O CITIC recibe un premio nacional polo seu modelo para facer as recomendacións dixitais máis comprensibles e ecolóxicas
luns, 2 de xuño do 2025
Analizar os nosos gustos e comportamentos para anticiparse ao que queremos é o obxectivo dos diferentes sistemas intelixentes pero estes sistemas fan as súas predicións sen explicarnos como nin por que, amais de precisar grandes recursos computacionais que impactan no medio ambiente.
Atendendo a esta situación, un grupo de investigadores e investigadoras do CITIC da Universidade da Coruña, centro que forma parte da Rede CIGUS da Xunta de Galicia, desenvolveu BRIE, un modelo que emprega imaxes seleccionadas de xeito intelixente para explicar as recomendacións que recibimos, axudándonos a entender mellor as súas suxestións e, ao mesmo tempo, reducindo drasticamente o seu consumo enerxético.
O traballo vén de ser recoñecido co Premio á Mellor Publicación CientÃfica en Sistemas de Recomendación 2023-2024, concedido pola Rede Española de Investigación en Sistemas de Recomendación (ELIGE-IA), que reúne aos principais expertos estatais neste eido. Cada ano, esta rede outorga o premio á mellor publicación cientÃfica no campo, valorando a innovación, o impacto social e a calidade dos traballos presentados. Nesta edición, o comité seleccionou o traballo do CITIC entre oito candidaturas de gran nivel.Este recoñecemento salienta o traballo máis relevante a nivel nacional durante o perÃodo 2023–2024.
O artigo premiado, publicado na revista Information Fusion, titúlase: Sustainable transparency on recommender systems: Bayesian ranking of images for explainability e é obra dos investigadores do CITIC Jorge Paz Ruza, Amparo Alonso Betanzos, Bertha Guijarro Berdiñas, Brais Cancela Barizo e Carlos Eiras-Franco.
Achegándonos un pouco ao concepto de recomendación dixital, cómpre dicir que cando unha plataforma nos suxire unha pelÃcula, unha canción, un produto ou unha publicación, está a empregar un sistema de recomendación. Estas tecnoloxÃas inflúen en moitas das nosas decisións en liña: o que vemos en Netflix, escoitamos en Spotify, mercamos en Amazon ou lemos nas redes sociais.
Para facer estas suxestións, analizan os nosos gustos e hábitos co obxectivo de anticipar o que poderÃa interesarnos. AÃnda que resultan ferramentas moi útiles, o seu funcionamento adoita ser opaco: non explican as razóns detrás das recomendacións, o que pode xerar desconfianza. Ademais, adestrar estes modelos require grandes cantidades de enerxÃa.
Para ofrecer unha alternativa máis comprensible e eficiente, o equipo do CITIC desenvolveu BRIE, un modelo innovador que emprega imaxes seleccionadas de xeito intelixente para ilustrar o porqué de cada recomendación. Por exemplo, se unha plataforma suxire un produto, BRIE pode amosar imaxes semellantes que o usuario valorase positivamente no pasado, facilitando asà a comprensión do sistema.
O traballo premiado enmárcase en dous proxectos clave do CITIC: FrugalAI, que desenvolve algoritmos de Intelixencia Artificial capaces de funcionar en contornos con recursos limitados como o Internet das Cousas ou a robótica, e EthicDL, que busca combinar a potencia da aprendizaxe profunda con métodos máis interpretables para construÃr sistemas máis comprensibles e fiables. Para rematar, salientar que BRIE consegue isto cunha eficiencia sen precedentes: reduce o tamaño do modelo nun 98 % e as emisións de COâ‚‚ asociadas ao seu adestramento nun 75 %, sen perder precisión nin rendemento. Isto converte a BRIE nunha ferramenta non só máis transparente, senón tamén máis sustentable. O modelo foi validado con éxito en seis conxuntos de datos reais e supera o rendemento dos sistemas actuais máis avanzados.
