2020
Salva Ardid
Salva Ardid
Afiliació: Universitat Politècnica de València
Camps o árees d’investigació Neurociència Computacional , Intel·ligència Artificial , Aprenentatge Automàtic
Sóc Llicenciat en Física i Enginyer Electrònic per la Universitat de València. Seguidament vaig dur a terme un Doctorat en Neurociència a l'Institut de Neurociències d'Alacant adscrit a la Universitat Miguel Hernández. En finalitzar el meu doctorat, vaig realitzar diverses estades post-doctorals en les Universitats de Yale i Boston als Estats Units, i en la Universitat de York a Canadà.
A mitjan 2020, sota el paraigües de la segona generació del Programa CIDEGENT, em vaig incorporar a la Universitat Politècnica de València (UPV) per establir el "Lab of Natural and Designed Intelligence". La recerca del meu grup a la UPV es centra en entendre els mecanismes que sustenten i faciliten l'aprenentatge, tant en intel·ligència artificial (IA) com al cervell.
El projecte CIDEGENT que lidere, titulat "Artificial General Intelligence: Beyond Deep Learning", té com a objectiu examinar l'aprenentatge profund (deep learning, en anglès) i superar les seues limitacions actuals. La nostra aproximació es basa en aplicar tècniques i coneixements a la intersecció de la neurociència computacional i l'aprenentatge automàtic: perseguim adaptar mecanismes computacionals que són eficients al cervell i incorporar-los a arquitectures IA, amb la finalitat de desenvolupar algorismes d'aprenentatge més potents i explicables.
En particular, analitzem el comportament dels algorismes d'aprenentatge una vegada hem introduït canvis en l'arquitectura de xarxa neuronal tals com: augment de la no-linearitat en la xarxa; reforçament del substrat neurobiològic de l'algorisme; i aplicació d'aprenentatge local basat en principis de meta-aprenentatge. Emprant aquestes tècniques, busquem millorar el rendiment dels algorismes en termes de flexibilitat, agilitat i robustesa.
Dins la Neurociència, estem molt interessats en identificar mecanismes fisiològics del cervell associats amb la funció i disfunció cognitiva, en particular quan toca aspectes relacionats a l'aprenentatge. Per tal d'aconseguir aquest objectiu, simulem models d'aprenentatge per reforç i xarxes neuronals amb fonament biològic. Un d'aquests estudis es centra en la dinàmica cognitiva, on combinem procediments experimentals (psicofísica i neuroimatge) amb aproximacions computacionals (aprenentatge automàtic i modelatge de circuits neuronals) per estudiar la dinàmica, el desenvolupament, i el declivi de la cognició humana al llarg de de la vida.