Llevamos muchos años trabajando con la CNRS. Decenas de tesis del CIFRE y contratos de colaboración nos han permitido explorar un abanico muy amplio de potencialidades en los ámbitos de la inteligencia artificial, las ciudades sostenibles, la interacción avanzada hombre-máquina, el tratamiento automático del lenguaje, etc. Esta relación, muy querida por nosotros, ha permitido al grupo madurar y desarrollar pruebas de concepto e innovaciones a la vanguardia de la tecnología y con una preocupación por la tecnología digital a la francesa que respeta los valores de la seguridad de los datos personales y la inclusión digital.
Hoy iniciamos un nuevo capítulo de nuestra historia con el CNRS, a través de un asociación estratégica para los próximos cinco años. Con este motivo, también estamos reorientando nuestra colaboración con el CNRS para concentrarnos en tres grandes retos para la próxima década.
Modelos sistémicos de ayuda a la decisión en las ciudades
Las ciudades son probablemente uno de los objetos más complejos que ha creado el hombre. Entender el funcionamiento de las ciudades requiere la intervención de un gran número de disciplinas, como la geografía, la geomática, la sociología, la antropología, la física, la economía, la política, etc. Entender el metabolismo urbano es tanto más apremiante cuanto que nos enfrentamos a una emergencia ecológica y a cambios de comportamiento, sociales y societarios fuertemente influidos por las tecnologías digitales.
Estos cambios exigen la creación de nuevas herramientas. Berger-Levrault y el CNRS están convencidos de que estas herramientas deben ser alimentadas y educadas por la ciencia. Para hacer frente a este reto, están surgiendo varias cuestiones. Buscamos crear modelos de resiliencia urbana que permitan comprender mejor la dinámica sistémica del metabolismo y la morfología urbana. Aspiramos a crear gemelos digitales de las ciudades. La ciudad es un objeto geoespacial complejo que evoluciona con el tiempo. Una buena comprensión de una ciudad sólo puede lograrse añadiendo datos semánticos que representen los fenómenos que ocurren en ella, ya sean físicos (CO2, humedad, viento, contaminación, T°, etc.) o humanos (finanzas, actividades, demografía, accesibilidad, etc.).
Desaprendizaje, aleatoriedad, inteligibilidad
En Berger-Levrault hemos alcanzado un nivel de madurez en materia de Inteligencia Artificial. El trabajo realizado por nuestros equipos en los últimos diez años nos ha permitido afrontar múltiples realidades en cuanto a la aplicabilidad de la IA. Cuando nos referimos a la IA, es en un sentido amplio, ya que incluimos el aprendizaje automático (supervisado y no supervisado), la metaheurística y los métodos estadísticos avanzados más tradicionales.
Cualquiera que sea el campo de aplicación, una observación es clara: nos enfrentamos a dificultades complejas de resolver con el aprendizaje automático de última generación. Si nuestros trabajos dan resultados convincentes in vitro, son muy delicados de generalizar sobre el terreno. Por lo tanto, queremos contribuir a responder a varias preguntas fundamentales: ¿Cuál es el papel del azar en la generalización de los modelos de IA? ¿Qué lugar debe dejarse a la mutualización de la IA y al desaprendizaje? ¿Cómo trabajar la inteligibilidad de los algoritmos?
Hacia un software frugal por diseño
Los intereses de los desarrolladores se han alejado de las limitaciones del hardware, lo que significa que ya no controlan el impacto computacional de su código. También observamos una descorrelación entre las funcionalidades de un software y sus requisitos computacionales (por tanto, la energía). Los servicios prestados por el software empresarial en 2022 son más o menos similares a los de hace 10 años para unos requisitos de hardware exponencialmente mayores.
La ley de Moore ha tenido un efecto rebote. En concreto, queremos desarrollar un conjunto de herramientas que garanticen el control del impacto energético de nuestros productos desde la fase de diseño y a lo largo de su desarrollo e implantación. A partir de ahí, aparecen las preguntas de investigación:
¿Cómo podemos medir automáticamente la cantidad de energía consumida por un software y por una parte del mismo? ¿Podemos diseñar arquitecturas de software frugales por diseño? ¿Puede el software optimizar dinámicamente su consumo de energía?
