Primera Jornada de Investigadores

El Director del ICIC, el Dr. Carlos Chesñevar dió un introducción a las actividades del Instituto, su funcionamiento e historia. Luego explicó dónde se investiga computación en la Argentina, qué relación hay entre CONICET y la UNS y las distintas fuentes de financiamiento.

El Grupo de Investigación en Gestión de Conocimiento y Recuperación de Información estudia, diseña y evalúa métodos orientados a resolver problemas dentro de las áreas de minería de la web, búsqueda de información basada en contexto, búsqueda distribuida y sistemas de recomendación. Los métodos desarrollados combinan técnicas de aprendizaje automático y minería de texto. El objetivo, es desarrollar herramientas inteligentes para para facilitar la captura, refinamiento y organización de conocimiento en diferentes dominios.

El objetivo del grupo es el de hacer investigación, desarrollo e innovación en modelos formales y herramientas para el apoyo de los procesos cognitivos de los usuarios de sistemas de información; los temas principales en los que se desarrollan actividades son:
– Razonamiento bajo incertidumbre
– Manejo de inconsistencia
– Razonamiento con preferencias
– Lenguajes ontológicos para la Web Semántica
– Revisión de creencias
– Ciber-seguridad
– Integración de información
– Sistemas híbridos que combinan aprendizaje automático con modelos basados en lógica
– Bases de conocimiento social
Los análisis de tratabilidad computacional (teóricos y prácticos) conducen una parte importante del I+D+i en todos estos temas.

Las líneas de investigación del grupo están orientadas desarrollar y mejorar las capacidades de agentes inteligentes que participan de Sistemas Multi-Agente (SMA). Se busca desarrollar e implementar técnicas que combinan los desarrollos de las áreas de programación lógica, argumentación, revisión de creencias, planificación automática, confianza y reputación, lenguajes de implementación de agentes, representación de conocimiento y razonamiento automático. Los resultados obtenidos y esperados buscan dar soluciones a problemas computacionales de estas y otras áreas de la ciencia y la tecnología.

Entre las líneas actuales de investigación se encuentran: Desarrollar nuevas técnicas de mantenimiento y revisión de los mecanismos computacionales de confianza y reputación en SMA, donde los agentes puedan recibir información de múltiples informantes. Desarrollar técnicas para mejorar la capacidad y eficiencia computacional de los sistemas argumentativos, incorporando una noción de soporte entre argumentos y relaciones de alto orden. Desarrollar métodos para equipar a los sistemas de argumentación con la posibilidad de tener en cuenta cambios dinámicos, integrando, de esta manera, técnicas de revisión de creencias a la argumentación rebatible. Desarrollar mecanismos para la toma de decisiones individuales o colectivas por parte de agentes inteligentes deliberativos de un SMA. Desarrollar técnicas para compartir conocimiento en un SMA

El Grupo de TR (RTSG) se estableció a principios de la década del 90 y desde entonces ha trabajado en diferentes aspectos del diseño, implementación y análisis de sistemas en Tiempo Real. Estos abarcan desde sistemas críticos para la seguridad, comunicaciones, defensa y control hasta software de entretenimiento. Los proyectos actuales incluyen el desarrollo de técnicas de especificación, modelado, análisis, análisis probabilístico, monitoreo y verificación, instrumentación, RTOS con requerimientos heterogéneos, redes, comunicaciones y arquitecturas reconfigurables. En los últimos años, las redes ad-hoc oportunistas y móviles han dirigido la investigación hacia los sistemas colaborativos, redes de alta latencia y la IoT. Por otro lado, la evolución de las tecnologías de dispositivos FPGA permiten aplicar técnicas de diseño flexibles que admiten re-diseños de hardware no disruptivos, admitiendo así técnicas de hibridación estáticas y dinámicas.

