La quinta edición del Deep Learning Barcelona Symposium refleja el interés por las herramientas de generación automática de imágenes y texto.
El simposio congregará en Barcelona a referentes mundiales en aprendizaje profundo de gigantes como Meta, Google y Amazon
La Universitat Oberta de Catalunya (UOC) acogerá el jueves 21 de diciembre la quinta edición del Deep Learning Barcelona Symposium (DLBCN), el simposio internacional sobre aprendizaje profundo, coorganizado por el Computer Vision Center de la Universitat Autònoma de Barcelona, la Universitat Politècnica de Catalunya, la Universidad de Barcelona, la Universidad Pompeu Fabra, la Universitat Oberta de Catalunya (UOC), Telefónica Research y Dolby Laboratories.
El aprendizaje profundo (deep learning, en inglés) es uno de los campos más influyentes y de más rápido crecimiento de la inteligencia artificial, además de ser uno de los motores de la revolución tecnológica actual en torno a la IA. Detrás de productos de éxito mundial como ChatGPT o DALL·E se encuentra precisamente el aprendizaje profundo, y esto ha hecho crecer de forma exponencial el interés social por esta vertiente de la ciencia de datos.
De Barcelona al mundo
El Deep Learning Barcelona Symposium pone el foco en la investigación en redes neuronales profundas y reúne a investigadores de la élite mundial que desarrollan su investigación en Barcelona, o bien se formaron en universidades de la capital catalana y trabajan en el extranjero. Este quinto encuentro acoge 25 charlas y unos cincuenta pósteres de grupos de investigación del país, de universidades extranjeras como Stanford o Columbia, y de empresas de referencia mundial como Meta, Amazon o Google.
La conferencia de apertura titulada Human Sensing irá a cargo del profesor Fernando De La Torre, doctor por La Salle Universidad Ramon Llull y director del Human Sensing Lab en la Carnegie Mellon University, en los Estados Unidos.
En el simposio, también participarán referentes en inteligencia artificial como Ricardo Baeza-Yates, de la Universidad Pompeu Fabra, Marta R. Costa-jussà, de Meta París, Aleix Martínez, de Amazon Seattle, y Antonio Torralba, del MIT, en Boston.
El evento cuenta con los patrocinios de Meta, la red ELLIS Barcelona, AIRA, el eHealth Center de la UOC, el Erasmus Mundus joint Master in Artificial Intelligence, Crisalix, el grupo web Science and Social de la UPF y la UPC.
Selección de candidatos para entrevistas con los medios:
Fernando De La Torre (Carnegie Mellon University, Pittsburgh): keynote speaker en el DLBCN 2023. Formado en La Salle URL, De La Torre es director del Human Sensing Lab, en la Carnegie Mellon University. En 2014 fundó FacioMetrics LLC para licenciar tecnología de análisis facial, comprada por Facebook el año 2016. Su investigación se centra en la visión por computadora y en el aprendizaje automático, en concreto, en aplicaciones para la salud, la realidad aumentada y la realidad virtual.
Marta R. Costa-jussà (Meta, París): Costa-jussà se formó en la UPC, de donde fue profesora antes de incorporarse a Meta, en 2022, como investigadora. En 2020 mereció una ERC Starting Grant con el proyecto LUNAR, que busca un modelo de traducción automática universal de lenguas. Costa-jussà es autora del libro juvenil El sueño de Mia (Estrella Polar, 2023), que pretende acercar el aprendizaje profundo a los jóvenes. La tarde del mismo 21 de diciembre, ofrecerá una charla en el Club Prometeus de jóvenes del Raval, con el apoyo de la entidad FriquiFund, que promueve la educación tecnológica de jóvenes en riesgo de exclusión social.
Ferran Alet (Google Deepmind, Londres): matemático y físico por la UPC, se doctoró en el MIT y actualmente trabaja en Google. Presentará GraphCast, el trabajo publicado recientemente en Science sobre un sistema de IA que mejora en un 90 % la predicción meteorológica respecto a los algoritmos actuales.
Carles Ventura (AI-WELL, eHC, UOC): miembro del comité organizador del simposio y del grupo de investigación AI-WELL, del eHealth Center. Una de sus líneas de investigación es la visión artificial y la IA emocional, que puede ser útil para construir interfaces amigables hombre-máquina, analizar las interacciones entre personas o reconocer las emociones que provocan, por ejemplo, las películas en los espectadores.