Inteligencia Artificial Generativa

El semillero se especializará en la investigación y desarrollo de algoritmos de inteligencia artificial generativa con un fuerte enfoque en las bases matemáticas y estocásticas. El objetivo es abordar los fundamentos teóricos que permiten la creación eficiente de modelos generativos, como redes generativas antagónicas (GANs), modelos auto-regresivos y difusivos, y variational autoencoders (VAEs), para optimizar su aplicabilidad en sectores como finanzas, programación, simulaciones físicas, y generación de contenido.

Desarrollar y optimizar modelos generativos de inteligencia artificial basados en probabilidades y métodos estocásticos, aplicando teorías avanzadas de probabilidad, estadísticas y optimización, para mejorar la estabilidad y precisión de los resultados generados.

Investigar y desarrollar nuevas arquitecturas basadas en procesos estocásticos y teorías de probabilidad que mejoren los modelos generativos actuales.

Optimizar algoritmos de generación estocástica para mejorar la estabilidad durante el entrenamiento de GANs y otros modelos generativos.

Incorporar la teoría de incertidumbre en modelos generativos aplicables a sectores de alto riesgo como las finanzas o la medicina.

Explorar nuevos enfoques para la modelización probabilística en modelos como VAEs y normalizing flows, ampliando su capacidad para representar distribuciones complejas.

Aplicar estos avances teóricos en aplicaciones prácticas como la generación de datos sintéticos para simulaciones financieras, predicción en sistemas físicos, o generación de contenido artístico con mayor precisión estadística.