Los escenarios de sistemas que manejan e intercambian grandes volúmenes de información son cada vez más usuales en la actualidad. Un problema que suele surgir en entornos colaborativos donde el conocimiento es mantenido por diferentes entidades es el de inconsistencia; en tales escenarios se requiere contar con métodos automáticos y adecuados para el manejo de conflictos que aparecen naturalmente en la medida que el conocimiento evoluciona y se integra.
Esta línea de investigación se centra en la integración (merging) de bases de conocimiento representadas a través de ontologías Datalog+-; para de esta forma obtener una nueva ontología que represente, tanto como sea posible, el conocimiento de las originales; manteniendo al mismo tiempo consistencia.
En particular, se plantea un escenario multiagente, donde cada agente tiene su propia ontología Datalog+-; y asocia además un valor de credibilidad a cada agente del resto de la comunidad. En tal escenario, la resolución de los potenciales conflictos que surjan de considerar el conocimiento conjunto de la comunidad estará basada en la explotación de la credibilidad que los diferentes agentes de la comunidad tengan entre sí; consensuando la resolución en base a la visión de la credibilidad de cada agente dentro de la comunidad. A tal efecto se definirán funciones de accrual de credibilidad, que asociarán a cada fórmula un valor en función de la credibilidad de los agentes de la comunidad que soportan a la misma, lo que determinará qué formulas serán parte de la ontología unificada final.

Las principales líneas de investigación del Grupo se centran en áreas temáticas de Analítica Visual y Visualización, Computación Gráfica y Visión Computacional. Respecto a Visualización, la investigación y el desarrollo están orientados a Visualización basada en Semántica, Interacciones en Visualización y Análisis Visual de Grandes Conjuntos de Datos con especial énfasis en datos espaciales, temporales y espacio temporales provenientes de distintas áreas del conocimiento (Geología, Neurociencias, Estadísticas Sociales, Políticas y Económicas, etc.). En cuanto a Computación Gráfica se está trabajando en las líneas de Realidad Aumentada en interiores y en exteriores, Realidad Virtual, Analítica Visual del Movimiento y Modelado y Rendering de Volúmenes en Medicina. En lo que respecta a Visión computacional, la temática se refiere al estudio de marcadores biométricos para la detección de distintas patologías y a Reconstrucción 3D.

En esta línea de investigación se propone trabajar sobre dos dominios bien diferenciados.
El primero es en el área de datos no estructurados o semi-estructurados, el cual representa datos de naturaleza textual
con meta-datos y que a su vez puedan estar interconectados. El segundo es el dominio de la quimioinformática.

Gobernanza digital trata sobre el uso de las tecnologías digitales para mejorar las formas de gobierno, la entrega de servicios públicos y facilitar las interacciones entre gobierno y ciudadano. El Grupo de Investigación GobDig presentará dos líneas de investigación. La primera es el estudio de modelos organizacionales y gobernanza para el desarrollo de gobierno digital a nivel nacional. En esta línea se presentará un proyecto financiado por el Banco Interamericano de Desarrollo donde se realizó un análisis comparativo de las experiencias de Chile, Estonia, México y Uruguay. La segunda línea está relacionada con el desarrollo de soluciones informáticas para la entrega de servicios públicos por parte de gobiernos municipales. En este caso, se discutirá un proyecto financiado por la Comisión de Investigaciones Científicas de la Provincia de Buenos Aires que tiene como objetivo mejorar la eficacia de la implementación de las políticas sociales municipales mediante soluciones informáticas que permitan mejorar la entrega de servicios públicos de acción social basados en Internet, aplicaciones móviles, y almacenamiento en la nube.

Las metas generales del grupo BioChemTICs están orientadas a desarrollar métodos y soluciones de software para modelado predictivo destinados a la adquisición de conocimientos en el ámbito de Bioinformática y Quimioinformática, basados en el uso de técnicas de minería de datos, aprendizaje maquinal y analítica visual. En particular, se trabaja en desarrollar metodologías para abordar integralmente dos problemáticas:
1) La inferencia de redes de asociación biológica, tanto a nivel de genes como de vías biológicas, a partir de datos de expresión de genes e información proveniente de publicaciones científicas, y
2) La predicción de propiedades fisicoquímicas y mecánicas de moléculas, de utilidad tanto para el descubrimiento in silico de medicamentos como en el diseño de nuevos materiales industriales.
La primera línea se enmarca en la Bioinformática y busca descubrir como las interacciones coordinadas entre genes conducen las distintas funciones celulares que ocurren a nivel molecular. Al respecto, se propone un abordaje de modelización jerárquica: desarrollar métodos de inferencia de redes regulatorias para identificar la dinámica de asociación entre genes, pero también diseñar técnicas para analizar cómo afectan estas interacciones al nivel de vías biológicas.
La segunda línea se enmarca en la Quimioinformática, y apunta al desarrollo de nuevos métodos QSAR/QSPR (Quantitative Structure-Activity/Property Relationship) para predecir propiedades fisicoquímicas y mecánicas de compuestos químicos. En cuanto a los casos de estudio, los trabajos apuntan a modelar propiedades fisicoquímicas centrales en el diseño in silico de medicamentos, y a la predicción de propiedades mecánicas de polímeros cruciales en el diseño de materiales industriales.

