Joven mexicano recibe Premio Google a la Investigación

 Redacción   01-09-2017     Ciencia

Por su proyecto “Transferencia de aprendizaje usando redes de hidrocarburos artificiales: un caso de estudio en robótica”, el joven doctor Hiram Eredín Ponce Espinosa recibió el Premio Google a la Investigación, mismo que le valdrá financiamiento por un año para llevar a cabo su trabajo.

Su proyecto busca que computadoras, robots, celulares y todo elemento con inteligencia artificial sea capaz de transferir conocimiento a otras máquinas similares.

Ponce Espinosa, quien se desempeña como profesor investigador en la Facultad de Ingeniería de la Universidad Panamericana (UP), explicó que el premio de alcance latinoamericano tiene como objetivo apoyar solo aquellas propuestas de proyectos de investigación que apunten al desarrollo de tecnología de frontera en el área de computación.

Ante ello, su propuesta fue una de las 27 seleccionadas, de un aproximado de 280 trabajos que Google recibió tras lanzar la convocatoria; tres de éstas de origen mexicano.

“Para mí, este reconocimiento es muy importante, me siento muy orgulloso de obtener un premio donde mi proyecto resultó seleccionado de entre cientos de propuestas”.

“Al mismo tiempo, significa también mucha responsabilidad en cuanto al trabajo que hay que realizar y por la formación de estudiantes que implicará”.


¿Cómo se logrará la transferencia de aprendizaje?


Sobre el trabajo que realizará durante el año que dura el financiamiento de Google, el candidato al Sistema Nacional de Investigadores (SNI) detalló que la base de este tiene lugar en una técnica denominada redes de hidrocarburos artificiales que él propuso durante su tesis doctoral.

“Este método está inspirado en la química de los compuestos orgánicos y su intención es simular de manera simple cuáles son los mecanismos químicos por los que los diferentes elementos se van entrelazando y generan cadenas de carbonos”.

“Desde el punto de vista computacional, hacemos esas observaciones y determinamos que al final se pueden utilizar esas moléculas de carbono como paquetes de información”.

Explicó que los paquetes de información operan al dar un conjunto de datos al método y este es capaz de generar pequeños grupos de información a los cuales definen paquetes moleculares, “mismos que, a su vez, comienzan a relacionarse de manera no lineal”.

“Al final, lo que se obtiene de esta técnica es un modelo que nos permite generalizar todos esos datos que nosotros le dimos de inicio, es decir, llevamos a cabo un proceso de aprendizaje supervisado”.