https://youtu.be/bC6VQXXZiDo?si=x7iE1skiV43xUgqB

 

Leire Lopetegui: Matemáticas y Biología Marina al Servicio de los Tiburones.

Leire aporta a la jornada una visión científica centrada en la sostenibilidad de nuestros océanos. Su trabajo en el centro de investigación AZTI combina su pasión por la fauna marina con el rigor de los modelos estadísticos.

1. El Problema: La Pesca de Túnidos y el "Bycatch"

La investigación de Leire se sitúa en el ámbito de la pesca industrial de túnidos tropicales (atún). Uno de los grandes retos de este sector es la pesca accidental o bycatch:

• Especies vulnerables: Al pescar atún, a menudo se capturan accidentalmente tiburones, especies que son vitales para el equilibrio del ecosistema pero muy sensibles a la presión pesquera.

2. La Herramienta: Modelos Matemáticos para la Predicción

Leire no se limita a la observación biológica tradicional; utiliza las matemáticas como herramienta de diagnóstico:

• Análisis de dinámicas: Mediante datos, estudia cómo se mueven y cómo evolucionan las poblaciones de tiburones.

• Modelización: Estos modelos permiten predecir el impacto de la actividad pesquera y conocer el estado de conservación real de estas especies en tiempo real.

3. Objetivo: Medidas de Gestión Eficaces

Lo más relevante de su charla es la aplicación práctica de su tesis:

• Propuestas concretas: El fin último es proponer medidas de gestión basadas en evidencias científicas para evitar o reducir drásticamente estas capturas no deseadas.

• Equilibrio: Su trabajo busca que la actividad pesquera sea económicamente viable pero, sobre todo, ambientalmente sostenible.

Leire  nos explicó que la biología moderna es digital y cuantitativa. Su intervención subraya que para salvar especies en peligro, la mejor herramienta es un buen modelo matemático que permita tomar decisiones acertadas. La clave: Las matemáticas son la "brújula" necesaria para proteger la biodiversidad marina en un mundo globalizado.

Jakes Udabe: Nanopartículas, Cáncer y "Machine Learning"

Jakes ha unido la química pura y la tecnología digital de vanguardia en su doctorado.

1. Nanopartículas y Tumores 

El núcleo de su tesis es la nanomedicina. Las nanopartículas son como pequeños "recipientes de transporte", diseñados para llevar los medicamentos directamente al interior de los tumores.

• El reto: Los sistemas biológicos del cuerpo son muy complejos y es muy difícil adivinar cómo entrarán esas nanopartículas en el tumor.

2. Aprendizaje Automático (Machine Learning) al servicio de la ciencia

Jakes  ha utilizado máquinas (IA) para simular las interacciones entre las nanopartículas y los sistemas biológicos:

• Modelos de predicción: Observando las características de una nanopartícula (tamaño, carga, forma), la máquina puede predecir si será eficaz o no para entrar en el tumor.

• Análisis de datos: Esta tecnología permite la capacidad de probar miles de opciones por ordenador antes de realizar los experimentos físicos.

3. Mundo Industrial e I+D

Tras finalizar el doctorado Cum Laude, ha dado el salto a BANTEC Group. 

• Consultoría:  En su trabajo  gestiona proyectos de I+D, impulsando las aplicaciones industriales de la nanotecnología.

• Labor de puente: Une el conocimiento técnico de laboratorio con las necesidades del mundo empresarial (gracias a su MBA).

Mikel Artetxe: Más allá de los modelos de lenguaje

1. Traducción Automática No Supervisada (Unsupervised MT)

• Innovación: Mikel nos explica que las máquinas pueden aprender a traducir sin textos paralelos.

• Funcionamiento: Cada idioma tiene su propio "mapa matemático" o espacio vectorial y estos mapas son similares en todos los idiomas. Por tanto, la IA es capaz de superponer el mapa de un idioma sobre otro, alineando conceptos (por ejemplo, entendiendo que "etxe" y "house" ocupan el mismo lugar), sin necesidad de usar un diccionario.

2. Modelos Multimodales: Capacidad para ver el mundo

Su trabajo actual en Reka AI va más allá del lenguaje escrito. Desarrollan modelos multimodales:

• Integración: No se trata de ponerle "ojos" a un modelo de texto; diseñan el propio modelo para procesar los píxeles de una imagen y las palabras de un texto en un mismo espacio funcional.

• Razonamiento: Esto otorga a la IA la capacidad de, por ejemplo, ver un vídeo y explicar qué está ocurriendo o tomar decisiones basadas en imágenes complejas.

3. Eficiencia y Ventana de Contexto Extensa

El principal problema de los grandes modelos de lenguaje (LLM) es el consumo y la memoria. Uno de los retos actuales se centran en que estos modelos sean más eficientes:

• Context Window (Ventana de contexto): Desarrolla arquitecturas con capacidad para "leer" y comprender documentos muy largos (libros, textos legales o grandes bases de código) de una sola vez, sin perder información ni bloquear el ordenador.

• El lugar del euskera: Gracias a su trabajo idiomas "pequeños" como el euskera (con menos datos disponibles) pueden integrarse de forma excelente en los modelos más potentes, reduciendo la brecha tecnológica lingüística.

El trabajo de Mikel es diseñar la arquitectura y los métodos de aprendizaje de la IA. Su objetivo es que las máquinas comprendan el mundo de forma global (multimodalidad), que aprendan más con menos datos (no supervisado) y que estas herramientas sean universales (para todos los idiomas).