• La entidad destacó las buenas prácticas y resultados obtenidos por la iniciativa titulada “Machine Learning on the Edge”, que busca obtener modelos de aprendizaje automática más sostenibles en cuanto a consumo energético e impacto en las emisiones de carbono
• El investigador del CITIC, Óscar Fontenla, recogió el reconocimiento en el AMETIC Artificial Summit 2023, promovida por la Asociación Multisectorial de Empresas de Tecnologías de la Información, Comunicaciones y Electrónica

El proyecto del CITIC “Machine Learning on the Edge” ha obtenido el premio I+D+i en Inteligencia Artificial concedido por la AMETIC, la asociación que representa a 3.000 empresas del sector TIC en España. La entidad destacó las buenas prácticas y los resultados obtenidos a través de de la investigación y el desarrollo de este proyecto, liderado por Óscar Fontenla Romero y en el que participan también otras/os investigadoras/es del CITIC como Amparo Alonso Betanzos, Bertha Guijarro, Elena Hernández, Noelia Sánchez, Beatriz Pérez, Verónica Bolón Canedo, Laura Morán Fernández y David Novoa.

El proyecto, que fue financiado por la Fundación BBVA en su convocatoria de 2019, desarrolla nuevos sistemas de inteligencia artificial para obtener modelos de aprendizaje automático más sostenibles en cuanto a consumo energético e impacto en las emisiones de carbono. Estos modelos, capaces de resolver tareas complejas entrenándose sobre grandes cantidades de datos, tuvieron éxito en los últimos años debido a su utilidad para resolver una amplia variedad de problemas. Para poder aprender, estos modelos necesitan largos procesos de cálculo que consumen muchos recursos computacionales alojados normalmente en grandes centros de procesamiento de datos. Estos centros suponen un gran consumo energético a nivel mundial: en 2016 supusieron alrededor del 3% del consumo eléctrico del planeta.

Por este motivo, el equipo investigador del CITIC se centra en desarrollar nuevos modelos que puedan ser distribuidos sobre pequeños dispositivos de cómputo, con un bajo consumo eléctrico. Se trata de métodos aspiran a tener impacto directo en tropel de aplicaciones, entre ellas el mantenimiento predictivo de maquinaria industrial, el medicamento preventivo o el procesamiento de datos en smart cities.