A intelixencia artificial (IA) é a disciplina que permite deseñar e programar máquinas capaces de levaren a cabo tarefas que requiren intelixencia para ser realizadas. Máis que conseguir intelixencia de tipo xeral, a IA actual focalízase no que se coñece como IA específica, que está a producir resultados moi importantes en moitos ámbitos de aplicación como, por exemplo, no procesamento da linguaxe natural, visión artificial, robótica etc. Non obstante, desde un punto de vista científico e de investigación básica e aplicada, a IA xeral continúa a ser o grande obxectivo para alcanzar, é dicir, crear un ecosistema con sistemas intelixentes multitarefa.

PRIORIDADES CIENTÍFICAS E LIÑAS DE INVESTIGACIÓN:

Aprendizaxe máquina: o obxectivo desta prioridade é desenvolver modelos xenéricos capaces de se adaptaren para aprender a realizar unha tarefa concreta. Para iso, estes modelos posúen un conxunto de parámetros que determinan o seu comportamento e que se axustan ao valor axeitado mediante un proceso de adestramento e sobre a base dun conxunto de datos representativo da tarefa que se vai aprender. Basicamente, neste proceso o ordenador descobre como resolver a tarefa segundo os datos empíricos que se lle proporcionan.

Liñas de investigación:​

• • Técnicas de detección de anomalías
  • Aprendizaxe en tempo real e continuo
  • Computación evolutiva
  • Aprendizaxe con enxeñaría de características
  • Aprendizaxe en IoT
  • Aprendizaxe profunda e novas arquitecturas de redes de neuronas
  • Aprendizaxe automática con computación cuántica
  • Selección de características en dispositivos de baixa precisión e capacidade
  • Análise de sistemas biolóxicos complexos con técnicas de aprendizaxe automática e integración de datos
  • Regresión simbólica determinista

Visión artificial: nesta prioridade desenvólvense métodos para tratar de forma automática ou semiautomática a información visual adquirida mediante sensores tanto de forma estática (imaxes) como dinámica (vídeo) para poder obter información de máis nivel e interpretar as escenas que se adquiriron.

Liñas de investigación:​

• • Aprendizaxe profunda mediante o emprego de modelos e arquitecturas de redes de neuronas artificiais capaces de aprenderen de xeito supervisado ou semisupervisado
  • Análise de imaxe médica con técnicas de recoñecemento de patróns
  • Análise de escenas dinámicas para interpretar os obxectos e as súas accións

Procesado da linguaxe natural: desenvolve modelos computacionais que posibiliten que os ordenadores poidan entender ou xerar texto nun idioma determinado. Esta tecnoloxía fai posible traducir textos automaticamente, atopar información requirida na web mediante motores de busca, analizar a opinión dos usuarios dun servizo ou automatizar e realizar as tarefas dunha persoa a través de asistentes virtuais.

Liñas de investigación:​

• • Análise sintáctica para procesamento a grande escala
  • Técnicas avanzadas de Question Answering
  • Sentiment Analysis en redes sociais
  • Word embeddings multilingües
  • Ferramentas para a aprendizaxe de linguas
  • Construción dun dicionario electrónico de colocacións para castelán
  • Técnicas e recursos de PLN para galego, portugués e uzbeko

​Robótica intelixente ou robótica autónoma: desenvolvemento de sistemas reais que poidan responder con maior grao de autonomía ás condicións cambiantes do medio, ou a medios que non estaban previstos, sen a axuda dun programador.

Liñas de investigación:​

• • Robótica evolutiva
  • Robótica cognitiva
  • Sistemas multi-robot
  • Fabricación de estruturas e aproximacións robóticas propias

​Representación do coñecemento e razoamento: estúdase a forma máis axeitada de representar a información que manexa un axente intelixente, expresando o seu coñecemento en diferentes tipos de linguaxes formais que poidan ser tratados por un ordenador para resolver problemas complexos, derivar conclusións ou contestar consultas sobre un dominio de aplicación dado.

Liñas de investigación:

• • Fundamentos de Answer Set Programming ASP (Equilibrium Logic)
  • Programación lóxica funcional e con restricións
  • Explicación causal
  • ASP epistémico
  • Razoamento espacial cualitativo
  • Aplicacións de ASP: medicina, informática forense, composición musical​