ACISUD
ACISUD

ACISUD
ACISUD
 : 
Técnicas Avanzadas de Inteligencia Computacional Usadas en Beneficio del Desarrollo Sostenible
Técnicas Avanzadas de Inteligencia Computacional Usadas en Beneficio del Desarrollo Sostenible

A Project coordinated by IIIA.

Web page:

Principal investigator: 

Collaborating organisations:

Funding entity:

Ministerio de Ciencia e Innovación
Ministerio de Ciencia e Innovación

Funding call:

PID 2022
PID 2022

Funding call URL:

Project #:

PID2022-136787NB-I00
PID2022-136787NB-I00

Total funding amount:

183.500,00€
183.500,00€

IIIA funding amount:

Duration:

01/Sep/2023
01/Sep/2023
31/Aug/2026
31/Aug/2026

Extension date:

La Agenda 2030 para el Desarrollo Sostenible de las Naciones Unidas se inició con el objetivo de lograr la paz y la prosperidad para la humanidad. La agenda comprende 17 Objetivos de Desarrollo Sostenible que comprenden acciones para acabar con la pobreza y otras privaciones. Entre ellas encontramos estrategias para desarrollar ciudades y comunidades sostenibles, reducir las desigualdades y mejorar la educación. Sin embargo, tales objetivos deben lograrse sin ningún impacto negativo (e.g. sobre el cambio climático). Este proyecto pretende continuar el trabajo de nuestro grupo en el uso de técnicas de inteligencia computacional (de áreas como la Inteligencia Artificial y la Investigación Operativa) para contribuir a alcanzar algunos objetivos de desarrollo sostenible. Con este objetivo, proponemos contribuir a cuatro áreas de aplicación.

El área de aplicación 1 estudia la logística urbana sostenible. El creciente consumo de combustibles fósiles ha causado graves problemas durante las últimas décadas. Actualmente, la mayoría de los gobiernos consideran que la reducción de las emisiones de dióxido de carbono es un objetivo primordial. Así, es de gran importancia reemplazar las tecnologías de combustibles fósiles por tecnologías más sostenibles. En el apartado logístico, esto se puede conseguir, por ejemplo, empleando vehículos que respeten más el medio ambiente. Nuestro objetivo principal en el proyecto es contribuir a que los modelos existentes de problemas de enrutamiento de vehículos eléctricos sean más realistas.

El área de aplicación 2 estudia la Educación Personalizada. Nuestro objetivo será el desarrollo de herramientas que permitan a los estudiantes generar planes de educación personalizados que maximicen sus competencias de acuerdo a sus preferencias y objetivos. A diferencia del trabajo sobre planificación de carrera en la literatura, en lugar de predecir los futuros puestos de trabajo de un estudiante, nuestro objetivo será planificar y explicar el camino de aprendizaje óptimo para adquirir las habilidades requeridas por un futuro trabajo deseado.

El tema del área de aplicación 3 es Sistemas Inteligentes para Salud. Nuestro objetivo es realizar aportaciones fundamentales y aplicadas que avancen el estado del arte. Para ello, enfocaremos nuestras contribuciones en torno a tres objetivos: el análisis de datos médicos más allá de las imágenes, el uso de Inteligencia Artificial más allá del aprendizaje supervisado y el diseño de escenarios colaborativos más allá de la Inteligencia Artificial humana versus expertos humanos.

El área de aplicación 4 considera comunidades virtuales. Dentro del objetivo general de incluir agentes conversacionales (chatbots) en las comunidades virtuales para asistir a sus participantes de manera efectiva, el proyecto contribuirá a cerrar la brecha entre los agentes conversacionales sociales, de información y orientados a tareas en las comunidades. También abordaremos la formalización, diseño y desarrollo de agentes conversacionales más precisos y equitativos que avancen el estado del arte en la facilitación de interacciones sociales.

Nuestro trabajo contribuirá a los siguientes objetivos de desarrollo sostenible: las áreas de aplicación 1 y 4 contribuirán al Objetivo 11 "Ciudades y comunidades sostenibles", el área de aplicación 2 prevé contribuir al Objetivo 4 " Educación de Calidad", mientras que el área de aplicación 3 contribuirá al Objetivo 3 "Buena Salud y Bienestar".

