidades que
presenta el mundo, el cual cada día avanza más rápido en el tema tecnológico
Pachuca de Soto, Hidalgo. – Durante la edición 33 de la Feria Universitaria del Libro
(FUL) de la Universidad Autónoma del Estado de Hidalgo (UAEH), realizada por
primera vez de manera virtual, Luis Enrique Sucar Succar, líder de investigación del
Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), presentó una
conferencia así como su obra Probabilistic Graphical Models: Principles and
Applications, donde dio a conocer los objetivos generales y bene cios de la
Inteligencia Arti cial (IA) en la actualidad.
Al iniciar la conferencia presentó un panorama teórico con la idea de tener un mayor
conocimiento sobre la Inteligencia Arti cial, sus aplicaciones, impacto y medidas de
regulación, así como ejemplos de aplicaciones que ya se encuentran en desarrollo
para diversas labores que facilitan el trabajo del hombre.
Actualmente la Inteligencia Arti cial puede derivar en tres sistemas de aprendizaje:
el primero basado en conocimiento, el segundo en probabilidades y estadística y,
nalmente, el sistema basado en aprendizaje. Todos ellos dependen del uso y
requerimientos que se necesiten para la IA, pero cada una con el objetivo de ayudar
a las labores cotidianas en diferentes áreas y trabajos.
Subrayó que, aunque las máquinas ahora hacen trabajos repetitivos en diferentes
industrias, el humano aún es necesario para manejar estas nuevas tecnologías. “Un
punto importante es que se están generando nuevas profesiones y empleos gracias
a este tipo de tecnología, es por ello que las universidades deben estar a la
vanguardia de las necesidades que presenta el nuevo mundo, que cada día avanza
más rápido en el tema tecnológico”, puntualizó.
Posteriormente se realizó la presentación del libro titulado Probabilistic Graphical
Models: Principles and Applications, que publicó Enrique Sucar en 2015. Este texto
proporciona una introducción general a los Modelos Grá cos Probabilísticos (PGM
por sus siglas en inglés), desde una perspectiva de ingeniería.
El libro cubre los fundamentos de cada una de las clases principales de Modelos
Grá cos Probabilísticos, incluida la representación, la inferencia y los principios de
aprendizaje, además, revisa las aplicaciones del mundo real para cada tipo de
modelo. Estas aplicaciones se extraen de una amplia gama de modelos y disciplinas.
Explicó que los Modelos Grá cos Probabilísticos son un conjunto de técnicas
basadas en probabilidad y grafos que permiten modelar y resolver problemas
complejos bajo incertidumbre.
Expuso que la obra tiene diversos usos en el área de la ingeniería: “Tiene múltiples
aplicaciones, como diagnóstico y toma de decisiones en medicina, modo del
estudiante en tutores inteligentes, planeación en robótica, control y diagnóstico de
sistemas industriales, análisis de imágenes, bioinformática, predicción de
contaminación, entre otras”.
Este libro presenta una introducción a los diferentes tipos de Modelos de Grá cos
Probabilísticos, incluida la representación, el razonamiento y el aprendizaje. Además,
la obra también puede ser utilizada como texto en un curso introductorio sobre este
tema.
Dio a conocer que este trabajo ya ha sido probado en aulas, por lo que es adecuado
como libro de texto para un curso avanzado de pregrado o posgrado, para
estudiantes de ciencias de la computación, ingeniería y física. “Los profesionales que
deseen aplicar Modelos Grá cos Probabilísticos en su propio campo o interesados
en la base de estas técnicas, también encontrarán en el libro una referencia
invaluable”, nalizó.
Comentarios