En la actualidad existen diversos métodos para extraer información a partir de los datos obtenidos con los experimentos de microarray,
desde netamente estadísticos hasta métodos de inteligencia artificial. Nuestro objetivo es generar conocimiento a partir de estos datos combinando las dos áreas, apoyados por un grupo de biología molecular que aporta distintas necesidades provenientes de problemas reales relacionados con el cancer, y que a su vez valida la coherencia de nuestros resultados.

El proceso penal está conformado por instancias sucesivas entre las cuales el juicio oral es sólo una de las últimas. El producto administrativo es la sentencia que fundamenta la decisión judicial a través de la argumentación jurídica. Este es el resultado de una construcción progresiva de sistemas argumentativos que se desprenden de las sucesivas instancias del proceso.

Inicialmente, los argumentos probatorios de una imputación jurídica son construidos por “generalizaciones de sentido común”. Un juez de garantías decidirá, según sus “máximas de experiencia” y su “sana crítica racional”, si éstos argumentos se fundan “sobre la base de razones suficientes” para permitir que el caso legal progrese. En instancias posteriores, previas al juicio oral, se propondrá nueva argumentación, incorporando piezas de inferencia pasibles de interpretación como doctrina y precedentes jurisprudenciales.

Consecuentemente, la vinculación normativa queda sujeta a diferentes intervenciones subjetivas llamadas interpretación legal. Por ello, fundar una sentencia sobre precedentes jurisprudenciales acarreará las decisiones personalistas que fundan la sentencia previa.

Esta dinámica difiere de la construcción clásica de argumentos formales como la conocemos en la IA, dado que el soporte de premisas no ocurre por coincidencia literal, sino por efecto de inferencias externas a la base normativa. Por ello, diferentes sistemas argumentativos podrán devenir de una misma base normativa según la interpretación legal que sea referida.

Presentaremos diferentes ámbitos de aplicación de las teorías de Argumentación y Belief Revision como fundamentos teóricos para implementar sistemas recomendadores capaces de asistir sobre la práctica de la argumentación jurídica en los procesos penales y constitucionales.

La disciplina de visualización abarca el desarrollo de métodos y herramientas visuales a los efectos de llevar a cabo tareas que involucren la obtención de información a partir de grandes volúmenes de datos de manera efectiva y eficiente. Debido al amplio campo de aplicación del eye-tracking se desarrollaron diferentes alternativas de análisis de los datos provenientes de dispositivos de detección de movimiento ocular tales como algoritmos estadísticos, algoritmos de edición de cadenas, técnicas relacionadas con visualización, etc. En tanto los métodos estadísticos proveen resultados cuantitativos, las técnicas de visualización permiten que los investigadores analicen y exploren diferentes niveles y aspectos de los datos generados en sus experimentos. Las técnicas de Visualización ayudan a analizar tanto los aspectos espacio-temporales de los datos generados por el dispositivo como las complejas relaciones que puedan existir entre éstos. Encontrar patrones o descubrir relaciones en datos obtenidos mediante eye-tracking son precisamente tareas generales en el contexto del análisis de los datos obtenidos a partir de este tipo de experimentos. No hay, muy a menudo, una sola técnica de visualización que sea suficiente para encontrar patrones y para analizar las relaciones que podrían existir entre los datos. Más bien, puede considerarse más adecuado el combinar múltiples técnicas de visualización. Adicionalmente, la interacción del usuario asociada a las técnicas de visualización es indispensable en el proceso de análisis.

El paisaje de sistemas de información está compuesto por componentes de legado que muchas veces usan fuentes de datos heterogéneas, formatos de datos propietarios y representaciones de conocimiento de bajo nivel. Sólo los programadores experimentados que mantienen dichos sistemas pueden interpretar esos datos. El acceso a datos basado en ontologías es un enfoque novedoso que define un esquema global de alto nivel de fuentes de datos existentes y provee un vocabulario para consultas de usuario. Reportaremos en la construcción de un sistema que exporta tales datos, representados como una base de datos relacional, como una ontología OWL de acuerdo a la especificación de mapeo directo de la W3C.