La Agenda 2030 para el Desarrollo Sostenible de las Naciones Unidas se inició con el objetivo de lograr la paz y la prosperidad para la humanidad. La agenda comprende 17 Objetivos de Desarrollo Sostenible que comprenden acciones para acabar con la pobreza y otras privaciones. Entre ellas encontramos estrategias para desarrollar ciudades y comunidades sostenibles, reducir las desigualdades y mejorar la educación. Sin embargo, tales objetivos deben lograrse sin ningún impacto negativo (e.g. sobre el cambio climático). Este proyecto pretende continuar el trabajo de nuestro grupo en el uso de técnicas de inteligencia computacional (de áreas como la Inteligencia Artificial y la Investigación Operativa) para contribuir a alcanzar algunos objetivos de desarrollo sostenible. Con este objetivo, proponemos contribuir a cuatro áreas de aplicación.

El área de aplicación 1 estudia la logística urbana sostenible. El creciente consumo de combustibles fósiles ha causado graves problemas durante las últimas décadas. Actualmente, la mayoría de los gobiernos consideran que la reducción de las emisiones de dióxido de carbono es un objetivo primordial. Así, es de gran importancia reemplazar las tecnologías de combustibles fósiles por tecnologías más sostenibles. En el apartado logístico, esto se puede conseguir, por ejemplo, empleando vehículos que respeten más el medio ambiente. Nuestro objetivo principal en el proyecto es contribuir a que los modelos existentes de problemas de enrutamiento de vehículos eléctricos sean más realistas.

El área de aplicación 2 estudia la Educación Personalizada. Nuestro objetivo será el desarrollo de herramientas que permitan a los estudiantes generar planes de educación personalizados que maximicen sus competencias de acuerdo a sus preferencias y objetivos. A diferencia del trabajo sobre planificación de carrera en la literatura, en lugar de predecir los futuros puestos de trabajo de un estudiante, nuestro objetivo será planificar y explicar el camino de aprendizaje óptimo para adquirir las habilidades requeridas por un futuro trabajo deseado.

El tema del área de aplicación 3 es Sistemas Inteligentes para Salud. Nuestro objetivo es realizar aportaciones fundamentales y aplicadas que avancen el estado del arte. Para ello, enfocaremos nuestras contribuciones en torno a tres objetivos: el análisis de datos médicos más allá de las imágenes, el uso de Inteligencia Artificial más allá del aprendizaje supervisado y el diseño de escenarios colaborativos más allá de la Inteligencia Artificial humana versus expertos humanos.

El área de aplicación 4 considera comunidades virtuales. Dentro del objetivo general de incluir agentes conversacionales (chatbots) en las comunidades virtuales para asistir a sus participantes de manera efectiva, el proyecto contribuirá a cerrar la brecha entre los agentes conversacionales sociales, de información y orientados a tareas en las comunidades. También abordaremos la formalización, diseño y desarrollo de agentes conversacionales más precisos y equitativos que avancen el estado del arte en la facilitación de interacciones sociales.

Nuestro trabajo contribuirá a los siguientes objetivos de desarrollo sostenible: las áreas de aplicación 1 y 4 contribuirán al Objetivo 11 "Ciudades y comunidades sostenibles", el área de aplicación 2 prevé contribuir al Objetivo 4 " Educación de Calidad", mientras que el área de aplicación 3 contribuirá al Objetivo 3 "Buena Salud y Bienestar".

