2020

« Atrás

Salva Ardid

Salva Ardid

https://lofnadi.github.io

ResearchID

ORCID

sardid@upv.es

Afiliación: Universidad Politécnica de Valencia

Campos o áreas de investigación Neurociencia computacional , Inteligencia Artificial , Aprendizaje automático

Soy Licenciado en Física e Ingeniero Electrónico por la Universidad de Valencia. Después realicé un Doctorado en Neurociencia en el Instituto de Neurociencias de Alicante adscrito a la Universidad Miguel Hernández. Al finalizar mi doctorado, realicé varias estancias post-doctorales en las Universidades de Yale y Boston en Estados Unidos, y en la Universidad de York en Canadá.
 
A mediados 2020, bajo el paraguas de la segunda generación del Programa CIDEGENT, me incorporé a la Universidad Politécnica de Valencia (UPV) para establecer el "Lab of Natural and Designed Intelligence". La búsqueda de mi grupo en la UPV se centra en entender los mecanismos que sustentan y facilitan el aprendizaje, tanto en inteligencia artificial (IA) como el cerebro.
El proyecto CIDEGENT que lidero, titulado "Artificial General Intelligence: Beyond Deep Learning", tiene como objetivo examinar el aprendizaje profundo (deep learning, en inglés) y superar sus limitaciones actuales. Nuestra aproximación se basa en aplicar técnicas y conocimientos en la intersección de la neurociencia computacional y el aprendizaje automático: perseguimos adaptar mecanismos computacionales que son eficientes en el cerebro e incorporarlos a arquitecturas IA, con el fin de desarrollar algoritmos de aprendizaje más potentes y explicables.
 
En particular, analizamos el comportamiento de los algoritmos de aprendizaje una vez hemos introducido cambios en la arquitectura de red neuronal tales como: aumento de la no linealidad en la red; reforzamiento del sustrato neurobiológico del algoritmo; y aplicación de aprendizaje local basado en principios de meta-aprendizaje. Empleando estas técnicas, buscamos mejorar el rendimiento de los algoritmos en términos de flexibilidad, agilidad y robustez.
 
Dentro de la Neurociencia, estamos muy interesados ​​en identificar mecanismos fisiológicos del cerebro asociados con la función y disfunción cognitiva, en particular cuando toca aspectos relacionados al aprendizaje. Para conseguir este objetivo, simulamos modelos de aprendizaje por refuerzo y redes neuronales con fundamento biológico. Uno de estos estudios se centra en la dinámica cognitiva, donde combinamos procedimientos experimentales (psicofísica y neuroimagen) con aproximaciones computacionales (aprendizaje automático y modelado de circuitos neuronales) para estudiar la dinámica, el desarrollo, y el declive de la cognición humana a lo largo de de la vida.