“Deep Learning aplicado a la seguridad, la ecología y el lenguaje natural (DeepSCOP)”

Julián Luengo Martín (Universidad de Granada); Siham Tabik (Universidad de Granada); Daniel Molina Cabrera (Universidad de Granada); María Victoria Luzón García (Universidad de Granada); Domingo Alcaraz Segura (Universidad de Granada); Rosana Montes Soldado (Universidad de Granada); Eugenio Martínez Cámara (Universidad de Granada); Anabel Gómez Ríos (Universidad de Granada); David Charte Luque (Universidad de Granada); Cristina Zuheros Montes (Universidad de Granada).

El “Deep Learning” utiliza redes neuronales artificiales de gran tamaño y cierta complejidad para aprender a partir de datos, adquiriendo cada vez mayor importancia en el campo de la inteligencia artificial con continuas aplicaciones que superan las capacidades de los humanos en muchos problemas. Dentro del aprendizaje profundo toma relevancia el concepto “Smart Data” como nueva metodología que transforma grandes volúmenes de datos en conjuntos de datos de mejor calidad capaces de asegurar y mejorar el aprendizaje.

El equipo de Francisco Herrera utilizará la metodología del “Deep Learning” unido al “Smart Data” para lograr la creación de algoritmos con una aplicabilidad de alta calidad en distintas áreas. Además, este equipo también considera esencial entender cómo se producen los resultados y que los expertos los sepan interpretar y comprender para conseguir mejores resultados, esto es estudiado en una línea de investigación emergente que se conoce como Inteligencia Artificial Aplicable y que es uno de los grandes retos dentro de este campo.

Una de las aplicaciones que tiene el proyecto es la creación de un algoritmo para mejorar la seguridad en la detección de armas debajo de la ropa, comenzarán por analizar situaciones difíciles con vídeos de baja calidad. Por otra parte, también en el ámbito de la seguridad quieren conseguir la identificación mediante algoritmos de modelos de coches con matrículas para identificar aquellas que sean falsas. En este caso, van a comenzar a trabajar sobre una muestra para identificar modelo y marcas de coches con un algoritmo incremental según vayan saliendo al mercado vehículos nuevos.

La ecología es otro de los campos en los que se centrará este proyecto ya que con esta técnica quieren crear un algoritmo que identifique parcelas aéreas de terreno vía satélite para detectar la calidad del suelo, esto permitiría estudiar con mayor rapidez, por ejemplo, la potencialidad de riesgos de fuego, la modificación del terreno o los porcentajes de masa arbórea que permitirá tomar las medidas pertinentes según cada caso. Actualmente es un proceso que se realiza por imágenes aéreas de manera manual.

También se aplicará esta metodología en el procesamiento del lenguaje natural analizando las opiniones positivas y negativas y el porqué de las mismas mediante algoritmos. Con esta técnica de “Deep Learning” se podrá extraer y analizar la opinión mediante patrones de palabras. Esto permitirá hacer una valoración rápida de la calidad de un monumento turístico, un restaurante o de opiniones en redes sociales que permitirá mejorar el servicio con mayor eficacia.