2024
Roger Xavier Lera Leri,  Enrico Liscio,  Filippo Bistaffa,  Catholijn M. Jonker,  Maite Lopez-Sanchez,  Pradeep K. Murukannaiah,  Juan A. Rodríguez-Aguilar,  & Francisco Salas-Molina (2024). Aggregating value systems for decision support. Knowledge-Based Systems, 287, 111453. https://doi.org/10.1016/j.knosys.2024.111453. [BibTeX]  [PDF]
Manel Rodríguez Soto,  Juan A. Rodríguez-Aguilar,  & Maite López-Sánchez (2024). An Analytical Study of Utility Functions in Multi-Objective Reinforcement Learning. The Thirty-eighth Annual Conference on Neural Information Processing Systems (NeurIPS 2024) . [BibTeX]  [PDF]
Adrià Fenoy,  Filippo Bistaffa,  & Alessandro Farinelli (2024). An attention model for the formation of collectives in real-world domains. Artificial Intelligence, 328, 104064. https://doi.org/10.1016/j.artint.2023.104064. [BibTeX]  [PDF]
Rocco Ballester,  Yanis Labeyrie,  Oguz Mulayim,  Jose Luis Fernandez Marquez,  & Jesus Cerquides (2024). Crowdsourced geolocation: Detailed exploration of mathematical and computational modeling approaches. Cognitive Systems Research, 88, 101266. https://doi.org/10.1016/j.cogsys.2024.101266. [BibTeX]
Hafiz Budi Firmansyah,  Jose Luis Fernandez Marquez,  Oguz Mulayim,  Jorge Gomes,  Joao Ribeiro,  & Valerio Lorini (2024). Empowering Crisis Response Efforts: A Novel Approach to Geolocating Social Media Images for Enhanced Situational Awareness. ISCRAM Proceedings, 21. https://ojs.iscram.org/index.php/Proceedings/article/view/21. [BibTeX]  [PDF]
Errikos Streviniotis,  Athina Georgara,  Filippo Bistaffa,  & Georgios Chalkiadakis (2024). FairPlay: A Multi-Sided Fair Dynamic Pricing Policy for Hotels. Proceedings of the AAAI Conference on Artificial Intelligence, 38, 22368-22376. https://doi.org/10.1609/aaai.v38i20.30243. [BibTeX]  [PDF]
Hafiz Budi Firmansyah,  Valerio Lorini,  Oguz Mulayim,  Jorge Gomes,  & Jose Luis Fernandez Marquez (2024). Improving Social Media Geolocation for Disaster Response by Using Text From Images and ChatGPT. Proceedings of the 2024 11th Multidisciplinary International Social Networks Conference (pp. 67–72). Association for Computing Machinery. https://doi.org/10.1145/3675669.3675696. [BibTeX]  [PDF]
Annelies Raes,  Georgios Athanasiou,  Nima Azari-Dolatabad,  Hafez Sadeghi,  Sebastian Gonzalez Andueza,  Josep Lluis Arcos,  Jesus Cerquides,  Krishna Chaitanya Pavani,  Geert Opsomer,  Osvaldo Bogado Pascottini,  Katrien Smits,  Daniel Angel-Velez,  & Ann Van Soom (2024). Manual versus deep learning measurements to evaluate cumulus expansion of bovine oocytes and its relationship with embryo development in vitro. Computers in Biology and Medicine, 168, 107785. https://doi.org/10.1016/j.compbiomed.2023.107785. [BibTeX]  [PDF]
M Serramia Amoros,  M Lopez-Sanchez,  Juan A. Rodríguez-Aguilar,  & S Moretti (2024). Value alignment in participatory budgeting. Proceedings of the 23rd International Conference on Autonomous Agents and Multiagent Systems . [BibTeX]  [PDF]
2023
Marc Serramia,  Manel Rodriguez-Soto,  Maite Lopez-Sanchez,  Juan A. Rodríguez-Aguilar,  Filippo Bistaffa,  Paula Boddington,  Michael Wooldridge,  & Carlos Ansotegui (2023). Encoding Ethics to Compute Value-Aligned Norms. Minds and Machines, 1--30. [BibTeX]  [PDF]
Filippo Bistaffa (2023). Faster Exact MPE and Constrained Optimization with Deterministic Finite State Automata. Proceedings of the Thirty-Second International Joint Conference on Artificial Intelligence, {IJCAI}2023, 19th-25th August 2023, Macao, SAR, China (pp. 1884--1892). ijcai.org. https://doi.org/10.24963/IJCAI.2023/209. [BibTeX]
Filippo Bistaffa
Tenured Scientist
Phone Ext. 431849

Christian Blum
Scientific Researcher
Phone Ext. 431840

Jesus Cerquides
Scientific Researcher
Phone Ext. 431859

Roger Xavier Lera Leri
PhD Student
Maite López-Sánchez
Tenured University Lecturer
Phone Ext. 431821

Anna Puig Puig
Tenured University Lecturer
Jaume Reixach i Perez
PhD Student
Juan A. Rodríguez-Aguilar
Research Professor
Phone Ext. 431861

Guillem Rodriguez Corominas
PhD Student
Inmaculada Rodríguez Santiago
Tenured University Lecturer