Pertenezco al Grupo de Tecnología Informática-Inteligencia Artificial (GTI-IA). Estos son los intereses de investigación y los proyectos en los que estoy trabajando.
Intereses
El tema de mi tesis doctoral en IA en el año 2004 fue la representación del conocimiento y el razonamiento temporal, dirigida por Vicent Botti y Eva Onaindía. La idea general era
- proponer un modelo temporal para especificar las creencias de un agente inteligente, y
- crear métodos predecibles para aplicar el razonamiento temporal en un entorno estricto de tiempo real.
La tesis se titula Imaginación en tiempo real.
Sigo trabajando en el área de sistemas multiagente aplicada a alcanzar acuerdos sobre entidades autónomas y la dinámica de sistemas complejos emergentes y distribuidos. En la sección de publicaciones se pueden ver los principales resultados obtenidos durante estos años.
En el año 2019, completé un segundo doctorado en Sistemas Complejos. Se titula Generalización de Procesos de Consenso en Redes Complejas, dirigido por Rosa M. Benito, del Grupo de Sistemas Complejos (GSC) de la Universidad Politécnica de Madrid (UPM). Me centro en redes complejas y sistemas caóticos y esto es lo que aplico al análisis de redes sociales. Es particularmente interesante cuando tanto humanos como entidades artificiales (agentes) comparten el mismo entorno e interactúan entre sí. De ese modo, los agentes se benefician de los conocimientos de las personas y las personas aprovechan la capacidad de cálculo y análisis de los agentes inteligentes
And so the game went on. Our friend was absolutely correct: nobody from the group needed more than five links in the chain to reach, just by using the method of acquaintance, any inhabitant of our Planet
Chain Links, Frigyes Karinthy, 1929
Otras líneas de investigación
De la aplicación del análisis de redes y la inteligencia artificial a otros ámbitos surgen otros proyectos.
uTool: comenzó como una herramienta para extraer tuits y ha ido recibiendo cada vez más funcionalidades para el análisis de redes. Incluye también información geolocalizada y análisis de sentimiento entre otros.
Análisis de carreras. El comportamiento de los participantes en carreras no puede explicarse como una experiencia aislada y el resto de corredores del entorno afectan al rendimiento. Considerar la carrera como una red dinámica y compleja permite conocer los patrones que emergen. Estos patrones son comunes para todas las carreras, independientemente de la distancia o el tipo de carrera (asfalto o montaña).
Análisis de sentimientos y de temas de conversación a través de las interacciones en Twitter y otras redes sociales.